Мощное компьютерное исследование сейсмических записей южной Калифорнии выявило подробную информацию о множестве ранее необнаруженных небольших землетрясений, что дает более точную картину напряжения в земной коре. Новый общедоступный каталог этих находок поможет сейсмологам лучше понять напряжения, вызывающие более сильные землетрясения, которые время от времени сотрясают регион.
«Очень сложно понять, что вызывает более сильные землетрясения, потому что они случаются нечасто, но с этой новой информацией об огромном количестве небольших землетрясений мы можем увидеть, как развивается напряжение в системах разломов», - сказал Дэниел Тругман в своем посте. - научный сотрудник Лос-Аламосской национальной лаборатории и соавтор статьи, опубликованной сегодня в журнале Science.«Эта новая информация о механизмах запуска и скрытых форшоках дает нам гораздо лучшую платформу для объяснения того, как начинаются сильные землетрясения», - сказал Тругман.
Подсчет цифр
Тругман и его соавторы из Калифорнийского технологического института и Океанографического института Скриппса провели масштабную операцию по сбору данных сейсмической сети Южной Калифорнии на предмет реальных землетрясений, скрытых в шуме. Команда смогла более точно обнаруживать, понимать и определять местонахождение землетрясений, и они создали самый полный на сегодняшний день каталог землетрясений. В ходе работы было выявлено 1,81 миллиона землетрясений - в 10 раз больше землетрясений, происходящих в 10 раз чаще, чем землетрясений, идентифицированных ранее с использованием традиционных методов сейсмологии.
Команда разработала обширную, подробную библиотеку землетрясений для всего южного региона Калифорнии, которая называется каталогом Quake Template Matching (QTM). Они используют его для создания более полной карты разломов и поведения землетрясений в Калифорнии. Этот каталог может помочь исследователям более точно обнаруживать и определять местонахождение землетрясений.
Команда проанализировала почти два десятилетия данных, собранных Сейсмической сетью Южной Калифорнии. Сеть, считающаяся одной из лучших в мире сейсмических систем, собирает каталог землетрясений от 550 станций сейсмического мониторинга в регионе. Каталог SCSN полностью основан на традиционном подходе: ручное наблюдение и визуальный анализ. Но Тругман говорит, что этот традиционный подход пропускает много слабых сигналов, которые являются индикаторами небольших землетрясений.
Сопоставление шаблонов является ключевым
Команда улучшила этот каталог с помощью интеллектуального анализа данных. Используя параллельные вычисления, они обработали почти 100 терабайт данных на 200 графических процессорах. Увеличив масштаб с высоким разрешением за 10-летний период, они выполнили сопоставление с шаблоном, используя сейсмограммы (формы волны или сигналы) ранее идентифицированных землетрясений. Чтобы создать шаблоны, они вырезали фрагменты волн из ранее зарегистрированных землетрясений и сопоставляли эти формы сигналов с образцами сигналов, записанных одновременно с нескольких сейсмических станций. Сопоставление шаблонов выполнялось и раньше, но никогда в таком масштабе.
"Теперь мы можем автоматизировать это и провести исчерпывающий поиск по всему архиву сигналов, чтобы найти сигналы очень слабых землетрясений, ранее скрытые в шуме", - объяснил Тругман.
Применение шаблонов выявило предвестники землетрясений, форшоки и небольшие землетрясения, которые были пропущены с помощью ручных методов. Эти события часто предоставляют ключевые физические и географические данные, помогающие предсказывать сильные землетрясения. Команда также определила последовательности инициации, которые показывают, как возникают землетрясения.
Новые детали также показали трехмерную геометрию и структуры разломов, которые будут способствовать разработке более реалистичных моделей.
Недавно Тругман и его коллеги из Лос-Аламоса применили машинное обучение для изучения землетрясений, создаваемых лабораторными сейсмическими машинами. Эта работа выявила важные детали поведения землетрясений, которые можно использовать для прогнозирования землетрясений.
«В лаборатории мы видим небольшие события как предвестники больших промахов, но мы не видим этого постоянно в реальном мире. Этот анализ сопоставления с шаблоном больших данных устраняет разрыв», - сказал он. «И теперь мы обнаружили землетрясения, которые ранее не считались шумом, и узнали больше об их поведении. Если мы сможем идентифицировать эти последовательности как форшоки в реальном времени, мы сможем предсказать большой».