Maskininlärningsgenombrott ger tidiga jordbävningsvarningar flera månader i förväg enligt ny studie

StockholmForskare från University of Alaska Fairbanks och Ludwig-Maximilians-Universität har upptäckt att maskininlärning kan varna flera månader i förväg innan stora jordbävningar inträffar. Denna upptäckt kan förändra sättet vi förutspår jordbävningar och hjälpa till att minska deras påverkan på människor och byggnader.

Ett team lett av Társilo Girona vid UAF upptäckte att små tektoniska rörelser sker innan stora jordbävningar inträffar. De använde maskininlärning för att studera data från jordbävningen i Anchorage 2018 och de i Ridgecrest, Kalifornien 2019. De observerade ovanliga seismiska aktiviteter tre månader innan dessa jordbävningar inträffade.

Viktiga resultat från studien inkluderar följande:

• Ungefär tre månader av låg magnitud-seismicitet inträffade i cirka 15% till 25% av de påverkade områdena.
• Sannolikheten för större jordbävningshändelser inom 30 dagar ökade till upp till 85% strax innan de inträffade.
• Seismisk aktivitet med låg magnitud under 1,5 är en viktig indikator på förestående större jordbävningar.

Forskningen visar att högre vätsketryck i förkastningslinjer kan få dessa att glida, vilket leder till små skakningar som antyder att större jordbävningar snart kan inträffa. Denna upptäckt belyser de förändringar i förkastningsmekaniken som sker innan större jordbävningar.

Att använda maskininlärning i jordbävningsforskning är ett stort framsteg. Moderna seismiska nätverk genererar enorma mängder data som nu kan granskas noggrant för tidiga varningssignaler. Maskininlärning hjälper till att upptäcka mönster som människor kanske missar. Snabba datorer påskyndar dessa analyser och möjliggör övervakning i realtid.

Läs också:

Idag · 00:57

Svart hål stoppar stjärnbildning och försvagar galaxen

Genomförandet av denna typ av prognostisering medför flera utmaningar. Det finns etiska och praktiska överväganden:

• Falsklarm skulle kunna skapa onödig panik och ekonomiska störningar.
• Förlorade förutsägelser kan leda till katastrofala följder.

Algoritmen utvecklad av Girona och Drymoni ska testas nästan i realtid för att lösa dessa problem. Det är viktigt att använda tidigare seismiskt data från områdena där algoritmen kommer att tillämpas för att säkerställa att den fungerar exakt och pålitligt.

Att förutsäga jordbävningar med precision kan ha stor betydelse. Tidiga varningar kan hjälpa människor att lämna riskområden, minska ekonomiska förluster och rädda liv. Det är dock viktigt att sprida denna information noggrant för att behålla allmänhetens förtroende.

Den här forskningen presenterar ett nytt sätt att förbereda sig för jordbävningar genom att använda avancerad teknik. Genom att kombinera maskininlärning med traditionella jordbävningsstudier kan vi förbättra hur vi förutsäger och hanterar dessa naturhändelser.