РЕКЛАМА

Новый метод, который может помочь прогнозировать афтершоки землетрясений

НАУКАНАУКИ О ЗЕМЛЕНовый метод, который может помочь прогнозировать афтершоки землетрясений

Новый подход искусственного интеллекта может помочь предсказать местоположение афтершоков после землетрясения

An землетрясение Это явление возникает, когда горные породы под землей в земной коре внезапно разрываются вокруг линии геологического разлома. Это вызывает быстрое высвобождение энергии, которая производит сейсмические волны, которые затем заставляют землю сотрясаться, и это ощущение, которое мы упали во время землетрясения. Место обрыва скалы называется очагом землетрясения, а место над ним на земле называется «эпицентром». Выделенная энергия измеряется величиной, шкалой, описывающей, насколько сильным было землетрясение. Землетрясение магнитудой 2 практически незаметно и может быть зарегистрировано только с помощью чувствительного специализированного оборудования, в то время как землетрясения силой более 8 баллов могут вызвать сильное сотрясение земли. Землетрясение обычно сопровождается множеством афтершоков, возникающих по схожему механизму, которые столь же разрушительны, и во многих случаях их интенсивность и сила аналогичны исходному землетрясению. Такие толчки после землетрясения обычно происходят в течение первого часа или дня после главного землетрясения. Прогнозировать пространственное распределение афтершоков очень сложно.

Ученые сформулировали эмпирические законы для описания размера и времени афтершоков, но определение их местоположения по-прежнему является проблемой. Исследователи из Google и Гарвардского университета разработали новый подход к оценке землетрясений и прогнозированию местоположения афтершоков с использованием технологии искусственного интеллекта в своем исследовании, опубликованном в природа. Они специально использовали машинное обучение - аспект искусственного интеллекта. В подходе машинного обучения машина «учится» на наборе данных и после получения этих знаний может использовать эту информацию для прогнозирования новых данных.

Исследователи сначала проанализировали базу данных глобальных землетрясений с помощью алгоритмов глубокого обучения. Глубокое обучение - это продвинутый тип машинного обучения, в котором нейронные сети пытаются имитировать процесс мышления человеческого мозга. Затем они стремились прогноз афтершоки лучше, чем случайные догадки, и попытаться решить проблему «где» афтершоки произойдут. Были использованы наблюдения за более чем 199 крупными землетрясениями по всему миру, состоящими из примерно 131,000 5 пар главных толчков и афтершоков. Эта информация была объединена с основанной на физике моделью, описывающей, как Земля будет напряжена и напряжена после землетрясения, которое затем вызовет афтершоки. Они создали сетку площадью XNUMX квадратных километров, внутри которой система проверяла бы афтершок. Затем нейронная сеть будет формировать взаимосвязь между деформациями, вызванными основным землетрясением, и местоположением афтершоков. Как только система нейронной сети была хорошо обучена таким образом, она смогла точно предсказать местоположение афтершоков. Исследование было чрезвычайно сложным, поскольку в нем использовались комплексные реальные данные о землетрясениях. Исследователи в качестве альтернативы создали искусственный и своего рода «идеальные» землетрясения для создания прогнозов, а затем изучения прогнозов. Глядя на выходные данные нейронной сети, они попытались проанализировать, какие различные «количества» могут контролировать прогнозирование афтершоков. Проведя пространственные сравнения, исследователи пришли к выводу, что типичная картина афтершоков физически «интерпретируема». Команда предполагает, что ключ кроется в величине, называемой вторым вариантом девиаторного напряжения-напряжения, называемой просто J2. Эта величина легко интерпретируется и обычно используется в металлургии и других областях, но никогда ранее не использовалась для изучения землетрясений.

Афтершоки землетрясений приводят к дальнейшим травмам, повреждению имущества, а также препятствуют спасательным работам, поэтому их прогнозирование было бы спасением жизни человечества. Прогноз в реальном времени может быть невозможен в настоящий момент, поскольку текущие модели искусственного интеллекта могут иметь дело только с конкретным типом афтершоков и простой линией геологического разлома. Это важно, потому что линии геологических разломов имеют разную геометрию в разных географических точках планеты. Таким образом, в настоящее время он может быть неприменим к различным типам землетрясений по всему миру. Тем не менее, технология искусственного интеллекта выглядит подходящей для землетрясений из-за количества n переменных, которые необходимо учитывать при их изучении, например, силы толчка, положения тектонических плит и т. Д.

Нейронные сети со временем улучшаются, т. Е. По мере того, как в систему поступает больше данных, происходит больше обучения и система постоянно совершенствуется. В будущем такая система может стать неотъемлемой частью систем прогнозирования, используемых сейсмологами. Планировщики также могут принять чрезвычайные меры, основываясь на знании поведения землетрясений. Команда хочет использовать технологию искусственного интеллекта для предсказания силы землетрясений.

{Вы можете прочитать исходную исследовательскую работу, щелкнув ссылку DOI, приведенную ниже в списке цитируемых источников}

Источник (ы)

DeVries PMR et al. 2018. Глубокое изучение моделей афтершоков после сильных землетрясений. природа560 (7720).
https://doi.org/10.1038/s41586-018-0438-y

Команда SCIEU
Команда SCIEUhttps://www.ScientificEuropean.co.uk
Scientific European® | SCIEU.com | Значительные достижения науки. Воздействие на человечество. Вдохновляющие умы.

Подписка на рассылку

Быть в курсе всех последних новостей, предложений и специальных объявлений.

- Реклама -

Самые популярные статьи

Выращивание мозга неандертальца в лаборатории

Изучение мозга неандертальца может выявить генетические модификации, которые...

PARS: лучший инструмент для прогнозирования астмы у детей

Создан и протестирован компьютерный инструмент для прогнозирования...

Модели болезней стволовых клеток: разработана первая модель альбинизма

Ученые разработали первую модель стволовых клеток, полученных от пациентов...
- Реклама -
99,825Поклонникиподобно
70,009ПодписчикиПодписаться
6,343ПодписчикиПодписаться
31ПодписчикиПодписаться