Слабая тектоническая активность на больших территориях указывает на увеличение давления поровой жидкости внутри разлома и предвещает крупные катаклизмы.
Исследователи из Университета Аляски разработали метод, который изучает слабые сейсмические колебания на больших территориях, чтобы предсказать приближение разрушительных землетрясений. Анализ с помощью машинного обучения позволяет предупреждать о приближении катаклизма за несколько месяцев, считают ученые.
Исследователи проанализировали два крупных землетрясения на Аляске и в Калифорнии в 2018 и 2019 годах соответственно. Они обнаружили, что в обоих случаях примерно в течение трех месяцев до масштабных событий приборы фиксировали аномальную слабую активность примерно на 15–25% территории южной и центральной Аляски и Южной Калифорнии.
Анализ показал, что волнения, предшествующие крупным землетрясениям, в основном связаны с сейсмической активностью магнитудой ниже 1,5 баллов. Ученые написали алгоритмы, которые обучают нейросеть интерпретировать данные и делать прогнозы для выявления аномальной сейсмической активности.
Используя эту программу, ученые обнаружили, что ИИ показывал возросшую до 80% вероятность сильного землетрясения в течение 30 дней примерно за три месяца до землетрясения 30 ноября на Аляске. За несколько дней до землетрясения вероятность возросла до 85%. Схожие результаты ученые получили при загрузке в модель данных наблюдений в преддверии землетрясения в Калифорнии.
Исследователи предлагают геологическую причину для объяснения слабых предшествующих колебаний: значительное увеличение давления поровой жидкости в разломе. Высокое давление может потенциально привести к сдвигу разлома, если давление достаточно для преодоления сопротивления трения между блоками породы по обе стороны разлома.
Современные сейсмические сети производят огромные наборы данных, которые при правильном анализе могут предложить ценную информацию о предвестниках землетрясений. Но метод не следует применять в новых регионах без обучения алгоритма исторической сейсмичности этого района. Разработанный алгоритм протестируют в ситуациях, близких к реальному времени, в попытке решить потенциальные проблемы прогнозирования землетрясений.
