При планировании смягчения последствий будущих крупных землетрясений прогнозирование сейсмических колебаний грунта является важной частью систем раннего предупреждения и картирования сейсмической опасности. То, как движется земля, зависит от того, как слои почвы усиливают сейсмические волны (описано на математическом сайте «Коэффициент усиления»). Однако геофизические исследования для понимания почвенных условий являются дорогостоящими, что на сегодняшний день ограничивает определение коэффициентов усиления участка.
Новое исследование ученых из Университета Хиросимы, опубликованное 5 апреля в Бюллетене сейсмологического общества Америки, представило новый метод на основе искусственного интеллекта (ИИ) для оценки коэффициентов усиления на месте по данным об окружающих вибрациях или микротреморах земля.
Состояния подземного грунта, которые определяют, как землетрясения воздействуют на участок, существенно различаются. Мягкие почвы, например, имеют тенденцию усиливать движение грунта от землетрясения, в то время как твердые основания могут его гасить. Окружающие колебания земли или микросотрясения, возникающие на всей поверхности Земли, вызванные человеческими или атмосферными возмущениями, могут быть использованы для исследования почвенных условий. Измерение микротреморов дает ценную информацию о коэффициенте усиления (AF) участка, таким образом, о его уязвимости к повреждениям от землетрясений из-за его реакции на толчки.
Недавнее исследование, проведенное учеными Университета Хиросимы, представило новый способ оценки местных эффектов на основе данных микротремора. «Предложенный метод будет способствовать более точным и подробным прогнозам сейсмических движений грунта для будущих землетрясений», - говорит ведущий автор и доцент Хироюки Миура из Высшей школы передовых наук и инженерии. В исследовании изучалась взаимосвязь между данными о микротреморе и факторами усиления участка с использованием глубокой нейронной сети с целью разработки модели, которую можно было бы применять в любом месте по всему миру.
Исследователи изучили распространенный метод, известный как спектральные отношения по горизонтали и вертикали (MHVR), который обычно используется для оценки резонансной частоты сейсмического грунта. Его можно сгенерировать из данных микротремора; окружающие сейсмические колебания анализируются в трех измерениях, чтобы определить резонансную частоту слоев отложений поверх коренных пород при их вибрации. Предыдущие исследования, однако, показали, что MHVR нельзя надежно использовать непосредственно в качестве фактора усиления сайта. Таким образом, в этом исследовании была предложена модель глубокой нейронной сети для оценки коэффициентов усиления сайта по данным MHVR.
В исследовании использовались данные о микротреморах за 2012-2020 годы, полученные в 105 местах в районе Тюгоку на западе Японии. Эти участки являются частью национальной сети сейсмографов Японии, которая включает около 1700 станций наблюдения, распределенных по территории Японии в виде единой сетки с интервалом в 20 км. Используя обобщенный метод спектральной инверсии, который разделяет параметры источника, распространения и места, исследователи проанализировали усиления для конкретных мест.
Данные с каждого сайта были разделены на обучающий набор, проверочный набор и тестовый набор. Учебный набор использовался для обучения глубокой нейронной сети. Проверочный набор использовался в итеративной сетевой оптимизации модели для описания взаимосвязи между MHVR микротремора и коэффициентами усиления сайта. Тестовые данные были совершенно неизвестным набором, используемым для оценки производительности модели.
Модель хорошо зарекомендовала себя на тестовых данных, продемонстрировав свой потенциал в качестве прогностического инструмента для характеристики факторов усиления участка по данным микротремора. Однако, отмечает Миура, «количество обучающих выборок, проанализированных в этом исследовании (80) по-прежнему ограничено», и его следует расширить, прежде чем предполагать, что модель нейронной сети применима в национальном или глобальном масштабе. Исследователи надеются дополнительно оптимизировать модель с большим набором данных.
Для более точного прогнозирования сейсмических движений грунта необходимы быстрые и экономичные методы, поскольку взаимосвязь не всегда линейна. Объясняет Миура: «Применяя предложенный метод, можно автоматически и точно оценить коэффициенты усиления на основе данных о микротреморе, наблюдаемых в произвольном месте». В будущем авторы исследования намерены продолжать совершенствовать передовые методы искусственного интеллекта для оценки нелинейной реакции земли на землетрясения.