• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  science >> Ciência >  >> Natureza
    O sinal detectado pelo aprendizado de máquina prevê a hora do terremoto

    Os pesquisadores do Laboratório Nacional de Los Alamos aplicaram experiência em aprendizado de máquina para prever terremotos ao longo de Cascadia, uma falha de 700 milhas de comprimento do norte da Califórnia ao sul da Colúmbia Britânica que flanqueia cidades como Seattle. Os resultados são publicados hoje em dois artigos em Nature Geoscience . Crédito:Laboratório Nacional de Los Alamos

    Pesquisa de aprendizado de máquina publicada em dois artigos relacionados hoje em Nature Geoscience relata a detecção de sinais sísmicos, prevendo com precisão o deslizamento lento da falha de Cascadia, um tipo de falha observada para preceder grandes terremotos em outras zonas de subducção.

    Os pesquisadores do Laboratório Nacional de Los Alamos aplicaram o aprendizado de máquina para analisar os dados da Cascadia e descobriram que a megaterrust transmite um tremor constante, uma impressão digital do deslocamento da falha. Mais importante, eles encontraram um paralelo direto entre o volume do sinal acústico da falha e suas mudanças físicas. Os gemidos de Cascadia, anteriormente descontado como ruído sem sentido, predisse sua fragilidade.

    "O comportamento de Cascadia estava enterrado nos dados. Até que o aprendizado de máquina revelasse padrões precisos, todos nós descartamos o sinal contínuo como ruído, mas estava cheio de informações valiosas. Descobrimos um padrão de som altamente previsível que indica deslizamento e falha de falha, "disse o cientista de Los Alamos, Paul Johnson." Também encontramos uma ligação precisa entre a fragilidade da falha e a força do sinal, o que pode nos ajudar a prever com mais precisão um mega-terremoto. "

    Os novos artigos foram de autoria de Johnson, Bertrand Rouet-Leduc e Claudia Hulbert da Divisão de Ciências Ambientais e Terrestres do Laboratório, Christopher Ren da Divisão de Inteligência e Pesquisa Espacial do Laboratório e colaboradores da Universidade Estadual da Pensilvânia.

    O aprendizado de máquina analisa enormes conjuntos de dados sísmicos para encontrar padrões distintos, aprendendo com algoritmos de autoajuste para criar árvores de decisão que selecionam e retestam uma série de perguntas e respostas. Ano passado, a equipe simulou um terremoto em um laboratório, usando blocos de aço interagindo com rochas e pistões, e sons gravados que eles analisaram por aprendizado de máquina. Eles descobriram que os vários sinais sísmicos, anteriormente descontado como ruído sem sentido, identificado quando a falha simulada escorregaria, um grande avanço para a previsão de terremotos. Mais rápido, terremotos mais poderosos tinham sinais mais altos.

    A equipe decidiu aplicar seu novo paradigma ao mundo real:Cascadia. Uma pesquisa recente revela que Cascadia está ativa, mas a atividade observada tem sido aparentemente aleatória. Esta equipe analisou 12 anos de dados reais de estações sísmicas na região e encontrou sinais e resultados semelhantes:Os tremores constantes de Cascadia quantificam o deslocamento da parte que desliza lentamente da zona de subducção. No laboratório, os autores identificaram um sinal semelhante que previu com precisão uma ampla gama de falhas de falha. O monitoramento cuidadoso em Cascádia pode fornecer novas informações sobre a zona bloqueada para fornecer um sistema de alerta precoce.


    © Ciência https://pt.scienceaq.com