ახალი ხელოვნური ინტელექტის მიდგომა შეიძლება დაეხმაროს მიწისძვრის შემდეგ ბიძგების ადგილმდებარეობის პროგნოზირებას
An მიწისძვრის არის ფენომენი, რომელიც გამოწვეულია კლდის მიწისქვეშეთში დედამიწის ქერქი მოულოდნელად იშლება გეოლოგიური რღვევის ხაზის გარშემო. ეს იწვევს ენერგიის სწრაფ გამოყოფას, რომელიც წარმოქმნის სეისმურ ტალღებს, რომლებიც შემდეგ აკანკალებს მიწას და ეს არის ის შეგრძნება, რაც ჩვენ დავეცემა მიწისძვრის დროს. ადგილს, სადაც კლდე იშლება, ეწოდება ფოკუსირება მიწისძვრის და ადგილზე მის ზემოთ მდებარე ადგილს "ეპიცენტრი" ეწოდება. გამოთავისუფლებული ენერგია იზომება მაგნიტუდის სახით, სკალა, რომელიც აღწერს რამდენად ენერგიული იყო მიწისძვრა. 2 მაგნიტუდის მიწისძვრა ძლივს აღქმადია და მისი დაფიქსირება შესაძლებელია მხოლოდ მგრძნობიარე სპეციალიზებული აღჭურვილობის გამოყენებით. მიწისძვრა 8-ზე მეტი სიდიდის შეიძლება გამოიწვიოს მიწის შესამჩნევად შერყევა ძალიან ძლიერი. როგორც წესი, მიწისძვრას მოჰყვება მრავალი ბიძგები, რომლებიც ხდება მსგავსი მექანიზმით და რომლებიც თანაბრად დამანგრეველია და მრავალჯერ მათი ინტენსივობა და სიმძიმე მსგავსია თავდაპირველი მიწისძვრისა. ასეთი ბიძგების შემდგომი ბიძგები, როგორც წესი, ხდება პირველი საათის ან დღის შემდეგ მთავარი მიწისძვრის. მიწისქვეშა ბიძგების სივრცითი განაწილების პროგნოზირება ძალიან რთულია.
მეცნიერებმა ჩამოაყალიბეს ემპირიული კანონები შემდგომი ბიძგების ზომისა და დროის აღსაწერად, მაგრამ მათი ადგილმდებარეობის დადგენა მაინც გამოწვევაა. გუგლისა და ჰარვარდის უნივერსიტეტის მკვლევარებმა შეფასების ახალი მიდგომა შეიმუშავეს მიწისძვრა და ხელოვნური ინტელექტის ტექნოლოგიის გამოყენებით შემდგომი ბიძგების ადგილმდებარეობის პროგნოზირება მათ კვლევაში, რომელიც გამოქვეყნდა ბუნება. მათ სპეციალურად გამოიყენეს მანქანური სწავლება - ხელოვნური ინტელექტის ასპექტი. მანქანათმცოდნეობის მიდგომით, მანქანა „სწავლობს“ მონაცემთა ნაკრებიდან და ამ ცოდნის შეძენის შემდეგ მას შეუძლია გამოიყენოს ეს ინფორმაცია ახალი მონაცემების შესახებ პროგნოზების გასაკეთებლად.
მკვლევარებმა პირველად გააანალიზეს გლობალური მიწისძვრების მონაცემთა ბაზა ღრმა სწავლის ალგორითმების გამოყენებით. ღრმა სწავლა არის მანქანური სწავლის მოწინავე ტიპი, რომელშიც ნერვული ქსელები ცდილობენ ადამიანის ტვინის აზროვნების პროცესს. შემდეგი, მათ მიზნად ისახავდნენ შეძლებენ პროგნოზი შემდგომი ბიძგები უკეთესია, ვიდრე შემთხვევითი გამოცნობა და შეეცადეთ მოაგვაროთ პრობლემა „სად“ მოხდება შემდგომი ბიძგები. გამოყენებული იქნა 199-ზე მეტი მიწისძვრის შედეგად შეგროვებული დაკვირვებები, რომლებიც შედგებოდა დაახლოებით 131,000 ძირითადი დარტყმა-შემძვრელი წყვილისაგან. ეს ინფორმაცია გაერთიანდა ფიზიკაზე დაფუძნებულ მოდელთან, რომელიც აღწერს როგორ მიწა იქნება დაძაბული და დაძაბული შემდეგ მიწისძვრის რაც შემდეგ გამოიწვევს შემდგომ ბიძგებს. მათ შექმნეს 5 კილომეტრი კვადრატული ბადეები, რომლებშიც სისტემა ამოწმებდა შემდგომი ბიძგების არსებობას. ამის შემდეგ ნერვული ქსელი აყალიბებს კავშირებს ძირითადი მიწისძვრით გამოწვეულ შტამებსა და ბიძგების ადგილებს შორის. მას შემდეგ, რაც ნეირონული ქსელის სისტემა კარგად იყო გაწვრთნილი ამ გზით, მას შეეძლო ზუსტად დაედგინა მიწისქვეშა ბიძგების ადგილმდებარეობა. კვლევა ძალიან რთული იყო, რადგან მასში გამოყენებული იყო მიწისძვრების რთული რეალური მონაცემები. მკვლევარებმა ალტერნატიულად შექმნეს ხელოვნური და ერთგვარი "იდეალური" მიწისძვრები პროგნოზების შესაქმნელად და შემდეგ შეისწავლა პროგნოზები. ნეირონული ქსელის გამოსავალს რომ უყურებდნენ, ისინი ცდილობდნენ გაეანალიზებინათ, თუ რა განსხვავებული "რაოდენობები" აკონტროლებს შემდგომი ბიძგების პროგნოზს. სივრცითი შედარებების გაკეთების შემდეგ, მკვლევარები მივიდნენ დასკვნამდე, რომ ტიპიური შემდგომი ბიძგების ნიმუში ფიზიკურად „ინტერპრეტირებადი“ იყო. გუნდი ვარაუდობს, რომ სიდიდე, რომელსაც ეწოდება დევიატორული სტრესის დაძაბულობის მეორე ვარიანტი - უბრალოდ J2 - უჭირავს გასაღები. ეს რაოდენობა ძლიერ ინტერპრეტაციადია და ჩვეულებრივ გამოიყენება მეტალურგიაში და სხვა დარგებში, მაგრამ აქამდე არასდროს გამოიყენებოდა მიწისძვრების შესასწავლად.
მიწისძვრების შემდგომი ბიძგები იწვევს შემდგომ დაზიანებებს, აზიანებს თვისებებს და ასევე აფერხებს სამაშველო სამუშაოებს, ამიტომ მათი პროგნოზირება გადამრჩენი იქნება კაცობრიობისთვის. რეალურ დროში პროგნოზი შესაძლოა ამ მომენტში შეუძლებელი იყოს, რადგან AI-ის ამჟამინდელ მოდელებს შეუძლიათ გაუმკლავდნენ მხოლოდ კონკრეტული ტიპის შემდგომი ბიძგების და მარტივი გეოლოგიური რღვევის ხაზს. ეს მნიშვნელოვანია, რადგან გეოლოგიურ რღვევის ხაზებს აქვთ განსხვავებული გეომეტრია სხვადასხვა გეოგრაფიულ მდებარეობაზე. პლანეტის. ასე რომ, ის შეიძლება ამჟამად არ იყოს გამოყენებული სხვადასხვა ტიპის მიწისძვრებზე მთელს მსოფლიოში. მიუხედავად ამისა, ხელოვნური ინტელექტის ტექნოლოგია შესაფერისად გამოიყურება მიწისძვრებისთვის n რაოდენობის ცვლადის გამო, რომლებიც გასათვალისწინებელია მათი შესწავლისას, მაგალითად დარტყმის სიძლიერე, ტექტონიკური ფირფიტების მდებარეობა და ა.შ.
ნერვული ქსელები შექმნილია იმისთვის, რომ დროთა განმავლობაში გაუმჯობესდეს, ანუ რაც უფრო მეტი მონაცემი მიეწოდება სისტემას, უფრო მეტი სწავლა ხდება და სისტემა სტაბილურად უმჯობესდება. მომავალში ასეთი სისტემა შეიძლება იყოს სეისმოლოგების მიერ გამოყენებული პროგნოზირების სისტემების განუყოფელი ნაწილი. დამგეგმავებს შეუძლიათ აგრეთვე განახორციელონ საგანგებო ზომები მიწისძვრის ქცევის ცოდნის საფუძველზე. გუნდს სურს გამოიყენოს ხელოვნური ინტელექტის ტექნოლოგია მიწისძვრების მაგნიტუდის პროგნოზირებისთვის.
***
{შეგიძლიათ წაიკითხოთ ორიგინალური კვლევითი ნაშრომი ციტირებულ წყარო(ებ)ის სიაში ქვემოთ მოცემულ DOI ბმულზე დაწკაპუნებით}
წყარო (ებ) ი
DeVries PMR და სხვ. 2018. ღრმა მიწისძვრების შემდგომი ბიძგების ნიმუშების ღრმა შესწავლა. ბუნება560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
