پیش‌بینی دقیق زلزله ماه‌ها قبل از وقوع

به گزارش الخبرآنلاین، پیش بینی زلزله قبل از وقوع یکی از آرزوهای محققان این حوزه بود که به نظر می رسد بالاخره امکان پذیر شده است. گروهی از دانشمندان موفق به ابداع روش جدیدی شدند که می تواند وقوع زلزله را از ماه ها قبل پیش بینی کند. جزئیات این تحقیق را در ادامه بخوانید.

امکان پیش بینی زلزله ماه ها قبل از وقوع آن

به گزارش گجت نیوز، اخیراً محققی از دانشگاه آلاسکا فیربنکس با مطالعه و شناسایی آشفتگی های عمیق زمین ساختی در مناطق وسیع توانسته به نتایج شگفت انگیزی دست یابد. تمرکز این تحقیق بر فعالیت‌های بنیادی فوران‌های آتشفشانی و زلزله است و برای پیش‌بینی چنین رویدادهایی از هوش مصنوعی و مدل‌های یادگیری ماشینی استفاده شده است.

تارسیلو جیرونا، دستیار پژوهشی دانشگاه آلاسکا فیربنکس، توانست دو زمین لرزه بزرگ را که در آلاسکا و کالیفرنیا رخ داده اند، تجزیه و تحلیل کند. شدت زلزله آلاسکا 7.1 درجه در مقیاس ریشتر و زلزله کالیفرنیا بین 6.4 تا 7.1 در مقیاس ریشتر بود.

تعیین مناطق لرزه خیز

دکتر جرونا با تجزیه و تحلیل زمین لرزه های آلاسکا و کالیفرنیا به این نتیجه رسید که هر دو زمین لرزه دارای یک دوره 3 ماهه فعالیت لرزه ای منطقه ای با شدت کم بین 15 تا 25 درصد بودند. به گفته سرپرست این پژوهش، آشفتگی هایی که قبل از زلزله های بزرگ رخ می دهد، توسط فعالیت های لرزه ای با بزرگی کمتر از 1.5 ثبت می شود.

جالب است بدانید که زمین لرزه 7.1 ریشتری 2018 آلاسکا در ساعت 8:30 صبح به وقت محلی رخ داد و مرکز آن تقریباً 10.5 مایلی شمال شهر بود. این اتفاق ترسناک به برخی از جاده ها و بزرگراه ها آسیب جدی وارد کرد و حتی بسیاری از ساختمان ها را ویران کرد.

تشخیص زلزله با کمک یادگیری ماشینی

به گفته دکتر جرونا، تحقیقات آنها نشان می‌دهد که تکنیک‌های آماری پیشرفته با کمک فناوری یادگیری ماشین، پتانسیل شناسایی پیش‌آزمون‌های زلزله‌های بزرگ را با تجزیه و تحلیل مجموعه داده‌های به‌دست‌آمده از کاتالوگ‌های زلزله دارند.

محققان با استفاده از یک الگوریتم کامپیوتری توانستند مجموعه ای از دستورالعمل های کامپیوتری را برای تفسیر داده ها و استفاده از آن برای تصمیم گیری آگاهانه به سیستم بدهند. این سیستم همچنین قادر به شناسایی فعالیت های لرزه ای غیر معمول و جستجوی مداوم داده ها است.

به لطف آموزش گسترده سیستم خود، محققان توانستند زلزله آلاسکا را تجزیه و تحلیل کنند و تشخیص دادند که احتمال وقوع یک زلزله بزرگ در 30 روز یا کمتر به طور ناگهانی سه ماه پیش به حدود 80 درصد افزایش یافت. جرونا و همکارانش دریافتند که احتمال وقوع این زلزله تا چند روز پیش بیش از 85 درصد بود. (بر اساس الگوریتمی که طراحی کردند)

به گفته دانشمندان، دلیل زمین شناسی که باعث فعالیت های بارشی می شود، افزایش قابل توجه فشار سیال نفوذی به داخل گسل است. فشار سیال نافذ به معنای فشار داخل سنگ است. اگر فشار برای غلبه بر مقاومت اصطکاکی بین صفحات سنگی در دو طرف گسل کافی باشد، فشار زیاد درون سنگ می‌تواند باعث لغزش گسل شود.

به گفته همکار جیرونا، افزایش فشار سیال نفوذی در گسل هایی که منجر به زمین لرزه های بزرگ می شود، خواص مکانیکی گسل ها را تغییر می دهد که به نوبه خود منجر به تغییرات ناهمگن در میدان تنش منطقه ای می شود. ما پیشنهاد می کنیم که این تغییرات ناهمگن زلزله های غیرعادی و پیش ساز را کنترل کنند.

داده های بزرگ تولید شده توسط شبکه لرزه نگاری مدرن

به گفته دکتر جرونا، اگر کلان داده های تولید شده توسط شبکه های لرزه نگاری مدرن به درستی تحلیل شوند، می توانند اطلاعات مهم و ارزشمندی در مورد پیش سازهای زلزله ارائه دهند. او می‌گوید: «این جایی است که پیشرفت‌ها در یادگیری ماشین و محاسبات با کارایی بالا می‌توانند نقشی دگرگون کننده داشته باشند و محققان را قادر می‌سازد الگوهای معنی‌داری را که می‌تواند نشان‌دهنده یک زلزله قریب الوقوع باشد، شناسایی کنند.

خوشبختانه الگوریتم های توسعه یافته توسط محققان به زودی برای پیش بینی زلزله مورد استفاده قرار خواهند گرفت. طبیعتاً به گفته محققان، الگوریتم جدید باید در مناطقی استفاده شود که زلزله های تاریخی آن منطقه قبلاً به رایانه آموزش داده شده است. اما برای پیش بینی های قابل اعتماد باید اطلاعاتی در مورد شرایط زمین ساختی آن منطقه داشته باشیم.

همانطور که جرونا به درستی اشاره می کند، پیش بینی دقیق می تواند هشدار اولیه را ارائه دهد، تخلیه و آماده سازی به موقع را ممکن کند و جان انسان ها را نجات دهد. از سوی دیگر، اگر هشدارها اشتباه شود، می تواند وحشت ایجاد کند و اعتماد عمومی به سیستم را تضعیف کند.

58323