Stanfords ai upptäcker de missade jordskalven

2020-11-05 10:04  
Foto: J.K. Nakata, USGS

Små skalv kan berätta om de stora jordbävningarna, men många av de minsta registreras aldrig. Nu har Stanford utvecklat ai som upptäcker dem, och månader av analyser kan avverkas på 20 minuter.

Av de cirka 500 000 skalv som årligen registreras av seismografer runt om i världen uppfattas bara var femte av människorna kring epicentrum – och endast ett hundratal är kraftiga nog för att orsaka skador. Men de små skalven ska inte ignoreras. De utgör i sig viktiga data i ansträngningarna för att förstå och förutse de stora jordbävningarna.

Problemet är att den seismiska aktiviteten ibland är så svag att den kan vara svår att skilja från exempelvis tunga fordon som kör på vägen eller vågor som bryts. Men nu har Stanford-forskare utvecklat artificiell intelligens och maskininlärning som kan identifiera de väldigt svaga mikroskalv som ofta förbises. På 20 minuter kan deras system Earthquake Transformer, på en enkel dator, genomföra en analys som tidigare skulle ha tagit månader.

Teamet anpassade algoritmer som ursprungligen var avsedda för klinisk bildbehandling så att de istället kunde avgöra det exakta startögonblicket för två olika typer av seismiska vågor. En annan modell för maskininlärning var inspirerad av algoritmer för röstaktivering av digitala assistenter. För att lära sig att se skillnad på faktiska skalv och andra källor matades Earthquake Transformer med träningsdata från en miljon seismogram.

Läs mer: Små tecken kan varna för stora vulkanutbrott

"Ju mer information vi kan få ut från djupet om förkastningens tredimensionella struktur genom en förbättrad övervakning av små skalv, desto bättre kan vi förutse de jordbävningar som lurar i framtiden", säger geofysikern Gregory Beroza på Standforduniversitetets hemsida.

Forskarna testade Earthquake Transformers intelligens genom att utsätta den för Tottori-jordbävningen i Japan år 2000, som inte hade ingått i träningsdatan. När de analyserade fem veckors data från skalvet med en magnitud på 6,6, samt efterskalv, så visade sig modellen vara mycket bättre på att upptäcka de svagaste vågorna. Den noterade 21 092 händelser, vilket är mer än 2,5 gånger fler än vad som hade noterats tidigare.

Läs mer: Hur låter det 3 mil upp? Sprängningar och ballonger tar reda på det

För att placera en jordbävnings epicentrum och beräkna magnituden så mäter man ankomsttiden för två typer av vågor. De primära vågorna, så kallade p-vågor, är longitudinella. De både trycker och drar ut berget i utbredningsriktningen. De sekundära vågorna, så kallade s-vågor, är transversella, vilket innebär att de förflyttar berget vinkelrätt mot utbredningsriktningen.

"Tidigare har folk designat algoritmer för att exempelvis hitta p-vågen. Det är ett relativt enkelt problem", säger forskaren William Ellsworth på Standfords hemsida.

Det är svårare att plocka ut startpunkten för s-vågen, menar han, eftersom den härrör ur de snabba p-vågornas sista, oberäkneliga flämtningar. Andra algoritmer har kunnat leverera extremt detaljerade jordbävningskataloger som även inkluderar ett enormt antal små skalv som analytikerna har missat, men deras mönstermatchande algoritmer fungerar bara i den region som har levererat träningsdatan, enligt Ellsworth.

Studien har publicerats i Nature Communications.

John Edgren

Kommentarer

Välkommen att säga din mening på Ny Teknik.

Principen för våra regler är enkel: visa respekt för de personer vi skriver om och andra läsare som kommenterar artiklarna. Alla kommentarer modereras efter publiceringen av Ny Teknik eller av oss anlitad personal.

  Kommentarer

Debatt

Läs mer