Jauna mākslīgā intelekta pieeja varētu palīdzēt prognozēt pēcgrūdienu atrašanās vietu pēc zemestrīces
An zemestrīce ir parādība, ko izraisa klints pazemē Zemes garoza pēkšņi saplīst ap ģeoloģiskā lūzuma līniju. Tas izraisa ātru enerģijas izdalīšanos, kas rada seismiskos viļņus, kas pēc tam liek zemei drebēt, un tā ir sajūta, ko mēs nokritām zemestrīces laikā. Vietu, kur klints saplīst, sauc par fokusu zemestrīce un vietu virs tā uz zemes sauc par "epicentru". Izdalītā enerģija tiek mērīta kā magnitūda, skala, kas raksturo zemestrīces enerģētisko vērtību. 2 magnitūdas zemestrīce ir tikko manāma, un to var reģistrēt, tikai izmantojot jutīgu specializētu aprīkojumu. zemestrīces vairāk nekā 8, var izraisīt zemes manāmu, ļoti spēcīgu kratīšanu. Zemestrīcei parasti seko daudzi pēcgrūdieni, kas notiek ar līdzīgu mehānismu un ir vienlīdz postoši, un to intensitāte un smagums daudzkārt ir līdzīgs sākotnējai zemestrīcei. Šādi pēctrīces trīces parasti rodas pirmajā stundā vai dienā pēc galvenās zemestrīce. Pēcgrūdienu telpiskā sadalījuma prognozēšana ir ļoti sarežģīta.
Zinātnieki ir formulējuši empīriskus likumus, lai aprakstītu pēcgrūdienu lielumu un laiku, taču to atrašanās vietas noteikšana joprojām ir izaicinājums. Google un Hārvardas universitātes pētnieki ir izstrādājuši jaunu pieeju novērtēšanai zemestrīces gadā publicētajā pētījumā un prognozējot pēcgrūdienu atrašanās vietu, izmantojot mākslīgā intelekta tehnoloģiju daba. Viņi īpaši izmantoja mašīnmācīšanos - mākslīgā intelekta aspektu. Mašīnmācīšanās pieejā mašīna “mācās” no datu kopas, un pēc šo zināšanu iegūšanas tā var izmantot šo informāciju, lai prognozētu jaunākus datus.
Pētnieki vispirms analizēja globālo zemestrīču datu bāzi, izmantojot dziļās mācīšanās algoritmus. Dziļā mācīšanās ir uzlabots mašīnmācīšanās veids, kurā neironu tīkli mēģina atdarināt cilvēka smadzeņu domāšanas procesu. Tālāk viņu mērķis bija, lai varētu prognoze pēcgrūdieni labāk nekā nejauši uzminēt un mēģināt atrisināt problēmu "kur" notiks pēcgrūdieni. Tika izmantoti novērojumi, kas savākti no vairāk nekā 199 lielākajām zemestrīcēm visā pasaulē, kas sastāvēja no aptuveni 131,000 XNUMX galvenā trieciena-pēcšoka pāriem. Šī informācija tika apvienota ar uz fiziku balstītu modeli, kas apraksta, kā Zeme būtu saspringta un saspringta pēc an zemestrīce kas pēc tam izraisīs pēcgrūdienus. Viņi izveidoja 5 kilometru kvadrātveida režģus, kuros sistēma pārbaudītu pēcgrūdienu. Neironu tīkls pēc tam veidotu attiecības starp galvenās zemestrīces izraisītiem celmiem un pēcgrūdienu atrašanās vietu. Kad neironu tīkla sistēma bija labi apmācīta šādā veidā, tā varēja precīzi paredzēt pēcgrūdienu atrašanās vietu. Pētījums bija ārkārtīgi sarežģīts, jo tajā tika izmantoti sarežģīti reālās pasaules dati par zemestrīcēm. Pētnieki alternatīvi izveidoja mākslīgs un sava veida "ideālas" zemestrīces, lai izveidotu prognozes un pēc tam pārbaudītas prognozes. Aplūkojot neironu tīkla izvadi, viņi mēģināja analizēt, kādi dažādi “daudzumi” varētu kontrolēt pēcgrūdienu prognozēšanu. Pēc telpisko salīdzinājumu veikšanas pētnieki nonāca pie secinājuma, ka tipisks pēcgrūdienu modelis bija fiziski "interpretējams". Komanda ierosina, ka galvenais ir daudzums, ko sauc par deviatoriskā stresa spriedzes otro variantu, ko vienkārši sauc par J2. Šis daudzums ir ļoti interpretējams, un to regulāri izmanto metalurģijā un citās jomās, bet nekad iepriekš nav izmantots zemestrīču pētīšanai.
Zemestrīču pēcgrūdieni rada papildu ievainojumus, bojā īpašības un arī apgrūtina glābšanas darbus, tāpēc to prognozēšana būtu cilvēces dzīvības glābšana. Reāllaika prognoze šobrīd var nebūt iespējama, jo pašreizējie mākslīgā intelekta modeļi var tikt galā tikai ar noteikta veida pēcgrūdieniem un vienkāršu ģeoloģisko bojājumu līniju. Tas ir svarīgi, jo ģeoloģiskajām lūzuma līnijām ir atšķirīga ģeometrija dažādās ģeogrāfiskajās vietās planēta. Tātad, iespējams, tas pašlaik nav piemērojams dažāda veida zemestrīcēm visā pasaulē. Tomēr mākslīgā intelekta tehnoloģija izskatās piemērota zemestrīcēm, jo ir n mainīgo lielumu skaits, kas jāņem vērā, tos pētot, piemēram, trieciena stiprums, tektonisko plākšņu novietojums utt.
Neironu tīkli ir paredzēti, lai laika gaitā uzlabotu, ti, jo vairāk datu tiek ievadīts sistēmā, notiek vairāk mācīšanās un sistēma nepārtraukti uzlabojas. Nākotnē šāda sistēma varētu būt seismologu izmantoto prognozēšanas sistēmu neatņemama sastāvdaļa. Plānotāji varētu arī īstenot ārkārtas pasākumus, pamatojoties uz zināšanām par zemestrīces uzvedību. Komanda vēlas izmantot mākslīgā intelekta tehnoloģiju, lai prognozētu zemestrīču lielumu.
***
{Jūs varat izlasīt oriģinālo pētījumu, noklikšķinot uz DOI saites, kas norādīta tālāk citēto avotu sarakstā}
Avots (-i)
DeVries PMR et al. 2018. Padziļināta mācīšanās par pēcgrūdienu modeļiem pēc lielām zemestrīcēm. daba560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
