Новая система машинного обучения позволяет прогнозировать землетрясения с точностью до часов.

Новости МирТесен

Сейсмологи из Японии использовали нейронную сеть, обученную на обширном массиве смоделированных сейсмических событий, чтобы понять принципы анализа данных искусственным интеллектом. Прогнозы о времени наступления землетрясений в лабораторных условиях оказались верными с точностью до нескольких часов перед основным событием.

Изучение и прогнозирование землетрясений является одним из ключевых направлений в геологии. Однако, из-за ограниченности исторических данных о землетрясениях и сложности выявления закономерностей, определяющих их возникновение, искусственный интеллект может оказаться полезным инструментом в таких исследованиях. Этот подход уже продемонстрировал свою результативность. Например, система машинного обучения, прослушивая акустический сигнал лабораторных землетрясений, научилась предсказывать толчки по данным, которые люди раньше принимали за шум. Примечательно, что она не знала о прошлых землетрясениях и основывалась на мгновенных физических характеристиках.

Тем не менее, применение нейросетей для прогнозирования активности настоящих геологических разломов пока представляется преждевременным. Во-первых, интервалы между землетрясениями обычно составляют столетия или тысячелетия, а для точных предсказаний требуются данные с детализацией за месяцы и дни.

Специалисты по землетрясениям до сих пор не выяснили, как именно система машинного обучения позволяет прогнозировать лабораторные землетрясения. Одним из возможных объяснений является анализ работы искусственного интеллекта при обработке данных о «искусственных разломах», возникающих вследствие известных факторов.

Японские ученые из Киото провели исследование, посвященное данной проблеме. Для этого они использовали каталог, содержащий данные о 18 тысячах землетрясений, полученные в результате моделирования сейсмической активности за 900 лет. Этот каталог ранее работали другие сейсмологи из Японии, которые установили, что крупные форшоки (предшествующие толчки) как раз перед мейншоками (главные удары) показывают характерное увеличение частоты. В новом исследовании, опубликованном в журнале Geophysical Research Letters, эксперты решили изучить, как нейронная сеть будет оценивать временной интервал до основных подземных ударов, опираясь на ранее смоделированные сейсмические события.

Ученые, проводившие исследование, отнесли все сейсмические колебания, за исключением основных толчков, к предвестникам (форшокам), мотивируя это тем, что число последующих подземных ударов оказалось незначительным. Однако нейронная сеть не поддерживала подобную классификацию и обрабатывала информацию с использованием стандартного, но действенного метода для целей прогнозирования методом случайного леса. Затем исследователи проанализировали, как точность прогнозов зависит от объема используемых данных для обучения (интервала и количества толчков), и создали каталог смоделированных землетрясений, охватывающий двухтысячелетний период.

Анализ показал, что нейросеть, обученная на данных о нескольких землетрясениях, способна прогнозировать признаки предстоящего мейншока, если до него остается менее часа. Однако, данный метод слишком восприимчив к колебаниям, имитирующим мейншок, когда за короткое время происходит множество толчков. Таким образом, при увеличении периода наблюдения точность прогнозирования снижается.

В противоположность этому, искусственный интеллект, использующий обширные наборы данных, испытывал затруднения при распознавании признаков скорого главного толчка, но позволял выявлять общие тенденции. Оптимальную эффективность продемонстрировала модель с умеренным объемом сетей – она учитывала как долгосрочные изменения, так и краткосрочную последовательность событий. Точность такого прогноза достигла 0,89 при максимально возможном значении в 1,00.

Сейсмологи предполагают, что способность модели искусственного интеллекта предсказывать лабораторные землетрясения обусловлена тем, как нейронная сеть обрабатывает изменения в сейсмических волнах и интервалы между повторениями толчков. Увеличение объема информации для обучения привело к ожидаемым результатам: чем меньше данных использовалось, тем ниже была точность прогнозов; однако существенного улучшения качества не было зафиксировано при анализе 115 циклов главных землетрясений по сравнению с использованием 41 циклом. Исследователи пришли к выводу о достижении нейросетью своего максимального потенциала.

Такой метод обучения искусственного интеллекта позволяет прогнозировать время до основного толчка с высокой степенью достоверности. Прогнозы эффективны как в долгосрочной перспективе, охватывающей десятилетия и предшествующей землетрясениям, так и в краткосрочном периоде – часы или минуты непосредственно перед главным ударом.

В дальнейшем потребуется оценить эффективность модели при работе с реальными сейсмическими каталогами, которые часто содержат ограниченное количество данных (например, за несколько десятилетий). Кроме того, эксперименты проводились на одном разломе глубиной 2,4 километра, и остается неясным, сможет ли новая система функционировать в более сложных геологических условиях. В заключение, пока не установлено, будет ли подобная система эффективна при анализе данных о настоящих землетрясениях.

Следует отметить, что компании Waymo и другие организации, разрабатывающие беспилотные автомобили, уже применяют обучение нейронных сетей на основе программного моделирования вождения – подход, аналогичный лабораторным исследованиям землетрясений. Разработчики полагались на то, что объем симуляций может значительно превышать реальный опыт вождения, чтобы улучшить навыки управления машиной.

Оказалось, что симуляция вождения не воспроизводит всех нюансов реального вождения, поэтому на практике даже так называемые беспилотные автомобили по-прежнему нуждаются в удаленном контроле инженеров при возникновении критически сложных ситуаций.