دانشمندان روش جدیدی ابداع کرده‌اند که می‌تواند یک زلزله را ماه‌ها قبل از وقوع، به‌طور دقیق پیش‌بینی کند. این روش که توسط دانشمندانی از دانشگاه فیربنکس آلاسکا ابداع شده است، به شناسایی بی‌‌ثباتی‌های لرزه‌ای سطح پایین قبلی در مناطق وسیع می‌پردازد.
این مطالعه بر فعالیت‌های اولیه فوران‌های آتشفشانی و زمین‌لرزه‌ها تمرکز دارد و از یادگیری ماشینی برای پیش‌بینی چنین رویدادی استفاده می‌کند.
در این تحقیق به رهبری استادیار پژوهشی تارسیلو جیرونا از موسسه ژئوفیزیک UAF، دو زمین‌لرزه بزرگ در آلاسکا و کالیفرنیا (زلزله 7.1 ریشتری 2018 انکوریج و 2019 Ridgecrest، کالیفرنیا، توالی زمین‌لرزه‌هایی با بزرگی 6.4 تا 7.1)، تجزیه و تحلیل شده است.
دانشمندان لرزه خیزی منطقه‌ای با میزان کم و غیرعادی را شناسایی کردند
قبل از هر یک از این دو زمین لرزه مورد مطالعه، آنها دریافتند که تقریباً سه ماه لرزه‌خیزی منطقه‌ای با شدت کم و به‌طور غیرعادی در حدود 15٪ تا 25٪ از جنوب مرکزی آلاسکا و جنوب کالیفرنیا رخ داده است.
تحقیقات آنها نشان می‌دهد که ناآرامی‌هایی که پیش از زمین‌لرزه‌های بزرگ رخ می‌دهند عمدتاً توسط فعالیت‌های لرزه‌ای با بزرگی کمتر از 1.5 ثبت می‌شود.
زمین لرزه انکوریج در 30 نوامبر 2018 در ساعت 8:29 صبح رخ داد که مرکز آن تقریباً 10.5 مایلی شمال شهر بود. بر اساس این مطالعه، این زمین‌لرزه خسارات زیادی به برخی از جاده‌ها و بزرگراه‌ها وارد کرده و چندین ساختمان نیز آسیب دیده‌اند.
یادگیری ماشینی می تواند پیش‌زمینه‌های یک زلزله بزرگ را شناسایی کند
جیرونا گفت:
مقاله ما نشان می‌دهد که تکنیک‌های آماری پیشرفته، به ویژه یادگیری ماشینی، پتانسیل شناسایی پیش‌زمینه‌های یک زلزله‌ی بزرگ را با تجزیه و تحلیل مجموعه داده‌های به‌دست آمده از کاتالوگ‌های زلزله را دارند.
نویسندگان این مطالعه، یک الگوریتم کامپیوتری اختصاصی برای این تحقیق نوشته‌اند؛ مجموعه‌ای از دستورالعمل‌های کامپیوتری که به یک برنامه آموزش می‌دهند تا داده‌ها را تفسیر کند، از آن بیاموزد و پیش‌بینی‌ها یا تصمیمات آگاهانه‌ای بگیرد تا داده‌ها را جستجو کرده و به دنبال فعالیت غیرعادی لرزه‌ای باشد.
جیرونا و کیریاکی دریمنی، نویسنده همکار این مطالعه، با استفاده از برنامه آموزش داده‌شده با داده‌های خود، در مورد زلزله آنکوریج دریافتند که احتمال وقوع یک زلزله بزرگ در 30 روز یا کمتر، حدود سه ماه قبل از زلزله 30 نوامبر به‌طور ناگهانی به حدود 80 درصد افزایش یافته است.
این احتمال تنها چند روز قبل از وقوع به تقریباً 85٪ افزایش یافت. بر اساس بیانیه مطبوعاتی UAF، آنها به‌طور مشابه یافته‌ای احتمالی برای توالی زلزله ریج کرست را برای دوره‌ای به‌دست آوردند که حدود 40 روز قبل از شروع توالی زمین لرزه رخ می‌داد.
محققان یک دلیل زمین شناسی برای فعالیت پیشزمینهای با شدت کم پیشنهاد می‌کنند؛ افزایش قابل توجه فشار سیال منفذی در یک گسل.
فشار سیال منفذی به فشار سیال درون سنگ اشاره دارد. بر اساس مطالعه منتشر شده در Nature Communications، اگر فشار برای غلبه بر مقاومت اصطکاکی بین بلوک‌های سنگ در دو طرف گسل کافی باشد، فشار سیال منفذی بالا به‌طور بالقوه می‌تواند منجر به لغزش گسل شود.
دریمونی گفت:
افزایش فشار سیال منفذی در گسل‌هایی که منجر به زمین‌لرزه‌های بزرگ می‌شوند، خواص مکانیکی گسل‌ها را تغییر می‌دهند که به نوبه خود منجر به تغییرات ناهموار در میدان تنش منطقه‌ای می‌شود.
ما پیشنهاد می‌کنیم که این تغییرات ناهموار… لرزه‌خیزی غیرعادی و پیشزمینهای با شدت کم را کنترل می‌کنند.
دانشمندان ادعا می‌کنند که یادگیری ماشین تاثیر مثبت زیادی بر تحقیقات حوزه‌ی زلزله دارد.
شبکه‌های لرزه‌ای مدرن مجموعه داده‌های عظیمی را تولید می‌کنند
جیرونا اظهار داشت که شبکه‌های لرزه‌ای مدرن مجموعه داده‌های عظیمی را تولید می‌کنند که وقتی به درستی تجزیه و تحلیل شوند، می‌توانند بینش‌های ارزشمندی را در مورد پیش‌زمینه‌های رویدادهای لرزه‌ای ارائه دهند.
او خاطرنشان کرد:
اینجاست که پیشرفت‌ها در یادگیری ماشینی و محاسبات با کارایی بالا می‌تواند نقشی دگرگون‌کننده داشته باشد و محققان را قادر می‌سازد تا الگوهای معنی‌داری را که می‌توانند سیگنال یک زلزله قریب‌الوقوع را نشان دهند، شناسایی کنند.
الگوریتم توسعه‌یافته توسط محققان به‌زودی در موقعیت‌هایی تقریباً لحظه‌ای در مقابله با چالش‌های بالقوه برای پیش‌بینی زلزله آزمایش خواهد شد.
محققان معتقدند که این روش نباید در مناطق جدید بدون آموزش الگوریتم با لرزه‌خیزی تاریخی آن منطقه به کار گرفته شود. آنها همچنین ادعا کردند که تولید پیش‌بینی‌های قابل اعتماد زلزله «ابعادی عمیقا مهم و اغلب بحث‌برانگیز» دارد.
جیرونا نتیجه می‌گیرد:
پیش‌بینی دقیق با ارائه هشدارهای اولیه که امکان تخلیه و آماده‌سازی به موقع را فراهم می‌کند، می‌تواند جان انسان‌ها را نجات دهد و خسارات اقتصادی را کاهش دهد. با این حال، عدم قطعیت ذاتی در پیش‌بینی زلزله نیز سؤالات اخلاقی و عملی مهمی را ایجاد می‌کند.
منبع: Interestingengineering
