پیش بینی پس لرزه با هوش مصنوعی

پژوهشگران با استفاده از هوش مصنوعی مبتنی بر یادگیری کامپیوتری (Machine Learning) صدها هزار زمین لرزه و پس لرزه را بررسی کرده اند و توانسته اند به روش بهتری برای پیش بینی موقعیت وقوع پس لرزه ها دست یابند که از روش های محاسباتی استاندارد فعلی دقیق تر است. علاوه بر این، یافته های هوش مصنوعی توانسته است نکات جدیدی برای ارزیابی تغییراتی که به دنبال زمین لرزه های بزرگ در تنش زمین اتفاق می افتد و به شکل گیری پس لرزه ها منجر می شود، ارائه دهد.

به گزارش پورتال یو سی (شما می توانید)، پس لرزه ها معمولاً پس از وقوع زمین لرزه اصلی اتفاق می افتند و می توانند هم اندازه زلزله اصلی و حتی بیشتر از آن، خسارت وارد کنند. برای مثال سپتامبر 2010 زمین لرزه ای به شدت 7.1 در نزدیکی کرایست چرچ در نیوزیلند رخ داد که تلفات جانی به همراه نداشت؛ اما پس لرزه آن که 5 ماه بعد با شدت 6.3 به فاصله نزدیکتری از مرکز همان شهر اتفاق افتاد، 185 نفر را به کام مرگ فرو برد.

برای پیش بینی پس لرزه ها، لرزه شناسان معمولاً حساب می کنند که به دنبال زمین لرزه اصلی، چه تغییراتی در تنش وارد بر صخره های نزدیک اتفاق افتاده و بر اساس آن، به برآوردی از موقعیت و شدت پس لرزه در نواحی اطراف می رسند. این روش «تسلیم در برابر تنش» تاکنون توانسته است الگوی پس لرزه های بسیاری از زمین لرزه های بزرگ را توضیح دهد، اما همیشه کار نمی کند.

در روش جدید که مقاله آن روز 29 آگوست در نشریه نیچر منتشر شده، پژوهشگران لرزه شناس به سرپرستی فیبی دی ورایس (Phoebe DeVries) لرزه شناس دانشگاه هاروارد، به سراغ انبوه داده هایی رفته اند که از زمین لرزه های قبلی ثبت شده اند. آنها با داده های بیش از 131 هزار زلزله و پس لرزه که شامل برخی از قوی ترین زمین لرزه های تاریخ هم می شود (مانند زمین لرزه ای به بزرگی 9.1 که مارس 2011 ژاپن را لرزاند) شبکه عصبی را آموزش دادند. این شبکه سپس منطقه را به شبکه ای از مربع هایی به ضلع 5 کیلومتر در اطراف مرکز هر زمین لرزه تقسیم بندی کرد و به بررسی تغییرات تنش در مرکز هر مربع پرداخت و در نهایت، احتمال وقوع پس لرزه ها را در هر مربع بدست آورد.

پس از پایان آموزش، پژوهشگران شبکه عصبی را با 30 هزار رویداد زمین لرزه و پس لرزه آزمودند. برآوردهای این سیستم هوش مصنوعی به مراتب دقیق تر از روش های محاسباتی «تسلیم صخره های اطراف بر اثر تنش» بود. جالب تر اینکه هوش مصنوعی به برخی از تغییرات فیزیکی مانند تغییرات تنش در مواد فلزی درون زمین هم اشاره کرد که به اندازه تغییرات تنش در صخره ها اهمیت دارد، ولی پژوهشگران در روش های محاسباتی خود معمولاً آن را در نظر نمی گرفتند.

منابع

خبر علمی «پیش بینی پس لرزه با هوش مصنوعی» توسط هیئت تحریریه خبر پورتال یو سی (شما می توانید) با استناد به Science Daily و مجله دانستنیها، ترجمه، تدوین و نگارش شده است.