پیش بینی زلزله امکان پذیر می گردد؟ - وبلاگ اخبار جدید

به گزارش وبلاگ اخبار جدید، گروهی از پژوهشگران می گویند می توان زلزله را پیش بینی کرد. باید دید این موضوع تا چه حد واقعیت دارد.

حالا مقاله ای به وسیله دپارتمان زمین شناسی دانشگاه استنفورد منتشر شده که ظاهرا به راه چاره احتمالی برای تشخیص این ریزلرزه ها می پردازد. مولفان این مقاله سیستمی براساس هوش مصنوعی توسعه داده اند که تشخیص دهنده زلزله Cnn-Rnn یا به اختصار CRED نام دارد و قادر است طیف وسیعی از سیگنال های لرزشی را چه با یاری سوابق زمین لرزه و چه براساس دیتای لایو تشخیص دهد.

این سیستم براساس تکنولوژی پیشرفته به وسیله پژوهشگران دانشگاه هاروارد و گوگل طراحی شده که در واقع نوعی الگوی مبتنی بر هوش مصنوعی است و توانایی پیش بینی موقعیت پس لرزه ها تا یکسال بعد از وقوع زمین لرزه های بزرگ را دارد.

سیستم طراحی شده به وسیله دانشمندان استنفورد اما دربرگیرنده دو نوع لایه شبکه عصبی (گره های پردازشی متصل به هم که تاحدودی عملکرد نورون ها درون مغز را شبیه سازی میکنند) است: شبکه های عصبی کانوولاتور و شبکه های عصبی تکرار شونده. شبکه نوع اول قابلیت هایی مشابه به سیستم های لرزه نگاری دارد در حالی که نوع دوم (که میتواند با ادغام نمودن حافظه و دیتای ورودی دقت پیش بینی هایش را بالا ببرد) خصوصیات تکرار شونده از سیستم های لرزه نگار را یاد می گیرد.

این دو شبکه در کنار هم یک چهارچوب یادگیری را می سازند؛ نوعی معماری که مشکل رایج شبکه های عصبی چند لایه را تا حدود زیادی کم می نماید. در واقع با افزایش تعداد گره های هر لایه اندازه دقت این سیستم ها هم کم می گردد اما به لطف طراحی این سیستم تازه، شبکه های عصبی موجود در آنها قادر خواهند بود که هم دقت خود را حفظ کنند و هم اینکه خصوصیات سطح بالاتری را از پایگاه های داده ای فرا بگیرند.

دانشمندان برای آموزش و راستی آزمایی سیستمی معتبر که با یاری هوش مصنوعی توانایی تشخیص زمین لرزه ها را داشته باشد دیتای پیوسته مورد احتیاج خود را از مرکزی واقع در آرکانزاس تهیه کردند که به 3788 رویداد زمینی مربوط می شد. در کنار این اطلاعات آنها دیتای به دست آمده از 889 پایگاه در کالیفرنیای شمالی را که شامل 550 هزار رویداد 3 ثانیه ای میشد در اختیار سیستم طراحی شده شان قرار دادند.

از این اندازه اطلاعات آنها 50 هزار نمونه را برای ارزیابی عملکرد سیستم ها مورد آنالیز قرار دادند و نتیجه چه بود؟ شبکه طراحی شده به وسیله آنها پیروز شد سیگنال های زمین لرزه ای را جدای از مقیاس، موقعیت وقوع و اندازه صدای پس زمینه شناسایی کند. نکته جالب اما آنکه هوش مصنوعی مورد استفاده به وسیله آنها برای شناسایی زمین لرزه ها احتیاجی به در اختیار داشتن طول کامل سیگنال ها نداشت و صرفا بخشی از دیتای ثبت شده برای این کار کفایت می کرد.

وقتی دانشمندان دیتای پیوسته از پایگاه داده ای Guy-Greenbrier را در اختیار سیستم خود قرار دادند، الگوی طراحی شده به وسیله آنها که ظرف تنها یک ساعت آن هم روی لپ تاپ آموزش دیده بود توانست 1102 زمین لرزه و ریزلرزه ناشی از شکستگی هیدرولیکی، حرکت پساب روی زمین و حرکت صفحه تکتونیک زمین را تشخیص دهد و در این میان 77 موردشان پیشتر شناسایی نشده بودند.

آنها در مقاله ای که پیرامون همین موضوع منتشر کردند اینطور آورده اند:

الگوی ما قادر است بالغ بر 700 ریزلرزه به کوچکی 1.3 ریشتر را با فاصله نسبتا زیاد از منشاء شناسایی کند.

آنها بعلاوه گزارش داده اند که الگوی طراحی شده شان در تمامی تست ها به عملکرد فوق العاده در قیاس با دو سیستم لرزه نگاری مشابه دست یافته است. این دانشمندان باور دارند که سیستم مبتنی بر هوش مصنوعی شان که به راحتی هم با حسگرهای مختلف قابل بهینه سازی است میتواند در محیط های مستعد زمین لرزه برای پایش این رویدادها به خدمت گرفته گردد.