Przełom w uczeniu maszynowym: ostrzeżenia o trzęsieniach ziemi na miesiące przed ich wystąpieniem

Czas czytania: 2 minut
Przez Maria Sanchez
- w
Urządzenie sejsmograficzne z wizualizacją danych dotyczących trzęsień ziemi.

WarsawBadacze z Uniwersytetu Alaska Fairbanks oraz Uniwersytetu Ludwika i Maksymiliana odkryli, że uczenie maszynowe jest w stanie dawać ostrzeżenia na kilka miesięcy przed dużymi trzęsieniami ziemi. To odkrycie mogłoby zrewolucjonizować sposób przewidywania trzęsień ziemi oraz pomóc w zmniejszeniu ich skutków dla ludzi i budynków.

Zespół kierowany przez Társilo Gironę z Uniwersytetu Alaski w Fairbanks odkrył, że małe ruchy tektoniczne występują przed dużymi trzęsieniami ziemi. Wykorzystali uczenie maszynowe do analizy danych z trzęsienia ziemi w Anchorage w 2018 roku oraz z trzęsień ziemi w Ridgecrest w Kalifornii w 2019 roku. Zauważyli nietypowe aktywności sejsmiczne trzy miesiące przed tymi wydarzeniami.

Kluczowe wnioski z badań to:

  • Około trzech miesięcy niskiej aktywności sejsmicznej odnotowano w 15-25% dotkniętych obszarów.
  • Prawdopodobieństwo wystąpienia poważnych trzęsień ziemi w ciągu 30 dni przed ich wystąpieniem wzrosło do 85%.
  • Niska aktywność sejsmiczna poniżej 1,5 jest istotnym wskaźnikiem zbliżającego się dużego trzęsienia ziemi.

Badania wskazują, że wyższe ciśnienie płynów w uskokach może spowodować ich przesunięcie, prowadząc do drobnych wstrząsów, które mogą zwiastować nadchodzące większe trzęsienia ziemi. To odkrycie podkreśla zmiany w mechanice uskoków, jakie zachodzą przed dużymi trzęsieniami ziemi.

Wykorzystanie uczenia maszynowego w badaniach nad trzęsieniami ziemi stanowi duży krok naprzód. Nowoczesne sieci sejsmiczne generują ogromne ilości danych, które można teraz dokładnie analizować w poszukiwaniu wczesnych sygnałów ostrzegawczych. Uczenie maszynowe pomaga dostrzec wzorce, które mogą umknąć ludzkiej uwadze. Szybkie komputery przyspieszają te analizy, umożliwiając monitorowanie w czasie rzeczywistym.

Jednakże wdrożenie takiego prognozowania wiąże się z kilkoma wyzwaniami. Istnieją kwestie etyczne i praktyczne, takie jak:

  • Fałszywe alarmy mogą powodować niepotrzebną panikę i zakłócenia gospodarcze.
  • Brak przewidywań może prowadzić do katastrofalnych skutków.

Algorytm opracowany przez Gironę i Drymoni zostanie przetestowany w niemal rzeczywistym czasie, aby rozwiązać te problemy. Kluczowe jest zastosowanie wcześniejszych danych sejsmicznych z regionów, w których algorytm ma być używany, aby zapewnić jego dokładność i niezawodność.

Dokładne przewidywanie trzęsień ziemi może znacząco wpłynąć na sytuację. Wczesne ostrzeżenia mogą pomóc ludziom ewakuować się z zagrożonych obszarów, zmniejszyć straty finansowe oraz ratować życie. Ważne jest jednak, aby dzielić się tą informacją w sposób przemyślany, aby utrzymać zaufanie społeczne.

Badania te wprowadzają nową metodę przygotowywania się na trzęsienia ziemi z wykorzystaniem zaawansowanej technologii. Połączenie uczenia maszynowego z tradycyjnymi badaniami nad trzęsieniami ziemi pozwala lepiej przewidywać i reagować na te zjawiska naturalne.

Badanie jest publikowane tutaj:

http://dx.doi.org/10.1038/s41467-024-51596-z

i jego oficjalne cytowanie - w tym autorzy i czasopismo - to

Társilo Girona, Kyriaki Drymoni. Abnormal low-magnitude seismicity preceding large-magnitude earthquakes. Nature Communications, 2024; 15 (1) DOI: 10.1038/s41467-024-51596-z
Nauka: Najnowsze wiadomości
Czytaj dalej:

Udostępnij ten artykuł

Komentarze (0)

Opublikuj komentarz