Сигнал, обнаруженный с помощью машинного обучения, предсказывает время до землетрясения: «отпечаток пальца» смещения разлома также предсказывает величину разрыва

Сигнал, обнаруженный с помощью машинного обучения, предсказывает время до землетрясения: «отпечаток пальца» смещения разлома также предсказывает величину разрыва
Сигнал, обнаруженный с помощью машинного обучения, предсказывает время до землетрясения: «отпечаток пальца» смещения разлома также предсказывает величину разрыва

Исследование машинного обучения, опубликованное сегодня в двух связанных статьях в журнале Nature Geoscience, сообщает об обнаружении сейсмических сигналов, точно предсказывающих медленное проскальзывание разлома Каскадия, тип отказа, который наблюдается перед сильными землетрясениями в других зонах субдукции.

Исследователи Лос-Аламосской национальной лаборатории применили машинное обучение для анализа данных Cascadia и обнаружили, что мегатолчок передает постоянное дрожание, отпечаток пальца смещения разлома. Что еще более важно, они обнаружили прямую параллель между громкостью акустического сигнала разлома и его физическими изменениями. Стоны Каскадии, ранее считавшиеся бессмысленным шумом, предвещали ее хрупкость.

Поведение Cascadia было скрыто в данных. Пока машинное обучение не выявило точных закономерностей, мы все отбрасывали непрерывный сигнал как шум, но он был полон полезной информации. Мы обнаружили очень предсказуемый звуковой образец, который указывает на проскальзывание и неисправность провал», - сказал ученый из Лос-Аламоса Пол Джонсон. «Мы также обнаружили точную связь между хрупкостью разлома и силой сигнала, что может помочь нам более точно предсказать мегаземлетрясение».

Новые документы были написаны Джонсоном, Бертраном Руэ-Ледук и Клаудией Халберт из Отделения наук о Земле и окружающей среде Лаборатории, Кристофером Реном из Отдела разведки и космических исследований Лаборатории и сотрудниками Университета штата Пенсильвания.

Машинное обучение обрабатывает массивные наборы сейсмических данных, чтобы найти четкие закономерности, изучая самонастраивающиеся алгоритмы для создания деревьев решений, которые выбирают и повторно тестируют ряд вопросов и ответов. В прошлом году команда смоделировала землетрясение в лаборатории, используя стальные блоки, взаимодействующие с камнями и поршнями, и записала звуки, которые они проанализировали с помощью машинного обучения. Они обнаружили, что многочисленные сейсмические сигналы, которые ранее считались бессмысленным шумом, точно указывали, когда смоделированный разлом проскользнет, что является большим шагом вперед в прогнозировании землетрясений. Сигналы более быстрых и мощных землетрясений были громче.

Команда решила применить свою новую парадигму к реальному миру: Cascadia. Недавние исследования показывают, что Каскадия была активной, но отмеченная активность была, по-видимому, случайной. Эта команда проанализировала реальные данные сейсмических станций в регионе за 12 лет и обнаружила схожие сигналы и результаты: постоянные толчки Каскадии количественно определяют смещение медленно скользящей части зоны субдукции. В лаборатории авторы идентифицировали аналогичный сигнал, который точно предсказал широкий диапазон отказов. Тщательный мониторинг в Каскадии может предоставить новую информацию о закрытой зоне для обеспечения системы раннего предупреждения.