Uusi tekoäly-lähestymistapa voisi auttaa ennustamaan maanjäristyksen jälkeisten jälkijäristysten sijainnin
An maanjäristys on ilmiö, joka syntyy, kun rock maan alla Maan kuori katkeaa yhtäkkiä geologisen murtoviivan ympäriltä. Tämä aiheuttaa nopean energian vapautumisen, joka tuottaa seismiset aallot, jotka sitten saavat maan tärisemään, ja tämä on tunne, jonka putosimme maanjäristyksen aikana. Paikkaa, jossa kivi murtuu, kutsutaan keskipisteeksi maanjäristys ja sen yläpuolella olevaa paikkaa maassa kutsutaan 'epikeskukseksi'. Vapautunut energia mitataan magnitudina, asteikkona, joka kuvaa maanjäristyksen energisyyttä. 2 magnitudin maanjäristys on tuskin havaittavissa, ja se voidaan tallentaa vain käyttämällä herkkiä erikoislaitteita. maanjäristykset yli 8 magnitudi voi aiheuttaa maan huomattavan hyvin voimakkaan tärisemisen. Maanjäristystä seuraa yleensä monia samanlaisella mekanismilla tapahtuvia jälkijäristyksiä, jotka ovat yhtä tuhoisia ja ovat monta kertaa voimakkuudeltaan ja vakavuudeltaan samankaltaisia kuin alkuperäisen maanjäristyksen. Tällaisia järistyksen jälkeisiä vapinaita esiintyy yleensä ensimmäisen tunnin tai päivän kuluessa pääjäristyksen jälkeen maanjäristys. Jälkijäristysten alueellisen jakautumisen ennustaminen on erittäin haastavaa.
Tutkijat ovat muotoilleet empiirisiä lakeja jälkijäristysten koon ja ajan kuvaamiseksi, mutta niiden sijainnin määrittäminen on edelleen haaste. Googlen ja Harvardin yliopiston tutkijat ovat kehittäneet uuden lähestymistavan arviointiin maanjäristykset ja jälkijäristysten sijainnin ennustaminen tekoälyteknologian avulla vuonna julkaistussa tutkimuksessaan luonto. He käyttivät erityisesti koneoppimista – tekoälyn osa-aluetta. Koneoppimislähestymistavassa kone "oppii" datajoukosta ja tämän tiedon hankittuaan se pystyy käyttämään tätä tietoa ennustamaan uudempaa dataa.
Tutkijat analysoivat ensin maailmanlaajuisten maanjäristysten tietokantaa syväoppimisalgoritmeilla. Syväoppiminen on edistynyt koneoppimisen tyyppi, jossa hermoverkot yrittävät jäljitellä ihmisaivojen ajatteluprosessia. Seuraavaksi he pyrkivät pystymään ennuste jälkijäristykset parempi kuin satunnainen arvaus ja yrittää ratkaista ongelma "missä" jälkijäristykset tapahtuvat. Hyödynnettiin yli 199 suuresta maanjäristyksestä eri puolilta maailmaa kerättyjä havaintoja, jotka koostuivat noin 131,000 XNUMX suurjäristys-aftershock -parista. Tämä tieto yhdistettiin fysiikkapohjaiseen malliin, joka kuvaa miten Maa olisi jännittynyt ja jännittynyt jälkeen maanjäristys joka sitten laukaisee jälkijäristyksiä. He loivat 5 kilometriä neliön ruudukot, joiden sisällä järjestelmä tarkistaisi jälkijäristyksen. Hermoverkko muodostaisi sitten suhteita päämaanjäristyksen aiheuttamien jännitysten ja jälkijäristysten sijainnin välille. Kun hermoverkkojärjestelmä oli hyvin koulutettu tällä tavalla, se pystyi ennustamaan jälkijäristysten sijainnin tarkasti. Tutkimus oli äärimmäisen haastava, koska siinä käytettiin monimutkaista todellista maanjäristystietoa. Vaihtoehtoisesti tutkijat perustivat keinotekoinen ja eräänlaisia "ihanteellisia" maanjäristyksiä ennusteiden luomiseksi ja sitten tutki ennusteita. Tarkasteltaessa hermoverkkojen lähtöä he yrittivät analysoida, mitkä erilaiset "määrät" todennäköisesti hallitsevat jälkijäristysten ennustamista. Paikallisten vertailujen jälkeen tutkijat päätyivät siihen johtopäätökseen, että tyypillinen jälkijäristyskuvio oli fyysisesti "tulkittavissa". Ryhmä ehdottaa, että suuruus, jota kutsutaan deviatorisen jännitysjännityksen toiseksi muunnelmaksi, jota kutsutaan yksinkertaisesti J2:ksi, on avain. Tämä määrä on hyvin tulkittavissa ja sitä käytetään rutiininomaisesti metallurgiassa ja muilla aloilla, mutta sitä ei ole koskaan aiemmin käytetty maanjäristysten tutkimiseen.
Maanjäristysten jälkijäristykset aiheuttavat lisää vammoja, vahingoittavat ominaisuuksia ja haittaavat myös pelastustoimia, joten niiden ennustaminen pelastaisi ihmiskunnan hengen. Reaaliaikainen ennuste ei ehkä ole mahdollista juuri tällä hetkellä, koska nykyiset tekoälymallit pystyvät käsittelemään vain tietyntyyppisiä jälkijäristyksiä ja yksinkertaista geologista siirtolinjaa. Tämä on tärkeää, koska geologisilla murtumislinjoilla on erilainen geometria eri maantieteellisissä paikoissa kone. Joten se ei ehkä tällä hetkellä sovellu erityyppisiin maanjäristyksiin ympäri maailmaa. Siitä huolimatta tekoälyteknologia näyttää sopivalta maanjäristyksiin, koska niitä tutkittaessa on otettava huomioon n määrä muuttujia, esimerkiksi iskun voimakkuus, tektonisten levyjen sijainti jne.
Neuroverkot on suunniteltu kehittymään ajan myötä, eli kun järjestelmään syötetään enemmän dataa, sitä enemmän oppimista tapahtuu ja järjestelmä paranee jatkuvasti. Tulevaisuudessa tällainen järjestelmä voisi olla olennainen osa seismologien käyttämiä ennustejärjestelmiä. Suunnittelijat voisivat myös toteuttaa hätätoimenpiteitä maanjäristyskäyttäytymistietoihin perustuen. Tiimi haluaa käyttää tekoälyteknologiaa ennustaakseen maanjäristysten voimakkuutta.
***
{Voit lukea alkuperäisen tutkimuspaperin napsauttamalla alla olevaa DOI-linkkiä lainattujen lähteiden luettelossa}
Lähteet)
DeVries PMR et ai. 2018. Syvä oppiminen jälkijäristysmalleista suurten maanjäristysten jälkeen. luonto560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
