يمكن لنهج ذكاء اصطناعي جديد أن يساعد في التنبؤ بموقع توابع الزلزال في أعقاب الزلزال
An زلزال هي ظاهرة تحدث عندما تكون الصخور تحت الأرض في في الأرض تنكسر القشرة فجأة حول خط الصدع الجيولوجي. يؤدي هذا إلى إطلاق سريع للطاقة مما ينتج عنه موجات زلزالية تؤدي بعد ذلك إلى اهتزاز الأرض، وهذا هو الإحساس الذي نشعر به أثناء الزلزال. المكان الذي تنكسر فيه الصخرة يسمى بؤرة زلزال والمكان الذي فوقه من الأرض يسمى مركز الزلزال. يتم قياس الطاقة المنطلقة حسب الحجم، وهو مقياس لوصف مدى قوة الزلزال. إن الزلزال الذي تبلغ قوته 2 درجة يكون بالكاد محسوسًا ولا يمكن تسجيله إلا باستخدام معدات متخصصة وحساسة الزلازل يمكن أن تتسبب قوة أكبر من 8 في اهتزاز الأرض بشدة بشكل ملحوظ. يتبع الزلزال عمومًا العديد من الهزات الارتدادية التي تحدث بآلية مماثلة وتكون مدمرة بنفس القدر وفي كثير من الأحيان تكون شدتها وشدتها مماثلة للزلزال الأصلي. تحدث مثل هذه الهزات بعد الزلزال بشكل عام خلال الساعة الأولى أو بعد يوم من وقوع الزلزال زلزال. يعد التنبؤ بالتوزيع المكاني للهزات الارتدادية أمرًا صعبًا للغاية.
وقد صاغ العلماء قوانين تجريبية لوصف حجم ووقت الهزات الارتدادية، لكن تحديد موقعها لا يزال يمثل تحديًا. ابتكر الباحثون في جوجل وجامعة هارفارد نهجًا جديدًا للتقييم الزلازل والتنبؤ بموقع الهزات الارتدادية باستخدام تقنية الذكاء الاصطناعي في دراستهم المنشورة في الطبيعة. لقد استخدموا على وجه التحديد التعلم الآلي - جانب من جوانب الذكاء الاصطناعي. في نهج التعلم الآلي ، "يتعلم" الجهاز من مجموعة من البيانات وبعد اكتساب هذه المعرفة يمكنه استخدام هذه المعلومات لعمل تنبؤات حول البيانات الأحدث.
حلل الباحثون أولاً قاعدة بيانات للزلازل العالمية باستخدام خوارزميات التعلم العميق. التعلم العميق هو نوع متقدم من التعلم الآلي حيث تحاول الشبكات العصبية محاكاة عملية تفكير الدماغ البشري. بعد ذلك ، كانوا يهدفون إلى أن يكونوا قادرين على ذلك توقعات الهزات الارتدادية أفضل من التخمين العشوائي وحاول حل مشكلة "أين" ستحدث الهزات الارتدادية. تم استخدام الملاحظات التي تم جمعها من أكثر من 199 زلزالًا كبيرًا حول العالم، والتي تتكون من حوالي 131,000 زوج من الهزات الارتدادية الرئيسية. تم دمج هذه المعلومات مع نموذج قائم على الفيزياء والذي يصف كيفية القيام بذلك أرض سوف تكون متوترة ومتوترة بعد زلزال والتي سوف تؤدي بعد ذلك إلى الهزات الارتدادية. لقد أنشأوا شبكات بمساحة 5 كيلومترات مربعة يقوم النظام من خلالها بالتحقق من وجود هزة ارتدادية. ستقوم الشبكة العصبية بعد ذلك بتكوين علاقات بين السلالات الناجمة عن الزلزال الرئيسي وموقع الهزات الارتدادية. بمجرد تدريب نظام الشبكة العصبية جيدًا على هذه الطريقة، أصبح قادرًا على التنبؤ بموقع الهزات الارتدادية بدقة. كانت الدراسة صعبة للغاية لأنها استخدمت بيانات معقدة من العالم الحقيقي عن الزلازل. بدلا من ذلك إعداد الباحثين مصطنع ونوع من الزلازل "المثالية" لإنشاء تنبؤات ثم فحص التنبؤات. بالنظر إلى مخرجات الشبكة العصبية ، حاولوا تحليل "الكميات" المختلفة التي من المحتمل أن تتحكم في التنبؤ بالهزات الارتدادية. بعد إجراء مقارنات مكانية ، توصل الباحثون إلى استنتاج مفاده أن نمط الهزة الارتدادية النموذجية كان "قابلًا للتفسير" جسديًا. يقترح الفريق أن كمية تسمى البديل الثاني لشد الإجهاد المنحرف - تسمى ببساطة J2 - تحمل المفتاح. هذه الكمية قابلة للتفسير بشكل كبير وتستخدم بشكل روتيني في علم المعادن والمجالات الأخرى ولكنها لم تستخدم من قبل لدراسة الزلازل.
تتسبب الهزات الارتدادية للزلازل في حدوث المزيد من الإصابات وتدمير الممتلكات وتعيق أيضًا جهود الإنقاذ، وبالتالي فإن التنبؤ بها سيكون منقذًا لحياة البشرية. قد لا يكون التنبؤ في الوقت الفعلي ممكنًا في هذه اللحظة بالذات، حيث يمكن لنماذج الذكاء الاصطناعي الحالية التعامل مع نوع معين من الهزات الارتدادية وخط الصدع الجيولوجي البسيط فقط. وهذا أمر مهم لأن خطوط الصدع الجيولوجية لها هندسة مختلفة في مواقع جغرافية متنوعة على كوكب. لذلك، قد لا يكون قابلاً للتطبيق حاليًا على أنواع مختلفة من الزلازل حول العالم. ومع ذلك، فإن تكنولوجيا الذكاء الاصطناعي تبدو مناسبة للزلازل بسبب عدد من المتغيرات التي يجب أخذها في الاعتبار عند دراستها، على سبيل المثال قوة الصدمة، وموضع الصفائح التكتونية وما إلى ذلك.
تم تصميم الشبكات العصبية للتحسين بمرور الوقت ، أي مع إدخال المزيد من البيانات في النظام ، يحدث المزيد من التعلم ويتحسن النظام بشكل مطرد. يمكن أن يكون مثل هذا النظام في المستقبل جزءًا لا يتجزأ من أنظمة التنبؤ التي يستخدمها علماء الزلازل. يمكن للمخططين أيضًا تنفيذ تدابير الطوارئ بناءً على معرفة سلوك الزلازل. يريد الفريق استخدام تقنية الذكاء الاصطناعي للتنبؤ بحجم الزلازل.
***
المصدر (ق)
ديفريز PMR وآخرون. 2018. التعلم العميق لأنماط الهزات الارتدادية في أعقاب الزلازل الكبيرة. الطبيعة560(7720). DOI: https://doi.org/10.1038/s41586-018-0438-y
***
