Naujas dirbtinio intelekto metodas galėtų padėti numatyti po žemės drebėjimo įvykusių smūgių vietą
An žemės drebėjimas yra reiškinys, atsirandantis, kai uola po žeme Žemės pluta staiga lūžta aplink geologinio lūžio liniją. Tai sukelia greitą energijos išsiskyrimą, kuris sukelia seismines bangas, dėl kurių žemė dreba, ir tai yra pojūtis, kurį mes kritome per žemės drebėjimą. Vieta, kurioje lūžta uola, vadinama židiniu žemės drebėjimas o vieta virš jos ant žemės vadinama „epicentru“. Išsiskyrusi energija matuojama kaip dydis, skalė, apibūdinanti žemės drebėjimo energingumą. 2 balo žemės drebėjimas yra vos juntamas ir gali būti užfiksuotas tik naudojant jautrią specializuotą įrangą. žemės drebėjimai didesnis nei 8 balas, gali labai stipriai drebėti žemė. Po žemės drebėjimo paprastai įvyksta daug požeminių smūgių, įvykstančių panašiu mechanizmu ir kurie yra vienodai niokojantys, o jų intensyvumas ir stiprumas daug kartų yra panašūs į pradinio žemės drebėjimo. Tokie drebėjimai po drebėjimo dažniausiai atsiranda per pirmą valandą arba dieną po pagrindinio žemės drebėjimas. Požeminių smūgių erdvinio pasiskirstymo prognozavimas yra labai sudėtingas.
Mokslininkai suformulavo empirinius dėsnius, apibūdinančius požeminių smūgių dydį ir laiką, tačiau tiksliai nustatyti jų vietą vis dar sunku. „Google“ ir Harvardo universiteto mokslininkai sukūrė naują vertinimo metodą žemės drebėjimai paskelbtame tyrime ir prognozuoja vėlesnių smūgių vietą naudojant dirbtinio intelekto technologiją Gamta. Jie specialiai naudojo mašininį mokymąsi - dirbtinio intelekto aspektą. Taikant mašininio mokymosi metodą, mašina „mokosi“ iš duomenų rinkinio ir, įgijusi šių žinių, gali panaudoti šią informaciją, kad prognozuotų naujesnius duomenis.
Mokslininkai pirmiausia išanalizavo pasaulinių žemės drebėjimų duomenų bazę, naudodami gilaus mokymosi algoritmus. Gilus mokymasis yra pažangus mašininio mokymosi tipas, kai neuroniniai tinklai bando imituoti žmogaus smegenų mąstymo procesą. Toliau jie siekė, kad galėtų prognozė posmūgiai geriau nei atsitiktiniai spėliojimai ir pabandykite išspręsti problemą, „kur“ įvyks požeminiai smūgiai. Buvo panaudoti stebėjimai, surinkti iš daugiau nei 199 didžiausių žemės drebėjimų visame pasaulyje, sudaryti iš maždaug 131,000 XNUMX pagrindinio smūgio-aftershock porų. Ši informacija buvo sujungta su fizikos modeliu, kuriame aprašoma, kaip tai padaryti Žemė būtų įsitempęs ir įsitempęs po an žemės drebėjimas kurie tada sukels požeminius smūgius. Jie sukūrė 5 kilometrų kvadratinius tinklelius, kuriuose sistema tikrins, ar nėra posmūgio. Tada neuroninis tinklas sudarytų ryšį tarp pagrindinio žemės drebėjimo sukeltų įtempių ir požeminių smūgių vietos. Kai neuroninio tinklo sistema buvo gerai apmokyta tokiu būdu, ji galėjo tiksliai numatyti požeminių smūgių vietą. Tyrimas buvo labai sudėtingas, nes jame buvo naudojami sudėtingi realaus pasaulio žemės drebėjimų duomenys. Tyrėjai alternatyviai nustatė dirbtinis ir „idealūs“ žemės drebėjimai, kad būtų sukurtos prognozės, o tada išnagrinėtos prognozės. Žvelgdami į neuroninio tinklo išvestį, jie bandė išanalizuoti, kokie skirtingi „kiekiai“ gali kontroliuoti tolesnių smūgių prognozavimą. Atlikę erdvinius palyginimus, mokslininkai padarė išvadą, kad tipiškas požeminio smūgio modelis buvo fiziškai „interpretuojamas“. Komanda teigia, kad dydis, vadinamas antruoju deviatorinio streso įtampos variantu, tiesiog vadinamas J2, turi raktą. Šis kiekis yra labai interpretuojamas ir įprastai naudojamas metalurgijoje ir kitose srityse, tačiau niekada anksčiau nebuvo naudojamas tiriant žemės drebėjimus.
Po žemės drebėjimų sužalojimų, sugadinimų, taip pat trukdo gelbėjimo darbams, todėl jų prognozavimas būtų išgelbėtas žmonijai. Realaus laiko prognozė šiuo metu gali būti neįmanoma, nes dabartiniai AI modeliai gali susidoroti tik su tam tikro tipo posmūgiu ir paprasta geologinio lūžio linija. Tai svarbu, nes geologinių lūžių linijos turi skirtingą geometriją įvairiose geografinėse vietose planeta. Taigi, šiuo metu jis gali būti netaikomas įvairių tipų žemės drebėjimams visame pasaulyje. Nepaisant to, dirbtinio intelekto technologija atrodo tinkama žemės drebėjimams dėl n skaičiaus kintamųjų, į kuriuos reikia atsižvelgti juos tiriant, pavyzdžiui, smūgio stiprumo, tektoninių plokščių padėties ir kt.
Neuroniniai tinklai sukurti taip, kad laikui bėgant tobulėtų, ty kai į sistemą įvedama daugiau duomenų, daugiau mokomasi ir sistema nuolat tobulėja. Ateityje tokia sistema galėtų būti neatsiejama seismologų naudojamų prognozavimo sistemų dalis. Planuotojai taip pat galėtų įgyvendinti avarines priemones, pagrįstas žiniomis apie žemės drebėjimo elgesį. Komanda nori naudoti dirbtinio intelekto technologijas, kad prognozuotų žemės drebėjimų mastą.
***
{Galite perskaityti pradinį tyrimo dokumentą spustelėję toliau pateiktą DOI nuorodą cituojamų šaltinių sąraše}
Šaltiniai)
DeVries PMR ir kt. 2018. Išsamus mokymasis apie posmūgių modelius po didelių žemės drebėjimų. Gamta560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
