Разрушения, к которым может привести большое землетрясение, часто не заканчиваются после первого толчка или серии толчков. Вслед за ними часто следуют афтершоки — часы или даже дни спустя, вызванные реакцией земли на первоначальное землетрясение.

Эти афтершоки могут иногда наносить больше урона, чем первичное землетрясение. И хотя мы обычно можем предсказать амплитуду таких толчков, мы не в состоянии прогнозировать их местоположение.

ИИ способен предсказать, где после землетрясения наиболее вероятны афтершоки

Исследователи из Гарвардского университета и отдела искусственного интеллекта Google создали нейронную сеть, которая может оценить вероятность того, что определённое место будет испытывать афтершок после землетрясения. ИИ предсказывает это более точно, чем любая из лучших существующих моделей землетрясений.

На сегодняшний момент лучшим инструментом для прогнозирования подземных толчков является модель, известна как Coulomb failure stress change. Исследователи могут вычислить остаточные геологические напряжения после землетрясения, а затем использовать модель для определения вероятности того, что какая-то территория подвергнется афтершоку.

К сожалению, эта модель лишь немного точнее метода подбрасывания монеты.

Учёные передали данные о 131 тысячи землетрясений с подземными толчками и последующими ударами в нейронную сеть, которую они использовали для создания сетки из ячеек 5 х 5 км вокруг места каждого основного толчка. Затем они передали данные в нейронную сеть о том, как основной удар изменил уровень напряджения в центре каждой окружающей ячейки. Затем нейронная сеть предсказала вероятность того, с какой вероятностью конкретная ячейка станет местом действия афтершока.

Исследователи протестировали свою нейронную сеть на более чем 30 тысячах событий, и обнаружили, что ИИ может прогнозировать места афтершоков гораздо точнее, чем другие модели.

Хотя предсказания алгоритма пока не являются вполне надёжными, исследователи довольны своим ИИ и считают, что не за горами еще более точные системы прогнозирования.

«Прогнозирование афтершоков является задачей, которая хорошо подходит для машинного обучения, потому что существует так много физических факторов и явлений, которые способны повлиять на это, — сказал научный сотрудник Фэб ДеВрие в интервью Science Daily. — Я полагаю, что в действительности мы только приоткрыли занавес того, что можно будет сделать с прогнозированием афтешоков».

Исследование было опубликовано в журнале Nature.


Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *