Международная группа исследователей под руководством учёных из Центра геофизических наук им. Гельмгольца (Helmholtz-Zentrum Potsdam – Deutsches GeoForschungsZentrum GFZ) разрабатывают метод, основанный на данных, для выявления изменений сейсмической активности перед крупными землетрясениями.
Исследователи использовали неконтролируемое машинное обучение — тип искусственного интеллекта, который сам ищет структуру в данных без предварительных заданий.
Метод был протестирован на нескольких крупных сериях землетрясений, история которых уже хорошо задокументирована, включая Кахраманмараш (Турция, 2023), Икике (Чили, 2014) и Л'Аквила (Италия, 2009). В этих случаях анализ выявил отчетливые закономерности форшоков, которые появлялись за несколько недель или месяцев до основного землетрясения.
Авторы вместо того, чтобы начинать с четкого представления о том, как должен выглядеть предшественник землетрясения, позволили самим данным сортировать сейсмическую активность в осмысленные закономерности.
«Вместо поиска конкретных предшественников мы позволяем данным самим раскрывать свою структуру и используем так называемое обучение без учителя, в котором диагностические критерии не определены заранее», — говорит ведущий автор, доктор Садег Каримпулию.
Учёные обратили внимание на взаимосвязь и взаимовлияние землетрясений на основе их близости в пространстве, времени и магнитуде. Даже небольшой разрыв может изменить напряжение поблизости, иногда делая вероятность следующего разрыва более или менее высокой.
Каждая группа землетрясений была описана с использованием множества физических и статистических характеристик. Затем алгоритм, работающий без учителя, сгруппировал эти группы в категории, отражающие различные стадии развития напряжения.
Исследование показывает, как физика землетрясений и машинное обучение могут быть объединены для выявления закономерностей, которые могут остаться без внимания при традиционных методах исследований.
