• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Naturaleza
    La señal detectada por aprendizaje automático predice el tiempo hasta el terremoto

    Los investigadores del Laboratorio Nacional de Los Alamos aplicaron su experiencia en aprendizaje automático para predecir terremotos a lo largo de Cascadia, una falla de 700 millas de largo desde el norte de California hasta el sur de Columbia Británica que flanquea ciudades como Seattle. Los resultados se publican hoy en dos artículos en Naturaleza Geociencia . Crédito:Laboratorio Nacional de Los Alamos

    Investigación sobre aprendizaje automático publicada en dos artículos relacionados hoy en Naturaleza Geociencia informa la detección de señales sísmicas que predicen con precisión el deslizamiento lento de la falla de Cascadia, un tipo de falla que se observa que precede a grandes terremotos en otras zonas de subducción.

    Los investigadores del Laboratorio Nacional de Los Alamos aplicaron el aprendizaje automático para analizar los datos de Cascadia y descubrieron que el megathrust transmite un temblor constante, una huella digital del desplazamiento de la falla. Más importante, encontraron un paralelo directo entre el volumen de la señal acústica de la falla y sus cambios físicos. Los gemidos de Cascadia, previamente descartado como ruido sin sentido, predijo su fragilidad.

    "El comportamiento de Cascadia estaba enterrado en los datos. Hasta que el aprendizaje automático reveló patrones precisos, todos descartamos la señal continua como ruido, pero estaba lleno de rica información. Descubrimos un patrón de sonido altamente predecible que indica deslizamiento y falla, ", dijo el científico de Los Alamos Paul Johnson." También encontramos un vínculo preciso entre la fragilidad de la falla y la fuerza de la señal, lo que puede ayudarnos a predecir con mayor precisión un mega terremoto ".

    Los nuevos artículos fueron escritos por Johnson, Bertrand Rouet-Leduc y Claudia Hulbert de la División de Ciencias de la Tierra y Ambientales del Laboratorio, Christopher Ren de la División de Investigación Espacial e Inteligencia del Laboratorio y colaboradores de la Universidad Estatal de Pensilvania.

    El aprendizaje automático procesa conjuntos de datos sísmicos masivos para encontrar patrones distintos mediante el aprendizaje de algoritmos de autoajuste para crear árboles de decisión que seleccionan y vuelven a probar una serie de preguntas y respuestas. El año pasado, el equipo simuló un terremoto en un laboratorio, utilizando bloques de acero que interactúan con rocas y pistones, y grabaron sonidos que analizaron mediante aprendizaje automático. Descubrieron que las numerosas señales sísmicas, previamente descartado como ruido sin sentido, señalado cuándo se deslizaría la falla simulada, un gran avance hacia la predicción de terremotos. Más rápido, los terremotos más poderosos tenían señales más fuertes.

    El equipo decidió aplicar su nuevo paradigma al mundo real:Cascadia. Investigaciones recientes revelan que Cascadia ha estado activo, pero la actividad notada ha sido aparentemente aleatoria. Este equipo analizó 12 años de datos reales de estaciones sísmicas en la región y encontró señales y resultados similares:los temblores constantes de Cascadia cuantifican el desplazamiento de la parte de la zona de subducción que se desliza lentamente. En el laboratorio, los autores identificaron una señal similar que predijo con precisión una amplia gama de fallas. La vigilancia cuidadosa en Cascadia puede proporcionar nueva información sobre la zona cerrada para proporcionar un sistema de alerta temprana.


    © Ciencia https://es.scienceaq.com