• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  science >> Ciência >  >> Natureza
    O aprendizado de máquina revela tremores de terra e deslizamentos ocorrem continuamente, não intermitentemente

    Um estudo usando aprendizado de máquina em dados sísmicos da região de Cascadia confirmou o trabalho anterior de Los Alamos, indicando que os precursores do terremoto estão ocorrendo com muito mais frequência do que se pensava anteriormente. Crédito:Laboratório Nacional de Los Alamos

    A aplicação de aprendizagem profunda aos dados sísmicos revelou tremores e escorregões que ocorrem em todos os momentos - antes e depois de terremotos de deslizamento lento em grande escala - em vez de intermitentemente em rajadas discretas, como se acreditava anteriormente. Ainda mais surpreendente, o aprendizado de máquina se generaliza para outros ambientes tectônicos, incluindo a falha de San Andreas.

    "O trabalho nos diz que a física do atrito nas falhas parece ter características universais - algo que suspeitávamos, mas não podíamos provar, "disse Bertrand Rouet-Leduc, geofísica do grupo de Geofísica do Laboratório Nacional de Los Alamos e principal autor do artigo.

    Na pesquisa, a equipe treinou uma rede neural convolucional - uma forma de aprendizado profundo - em um catálogo de tremores criado por Aaron Wech, da Universidade de Washington. O catálogo usa vários anos de sismogramas de uma estação sísmica na Ilha de Vancouver, na região de Cascadia, no noroeste do Pacífico. Eventos de tremor que foram inicialmente identificados por métodos de múltiplas estações formaram o conjunto de treinamento. A equipe então usou o modelo de aprendizado profundo para encontrar muitos outros eventos.

    Terremotos lentos, que às vezes precedem grandes terremotos em falhas continentais e zonas de subducção, aumentam o estresse ciclicamente e podem desencadear grandes terremotos na vizinhança, falhas bloqueadas altamente estressadas. No entanto, mesmo em Cascádia, um caso claro de um altamente estressado, falha "bloqueado e carregado", pesquisas anteriores haviam observado apenas terremotos lentos intermitentes e discretos e seus tremores associados.

    A equipe de pesquisa descobriu que a rede neural fornecia uma medida contínua de tremores e colocava limites de tempo mais claros em eventos de deslizamento lento do que os métodos anteriores haviam estabelecido. Significativamente, a rede neural identificou sinais de tremor fraco meses antes que os métodos tradicionais detectassem um deslizamento lento, medindo às vezes mudanças mínimas de elevação na paisagem.

    "O estudo sugere que o deslizamento lento dentro das zonas de megatrust não é aleatório. Esta pesquisa faz parte de um corpo de trabalho que nos diz que os precursores estão ocorrendo com muito mais frequência do que se pensava anteriormente. de acordo com experimentos de laboratório e teoria, "disse Rouet-Leduc.

    O papel, "Sondando Terremotos Lentos com Aprendizado Profundo, "foi publicado em 24 de fevereiro, 2020 em Cartas de pesquisa geofísica . Este trabalho é parte de uma pesquisa em andamento em Los Alamos que identificou um sinal acústico contínuo emitido por eventos de deslizamento lento. O sinal pode ser lido a qualquer momento para indicar o tempo restante para a falha de falha em terremotos de laboratório e do mundo real.


    © Ciência https://pt.scienceaq.com