مدل هوش مصنوعی جدید می‌تواند ماه‌ها قبل از وقوع، زلزله‌های بزرگ را پیش‌بینی کند
تحقیقات جدید نشان می‌دهد که امکان پیش‌بینی زلزله‌های بزرگ چندین ماه قبل از وقوع آن‌ها با استفاده از یادگیری ماشینی و تشخیص نشانه‌های اولیه فعالیت‌های لرزه‌ای وجود دارد. با این حال، اثربخشی و پیامدهای اخلاقی این فناوری پیش‌بینی همچنان موضوعی برای بحث و بررسی است.
تحقیقات یک دانشمند از دانشگاه آلاسکا فیربنکس نشان می‌دهد که عموم مردم ممکن است از چند روز تا چند ماه قبل از وقوع زلزله‌های بزرگ اطلاع پیدا کنند. این پیش‌بینی بر اساس شناسایی فعالیت‌های تکتونیکی سطح پایین در مناطق وسیع انجام می‌شود. این تحلیل به دو زلزله مهم در آلاسکا و کالیفرنیا متمرکز بوده است.
این پژوهش به سرپرستی تارسلو خیرونا، استاد پژوهشی مؤسسه ژئوفیزیک دانشگاه آلاسکا فیربنکس انجام شده است.
خیرونا، یک ژئوفیزیک‌دان و دانشمند داده، فعالیت‌های پیش‌درآمدی فوران‌های آتشفشانی و زلزله‌ها را مطالعه می‌کند. کیریاکی دری‌مونی، زمین‌شناس دانشگاه لودویگ ماکسیمیلیان در مونیخ، آلمان، هم‌نویسنده این تحقیق است.
روش تشخیصی که مبتنی بر یادگیری ماشینی است، در تاریخ ۲۸ اوت در مجله Nature Communications منتشر شده است.
خیرونا گفت: «مقاله ما نشان می‌دهد که تکنیک‌های پیشرفته آماری، به‌ویژه یادگیری ماشینی، این پتانسیل را دارند که با تجزیه و تحلیل مجموعه داده‌های گرفته شده از کاتالوگ‌های زلزله، پیش‌درآمدهای زلزله‌های با بزرگای بالا را شناسایی کنند.»
نویسندگان یک الگوریتم کامپیوتری طراحی کرده‌اند تا در داده‌ها به دنبال فعالیت‌های لرزه‌ای غیرمعمول بگردد. الگوریتم‌ها مجموعه‌ای از دستورالعمل‌های کامپیوتری هستند که به یک برنامه یاد می‌دهند داده‌ها را تفسیر کند، از آن‌ها یاد بگیرد و پیش‌بینی‌ها یا تصمیمات آگاهانه بگیرد.
مطالعات موردی: زلزله‌های انکوریج و ریج‌کرست
تمرکز آن‌ها بر روی دو زلزله بزرگ بود: زلزله ۷.۱ ریشتری انکوریج در سال ۲۰۱۸ و سلسله زلزله‌های ریج‌کرست کالیفرنیا در سال ۲۰۱۹ با بزرگای ۶.۴ تا ۷.۱.
آن‌ها دریافتند که حدود سه ماه فعالیت لرزه‌ای غیرعادی با بزرگای کم در حدود ۱۵ تا ۲۵ درصد از مناطق جنوب‌مرکزی آلاسکا و جنوب کالیفرنیا قبل از هر دو زلزله مورد مطالعه رخ داده است.
تحقیقات آن‌ها نشان می‌دهد که ناآرامی‌های قبل از زلزله‌های بزرگ عمدتاً با فعالیت‌های لرزه‌ای با بزرگای کمتر از ۱.۵ ثبت می‌شود.
زلزله انکوریج در ۳۰ نوامبر ۲۰۱۸، ساعت ۸:۲۹ صبح رخ داد و مرکز آن تقریباً ۱۰.۵ مایل شمال شهر بود. این زلزله خسارت‌های زیادی به جاده‌ها و بزرگراه‌ها وارد کرد و چندین ساختمان آسیب دیدند.
یافته‌ها و پیامدها
با استفاده از برنامه‌ای که توسط داده‌ها آموزش دیده بود، خیرونا و دری‌مونی دریافتند که در زلزله انکوریج، احتمال وقوع یک زلزله بزرگ در ۳۰ روز یا کمتر، حدود سه ماه قبل از زلزله ۳۰ نوامبر به طور ناگهانی تا حدود ۸۰٪ افزایش یافت. این احتمال چند روز قبل از وقوع زلزله به حدود ۸۵٪ رسید. آن‌ها یافته‌های مشابهی برای سلسله زلزله‌های ریج‌کرست داشتند که از حدود ۴۰ روز قبل از آغاز این سلسله زلزله‌ها شروع شده بود.
خیرونا و دری‌مونی یک علت زمین‌شناسی برای فعالیت‌های پیش‌درآمدی با بزرگای کم پیشنهاد می‌کنند: افزایش قابل‌توجه فشار مایعات در منافذ داخل یک گسل.
فشار مایعات منفذی به فشار مایعات موجود در داخل سنگ‌ها اشاره دارد. فشارهای بالای مایعات منفذی می‌تواند به لغزش گسل منجر شود اگر این فشار به اندازه‌ای باشد که بر مقاومت اصطکاکی بین بلوک‌های سنگ در دو طرف گسل غلبه کند.
دری‌مونی گفت: «افزایش فشار مایعات منفذی در گسل‌ها که منجر به زلزله‌های بزرگ می‌شود، خواص مکانیکی گسل‌ها را تغییر می‌دهد و این تغییرات به نوبه خود باعث تغییرات ناهموار در میدان تنش منطقه‌ای می‌شود.» او افزود: «ما پیشنهاد می‌کنیم که این تغییرات ناهموار … فعالیت‌های لرزه‌ای غیرمعمول و پیش‌درآمدی با بزرگای کم را کنترل می‌کنند.»
خیرونا بیان کرد که یادگیری ماشینی تأثیر مثبتی بر تحقیقات زلزله داشته است.
او گفت: «شبکه‌های لرزه‌نگاری مدرن مجموعه داده‌های عظیمی تولید می‌کنند که با تحلیل درست می‌توانند بینش‌های ارزشمندی درباره پیش‌درآمدهای رویدادهای لرزه‌ای ارائه دهند. اینجاست که پیشرفت‌ها در یادگیری ماشینی و رایانش با عملکرد بالا می‌توانند نقش تحول‌آفرینی داشته باشند و به محققان امکان شناسایی الگوهای معناداری را بدهند که ممکن است نشانه وقوع زلزله‌ای قریب‌الوقوع باشد.»
چالش‌های پیش‌بینی زلزله
نویسندگان بیان می‌کنند که الگوریتم آن‌ها در شرایط نزدیک به زمان واقعی مورد آزمایش قرار خواهد گرفت تا چالش‌های احتمالی پیش‌بینی زلزله شناسایی و رفع شود. آن‌ها همچنین تأکید می‌کنند که این روش نباید بدون آموزش الگوریتم با داده‌های لرزه‌نگاری تاریخی آن منطقه، در مناطق جدید به کار گرفته شود.
خیرونا گفت: «تولید پیش‌بینی‌های قابل‌اعتماد زلزله یک بُعد بسیار مهم و اغلب بحث‌برانگیز دارد.»
او افزود: «پیش‌بینی دقیق می‌تواند با ارائه هشدارهای زودهنگام که امکان تخلیه به‌موقع و آمادگی را فراهم می‌کند، جان افراد را نجات داده و از خسارات اقتصادی بکاهد. اما عدم قطعیت ذاتی در پیش‌بینی زلزله، سؤالات اخلاقی و عملی مهمی را نیز مطرح می‌کند.»
او گفت: «هشدارهای نادرست می‌توانند باعث ایجاد ترس بی‌مورد، اختلالات اقتصادی و از دست رفتن اعتماد عمومی شوند، در حالی که پیش‌بینی‌های نادرست می‌توانند پیامدهای فاجعه‌باری داشته باشند.»
منبع:
Reference: “Abnormal low-magnitude seismicity preceding large-magnitude earthquakes” by Társilo Girona, and Kyriaki Drymoni, 28 August 2024, Nature Communications.
DOI: 10.1038/s41467-024-51596-z
