دانشمندان روش جدیدی ابداع کرده اند که می تواند زلزله را ماه ها قبل از وقوع آن به طور دقیق پیش بینی کند. این روش که توسط دانشمند فیربنکس دانشگاه آلاسکا ابداع شده است، به شناسایی ناآرامی های زمین ساختی سطح پایین قبلی در مناطق بزرگ می پردازد. این مطالعه بر فعالیت های اولیه فوران های آتشفشانی و زمین لرزه ها تمرکز دارد و از یادگیری ماشینی برای پیش بینی چنین رویدادی استفاده میکند.
این مطالعه به رهبری استادیار پژوهشی آقای جیرونا از موسسه ژئوفیزیک UAF، دو زمین لرزه بزرگ در آلاسکا و کالیفرنیا (زلزله 7.1 ریشتری 2018 انکوریج و 2019 Ridgecrest، کالیفرنیا، توالی زمین لرزه هایی با بزرگی 6.4 تا 7.1) را تجزیه و تحلیل کرد.
دانشمندان لرزه خیزی منطقه ای با قدر کم غیرعادی را شناسایی کردند
قبل از هر یک از دو زمین لرزه مورد مطالعه، آنها دریافتند که تقریباً سه ماه لرزه خیزی منطقه ای با قدر پایین غیرعادی در حدود 15٪ تا 25٪ از جنوب مرکزی آلاسکا و جنوب کالیفرنیا رخ داده است. تحقیقات آنها نشان میدهد که ناآرامی های پیش از زمین لرزه های بزرگ عمدتاً توسط فعالیت های لرزه ای 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، خسارت زیادی به برخی از جاده ها و بزرگراه ها وارد شد و چندین ساختمان نیز آسیب دیدند.
یادگیری ماشینی می تواند پیش سازهای زلزله های بزرگ را شناسایی کند
جیرونا گفت: “مقاله ما نشان می دهد که تکنیک های آماری پیشرفته، به ویژه یادگیری ماشینی، پتانسیل شناسایی پیش سازهای زلزله های با بزرگی بزرگ را با تجزیه و تحلیل مجموعه داده های به دست آمده از کاتالوگ های زلزله دارند.”
نویسندگان یک الگوریتم کامپیوتری نوشتند، مجموعه ای از دستورالعمل های کامپیوتری که به برنامه ای می آموزد که داده ها را تفسیر کند، از آنها یاد بگیرد، و پیش بینی ها یا تصمیم گیری های آگاهانه بگیرد، تا داده ها را جستجو کند تا به دنبال فعالیت های لرزه ای غیرعادی باشد.
جیرونا و دریمونی، نویسنده مشترک این مطالعه، با استفاده از برنامه آموزش داده شده خود، با زلزله Anchorage دریافتند که احتمال وقوع یک زلزله بزرگ در 30 روز یا کمتر به طور ناگهانی به حدود 80٪ حدود سه ماه قبل از 30 نوامبر افزایش یافته است.
این احتمال تنها چند روز قبل از وقوع به تقریباً 85٪ افزایش یافت. بر اساس بیانیه مطبوعاتی UAF، آنها یافته های احتمالی مشابهی برای توالی زلزله ریج کرست برای دوره ای داشتند که حدود 40 روز قبل از شروع توالی زمین لرزه شروع می شد.
محققان یک دلیل زمین شناسی برای فعالیت پیش ساز با قدر کم پیشنهاد می کنند: 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 بلوک های سنگ در دو طرف گسل کافی باشد، فشار سیال منفذی بالا به طور بالقوه میتواند منجر به لغزش گسل شود.
دریمونی گفت: “افزایش فشار سیال منفذی در گسل هایی که منجر به زمین لرزه های بزرگ میشوند، خواص مکانیکی گسل ها را تغییر میدهند که به نوبه خود منجر به تغییرات ناهموار در میدان تنش منطقه ای میشود. ما پیشنهاد میکنیم که این تغییرات ناهموار… لرزه خیزی غیرعادی و پیشقدم با قدر کم را کنترل کنند.”
دانشمندان ادعا می کنند که یادگیری ماشین تاثیر مثبت زیادی بر تحقیقات زلزله دارد.