WERBUNG

Eine neuartige Methode zur Vorhersage von Erdbebennachbeben

WISSENSCHAFTENERDKUNDEEine neuartige Methode zur Vorhersage von Erdbebennachbeben

Ein neuartiger Ansatz mit künstlicher Intelligenz könnte helfen, den Ort von Nachbeben nach einem Erdbeben vorherzusagen

An Erdbeben ist ein Phänomen, das entsteht, wenn unterirdisches Gestein in der Erdkruste plötzlich um eine geologische Verwerfungslinie bricht. Dies führt zu einer schnellen Freisetzung von Energie, die seismische Wellen erzeugt, die dann den Boden erbeben lassen, und dies ist das Gefühl, das wir während eines Erdbebens erlebt haben. Die Stelle, an der das Gestein bricht, wird als Fokus des Erdbebens bezeichnet und die darüber liegende Stelle auf dem Boden wird als „Epizentrum“ bezeichnet. Die freigesetzte Energie wird als Magnitude gemessen, eine Skala, die beschreibt, wie energetisch ein Erdbeben war. Ein Erdbeben der Magnitude 2 ist kaum wahrnehmbar und kann nur mit empfindlichen Spezialgeräten erfasst werden, während Erdbeben über Magnitude 8 den Boden merklich stark erschüttern lassen. Auf ein Erdbeben folgen im Allgemeinen viele Nachbeben, die durch einen ähnlichen Mechanismus auftreten und die gleichermaßen verheerend sind und deren Intensität und Schwere um ein Vielfaches dem des ursprünglichen Erdbebens ähneln. Solche Erschütterungen nach dem Beben treten im Allgemeinen innerhalb der ersten Stunde oder eines Tages nach dem Hauptbeben auf. Die Vorhersage der räumlichen Verteilung von Nachbeben ist sehr anspruchsvoll.

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 Nachbeben besser als zufällige Vermutungen und versuchen, das Problem zu lösen, "wo" die Nachbeben auftreten werden. Es wurden Beobachtungen von mehr als 199 großen Erdbeben auf der ganzen Welt verwendet, die aus etwa 131,000 Hauptbeben-Nachbeben-Paaren bestehen. Diese Informationen wurden mit einem physikbasierten Modell kombiniert, das beschreibt, wie die Erde nach einem Erdbeben belastet und angespannt wird, das dann Nachbeben auslöst. Sie erstellten Raster von 5 Quadratkilometern, in denen das System nach einem Nachbeben suchen würde. Das neuronale Netz würde dann Beziehungen zwischen den durch das Hauptbeben verursachten Belastungen und dem Ort von Nachbeben bilden. Sobald das neuronale Netzsystem 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 Daten von Erdbeben verwendete. Forscher stellen sich 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 Eigenschaften und behindern auch Rettungsmaßnahmen, daher wäre deren Vorhersage für die Menschheit lebensrettend. Eine Echtzeitvorhersage ist 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 verschiedenen geografischen Standorten auf dem Planeten unterschiedliche Geometrien aufweisen. Daher ist es derzeit möglicherweise nicht auf verschiedene Arten von Erdbeben auf der ganzen Welt anwendbar. Dennoch scheint die Technologie der künstlichen Intelligenz aufgrund von n Variablen, die bei ihrer Untersuchung berücksichtigt werden müssen, für Erdbeben geeignet zu sein, z. B. Stärke des Schocks, 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

***

SCIEU-Team
SCIEU-Teamhttps://www.ScientificEuropean.co.uk
Scientific European® | SCIEU.com | Bedeutende Fortschritte in der Wissenschaft. Auswirkungen auf die Menschheit. Inspirierende Köpfe.

ABONNIEREN SIE UNSEREN NEWSLETTER

Aktualisierung mit den neuesten Nachrichten, Angeboten und Sonderankündigungen.

- Werbung -

Beliebteste Artikel

Omega-3-Nahrungsergänzungsmittel bieten möglicherweise keinen Nutzen für das Herz

Eine aufwendige umfassende Studie zeigt, dass Omega-3-Nahrungsergänzungsmittel möglicherweise nicht...

Verwendung von Nanodrähten zur Herstellung sicherer und leistungsfähiger Batterien

Studie hat einen Weg entdeckt, Batterien herzustellen, die ...

Eine potenzielle Methode zur Behandlung von Osteoarthritis durch ein nanotechnologisches System zur Abgabe von Proteintherapeutika

Forscher haben 2-dimensionale mineralische Nanopartikel geschaffen, um die Behandlung ...
- Werbung -
99,750FansLike
69,697VerfolgerFolgen
6,319VerfolgerFolgen
31AbonnentenAbonnieren