پیش بینی مکان پس لرزه با آموزش و توسعه شبکه عصبی ممکن شد. متخصصان کمپانی گوگل و هاروارد این روش جدید را ابداع کردهاند.
به گزارش تکراتو، محققان گوگل و هاروارد توانستهاند از طریق آموزش شبکه عصبی به پیش بینی مکان پس لرزه بپردازند. آنها برای این منظور یک پایگاه داده که شامل ۱۳۱ هزار رویداد زلزله-پس لرزه به دنبال الگوهای معنی دار باشد، ایجاد کردهاند. در ادامه کارایی شبکه روی مجموعهای از ۳۰ هزار جفت رویداد زمین لرزه-پس لرزه آزمایش شده است.
بیشتر بخوانید: زلزله ۵.۹ ریشتری بامداد امروز کرمانشاه را لرزاند؛ ۲ کشته ۲۴۱ زخمی
پیش بینی مکان پس لرزه از طریق شبکه عصبی
این تیم تحقیاتی اعلام کردهاند که شبکه عصبی توانسته نسبت به روشهای معمولی مانند تغییر تنش شکست کولمب به نتایج بسیار بهتری دست یابد. اگر برای تعیین دقت این پیش بینیها امتیازی بین صفر تا یک در نظر گرفته شود، امتیار روش کولمب برابر ۰.۵۸۳ و امتیاز شبکه عصبی برابر ۰.۸۴۹ است که بهتر است.
دلیل این برتری این است که روش ﺷﻜﺴﺖ ﻛﻮﻟﻤﺐ، تنها یک جنبه تغییرات تنش را در نظر میگیرد، اما این میزان برای شبکه عصبی چند وجهی است.
بیشتر بخوانید: بزرگترین زلزله های جهان و ایران؛ ۲۰ مورد از شدیدترین زمین لرزه های دنیا
پیش بینی مکان پس لرزه با استفاده از یک مدل یادگیری عمیق و به لطف محاسبات پیچیدهای به نام معیار تسلیم فونمایز انجام میشود که کاربرد اصلی آن پیش بینی زمان شکست مواد تحت فشار است. این مدل قبلا بیشتر در زمینههایی نظیر فلزات به کار برده شده و در علم زلزله توجه چندانی به آن نشده است.
محققان تاکید کردهاند که پروژه آنها حین پیش بینی تنها یک نوع از شروع پس لرزه (تغییرات تنش ایستا) را در نظر میگیرد اما در صورتی که تغییرات پویا هم به شبکه اضافه شود میتوان به توزیع فضایی پس لرزهها دست پیدا کرد.
با توجه به اینکه شبکههای عصبی با آزمون و خطا و گذشت زمان بهبود پیدا میکنند، میتوان این تحقیق را شروعی موفق برای کاهش خسارات جانی و مالی زلزلهها به شمار آورد.
بیشتر بخوانید:
- تشخیص زلزله با فیبر نوری ممکن شد؛ روشی نوین برای تشخیص وقوع زلزله
- پروژه هارپ چیست و چه ارتباطی با زلزله دارد؟
- آیا پیش بینی زلزله با هوش مصنوعی محقق خواهد شد؟
.
منبع: engadget
آیا در زمینه ای تخصص و تجربه کافی را دارید؟ دانش خود را با کاربران تکراتو به اشتراک بگذارید. برای کسب اطلاعات بیشتر با ما تماس بگیرید.