Ein neuartiger Ansatz mit künstlicher Intelligenz könnte helfen, den Ort von Nachbeben nach einem Erdbeben vorherzusagen
An Erdbeben ist ein Phänomen, das entsteht, wenn Gestein im Untergrund entsteht Der Erde Kruste bricht plötzlich um eine geologische Verwerfungslinie herum. Dies führt zu einer schnellen Energiefreisetzung, die seismische Wellen erzeugt, die dann den Boden beben lassen. Dies ist das Gefühl, das wir bei einem Erdbeben hatten. Die Stelle, an der das Gestein bricht, wird als Brennpunkt bezeichnet Erdbeben und der Ort darüber auf dem Boden wird „Epizentrum“ genannt. Die freigesetzte Energie wird als Magnitude gemessen, eine Skala, die beschreibt, wie energiereich ein Erdbeben war. Ein Erdbeben der Stärke 2 ist kaum wahrnehmbar und kann nur mit empfindlicher Spezialausrüstung erfasst werden, während Erdbeben über der Stärke 8 den Boden spürbar stark erschüttern können. Auf ein Erdbeben folgen im Allgemeinen viele Nachbeben, die durch einen ähnlichen Mechanismus ausgelöst werden und gleichermaßen verheerend sind und in ihrer Intensität und Schwere oft denen des ursprünglichen Erdbebens ähneln. Solche Nachbebenerschütterungen treten im Allgemeinen innerhalb der ersten Stunde oder eines Tages nach dem Hauptbeben auf. Die Vorhersage der räumlichen Verteilung von Nachbeben ist eine große Herausforderung.
Wissenschaftler haben empirische Gesetze formuliert, um Größe und Zeit von Nachbeben zu beschreiben, aber ihre Lokalisierung ist immer noch eine Herausforderung. Forscher von Google und der Harvard University haben in ihrer in Natur. Sie nutzten gezielt maschinelles Lernen – einen Aspekt der künstlichen Intelligenz. Beim maschinellen Lernansatz „lernt“ eine Maschine aus einer Reihe von Daten und ist nach dem Erwerb dieses Wissens in der Lage, diese Informationen zu verwenden, um Vorhersagen über neuere Daten zu treffen.
Die Forscher analysierten zunächst eine Datenbank mit globalen Erdbeben mithilfe von Deep-Learning-Algorithmen. Deep Learning ist eine fortgeschrittene Art des maschinellen Lernens, bei der neuronale Netzwerke versuchen, den Denkprozess des menschlichen Gehirns nachzuahmen. Als nächstes wollten sie in der Lage sein, Prognose Versuchen Sie, die Nachbeben besser zu erkennen als zufällige Vermutungen anzustellen und das Problem zu lösen, „wo“ die Nachbeben auftreten werden. Es wurden Beobachtungen von mehr als 199 schweren Erdbeben auf der ganzen Welt genutzt, die etwa 131,000 Hauptbeben-Nachbeben-Paare umfassen. Diese Informationen wurden mit einem physikbasierten Modell kombiniert, das beschreibt, wie Die Erde wäre nach einem Erdbeben angespannt und angespannt, was dann Nachbeben auslöst. Sie erstellten 5 Quadratkilometer große Gitter, innerhalb derer das System nach einem Nachbeben suchen würde. Das neuronale Netzwerk würde dann Beziehungen zwischen den durch das Hauptbeben verursachten Belastungen und dem Ort der Nachbeben herstellen. Sobald das neuronale Netzwerksystem auf diese Weise gut trainiert war, war es in der Lage, den Ort von Nachbeben genau vorherzusagen. Die Studie war äußerst anspruchsvoll, da sie komplexe reale Erdbebendaten verwendete. Forscher stellten alternativ auf künstlich und Art von "idealen" Erdbeben, um Vorhersagen zu erstellen und dann die Vorhersagen zu überprüfen. Mit Blick auf die Ausgabe neuronaler Netze versuchten sie zu analysieren, welche verschiedenen „Mengen“ wahrscheinlich die Vorhersage von Nachbeben steuern. Nach räumlichen Vergleichen kamen die Forscher zu dem Schluss, dass ein typisches Nachbebenmuster physikalisch „interpretierbar“ war. Das Team schlägt vor, dass eine Größe, die als zweite Variante der deviatorischen Stressspannung bezeichnet wird – einfach J2 genannt – den Schlüssel enthält. Diese Menge ist hochgradig interpretierbar und wird routinemäßig in der Metallurgie und anderen Bereichen verwendet, wurde jedoch noch nie zuvor zur Untersuchung von Erdbeben verwendet.
Nachbeben von Erdbeben verursachen weitere Verletzungen, beschädigen Eigentum und behindern auch Rettungsbemühungen. Daher wäre ihre Vorhersage lebensrettend für die Menschheit. Echtzeitvorhersagen sind derzeit möglicherweise nicht möglich, da die aktuellen KI-Modelle nur mit einer bestimmten Art von Nachbeben und einfachen geologischen Verwerfungslinien umgehen können. Dies ist wichtig, da geologische Verwerfungslinien an unterschiedlichen geografischen Standorten unterschiedliche Geometrien aufweisen Planet. Daher ist es derzeit möglicherweise nicht auf verschiedene Arten von Erdbeben auf der ganzen Welt anwendbar. Dennoch scheint die Technologie der künstlichen Intelligenz für Erdbeben geeignet zu sein, da bei ihrer Untersuchung eine Reihe von Variablen berücksichtigt werden müssen, beispielsweise die Stärke des Schocks, die Position tektonischer Platten usw.
Neuronale Netze sind darauf ausgelegt, sich im Laufe der Zeit zu verbessern, dh je mehr Daten in ein System eingespeist werden, desto mehr Lernen findet statt und das System verbessert sich stetig. In Zukunft könnte ein solches System ein integraler Bestandteil von Vorhersagesystemen sein, die von Seismologen verwendet werden. Planer könnten auch Notfallmaßnahmen auf der Grundlage von Kenntnissen über das Erdbebenverhalten umsetzen. Das Team möchte mithilfe künstlicher Intelligenz die Stärke von Erdbeben vorhersagen.
***
{Sie können das ursprüngliche Forschungspapier lesen, indem Sie auf den unten angegebenen DOI-Link in der Liste der zitierten Quellen klicken}
Quelle (n)
DeVries PMR et al. 2018. Deep Learning von Nachbebenmustern nach großen Erdbeben. Natur560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
