Uudne tehisintellekti lähenemisviis võib aidata ennustada maavärinale järgnevate järeltõugete asukohta
An maavärin on nähtus, mis tekib siis, kui kivi maa all Maa omad maakoor puruneb ootamatult ümber geoloogilise rikkejoone. See põhjustab kiire energia vabanemise, mis tekitab seismilisi laineid, mis seejärel panevad maa värisema ja see on tunne, mille tõttu me maavärina ajal kukkusime. Kohta, kus kivi puruneb, nimetatakse fookuseks maavärin ja selle kohal asuvat kohta maapinnal nimetatakse epitsentriks. Vabanenud energiat mõõdetakse magnituudina, skaalana, mis kirjeldab, kui energiline oli maavärin. Maavärin magnituudiga 2 on vaevumärgatav ja seda saab salvestada ainult tundlikke eriseadmeid kasutades. maavärinad suurem kui 8 magnituudi võib põhjustada maapinna märgatavat väga tugevat värisemist. Maavärinale järgneb tavaliselt palju sarnase mehhanismiga toimuvaid järeltõukeid, mis on võrdselt laastavad ning nende intensiivsus ja raskusaste on mitu korda sarnased algse maavärinaga. Sellised maavärinajärgsed värinad tekivad tavaliselt esimese tunni või päeva jooksul pärast põhivärinat maavärin. Järeltõugete ruumilise jaotuse prognoosimine on väga keeruline.
Teadlased on sõnastanud empiirilised seadused järeltõugete suuruse ja aja kirjeldamiseks, kuid nende asukoha kindlaksmääramine on endiselt väljakutse. Google'i ja Harvardi ülikooli teadlased on välja töötanud uue lähenemisviisi hindamiseks maavärinad aastal avaldatud uuringus tehisintellekti tehnoloogia abil järeltõugete asukoha prognoosimine loodus. Nad kasutasid spetsiaalselt masinõpet - tehisintellekti aspekti. Masinõppe lähenemisviisis masin "õpib" andmete kogumist ja pärast nende teadmiste omandamist saab ta seda teavet kasutada uuemate andmete prognoosimiseks.
Teadlased analüüsisid esmalt globaalsete maavärinate andmebaasi, kasutades süvaõppe algoritme. Süvaõpe on täiustatud masinõppe tüüp, mille käigus närvivõrgud püüavad jäljendada inimaju mõtlemisprotsessi. Järgmiseks võtsid nad eesmärgiks, et saaks prognoos järeltõukeid parem kui juhuslikku oletamist ja proovige lahendada probleem, "kus" järeltõuked tekivad. Kasutati enam kui 199 suurema maavärina vaatlusi üle maailma, mis koosnesid umbes 131,000 XNUMX põhišoki-järelšoki paarist. See teave ühendati füüsikapõhise mudeliga, mis kirjeldab, kuidas Earth oleks pärast an pinges ja pinges maavärin mis siis vallandavad järeltõukeid. Nad lõid 5-kilomeetrised ruudud, mille sees süsteem kontrollib järeltõuget. Närvivõrk moodustaks seejärel seosed peamise maavärina põhjustatud pingete ja järeltõugete asukoha vahel. Kui närvivõrgusüsteem oli sel viisil hästi välja õpetatud, suutis see järeltõugete asukohta täpselt ennustada. Uuring oli äärmiselt keeruline, kuna selles kasutati maavärinate keerulisi reaalmaailma andmeid. Teadlased asutasid alternatiivselt kunstlik ja omamoodi "ideaalseid" maavärinaid prognooside koostamiseks ja seejärel uuris prognoose. Vaadates närvivõrgu väljundit, püüdsid nad analüüsida, millised erinevad "kogused" võivad tõenäoliselt kontrollida järeltõugete prognoosimist. Pärast ruumiliste võrdluste tegemist jõudsid teadlased järeldusele, et tüüpiline järeltõuke muster oli füüsiliselt tõlgendatav. Meeskond viitab sellele, et võti sisaldab suurust, mida nimetatakse hälbiva pingepinge teiseks variandiks – lihtsalt nimega J2. See kogus on väga tõlgendatav ja seda kasutatakse rutiinselt metallurgias ja muudes valdkondades, kuid seda pole kunagi varem kasutatud maavärinate uurimiseks.
Maavärinate järeltõuked põhjustavad täiendavaid vigastusi, kahjustavad omadusi ja takistavad ka päästetööd, mistõttu nende ennustamine oleks inimkonnale elupäästev. Reaalajas prognoosimine ei pruugi praegu olla võimalik, kuna praegused tehisintellekti mudelid saavad hakkama ainult teatud tüüpi järeltõukega ja lihtsa geoloogilise rikkejoonega. See on oluline, kuna geoloogilistel rikkejoontel on erinev geomeetria erinevates geograafilistes asukohtades planeet. Seega ei pruugi see praegu kehtida erinevat tüüpi maavärinate puhul kogu maailmas. Sellegipoolest tundub tehisintellekti tehnoloogia maavärinate jaoks sobiv n arvu muutujate tõttu, mida tuleb nende uurimisel arvesse võtta, näiteks löögi tugevus, tektooniliste plaatide asukoht jne.
Närvivõrgud on loodud aja jooksul paranema, st kui süsteemi sisestatakse rohkem andmeid, toimub rohkem õppimist ja süsteem paraneb pidevalt. Tulevikus võiks selline süsteem olla seismoloogide kasutatavate ennustussüsteemide lahutamatu osa. Planeerijad võiksid rakendada ka erakorralisi meetmeid, mis põhinevad teadmistel maavärina käitumise kohta. Meeskond soovib kasutada tehisintellekti tehnoloogiat maavärinate tugevuse ennustamiseks.
***
{Saate lugeda esialgset uurimistööd, klõpsates alltoodud allika(te) loendis DOI lingil}
Allikas (d)
DeVries PMR et al. 2018. Suurtele maavärinatele järgnenud järeltõuke mustrite sügav õppimine. loodus560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
