Onderzoek naar machinaal leren dat vandaag in twee gerelateerde papers is gepubliceerd Natuur Geowetenschappen rapporteert de detectie van seismische signalen die nauwkeurig de langzame slip van de Cascadia-fout voorspellen, een type storing dat voorafgaat aan grote aardbevingen in andere subductiezones.

Los Alamos National Laboratory-onderzoekers pasten machine learning toe om Cascadia-gegevens te analyseren en ontdekten dat de megathrust-uitzendingen een constante beving waren, een vingerafdruk van de verplaatsing van de fout. Belangrijker, ze vonden een directe parallel tussen de luidheid van het akoestische signaal van de fout en de fysieke veranderingen. Cascadia's gekreun, voorheen verdisconteerd als zinloos geluid, voorspelde zijn kwetsbaarheid.

"Het gedrag van Cascadia was begraven in de gegevens. Tot machine learning precieze patronen onthulde, we hebben allemaal het continue signaal weggegooid als ruis, maar het stond vol met rijke informatie. We ontdekten een zeer voorspelbaar geluidspatroon dat slippen en defecten aangeeft, " zei Los Alamos-wetenschapper Paul Johnson. "We hebben ook een nauwkeurig verband gevonden tussen de kwetsbaarheid van de fout en de sterkte van het signaal, die ons kan helpen een megabeving nauwkeuriger te voorspellen."

De nieuwe artikelen zijn geschreven door Johnson, Bertrand Rouet-Leduc en Claudia Hulbert van de afdeling Aard- en Milieuwetenschappen van het laboratorium, Christopher Ren van de Intelligence and Space Research Division van het laboratorium en medewerkers van de Pennsylvania State University.

Machine learning verplettert enorme seismische datasets om verschillende patronen te vinden door te leren van zelfaanpassende algoritmen om beslissingsbomen te creëren die een reeks vragen en antwoorden selecteren en opnieuw testen. Vorig jaar, het team simuleerde een aardbeving in een laboratorium, met behulp van stalen blokken interactie met rotsen en zuigers, en opgenomen geluiden die ze analyseerden door machine learning. Ze ontdekten dat de talrijke seismische signalen, voorheen verdisconteerd als zinloos geluid, vastgesteld wanneer de gesimuleerde fout zou uitglijden, een belangrijke stap vooruit in de voorspelling van aardbevingen. sneller, krachtigere aardbevingen hadden luidere signalen.

Het team besloot hun nieuwe paradigma toe te passen op de echte wereld:Cascadia. Uit recent onderzoek blijkt dat Cascadia actief is geweest, maar de opgemerkte activiteit was schijnbaar willekeurig. Dit team analyseerde 12 jaar echte gegevens van seismische stations in de regio en vond vergelijkbare signalen en resultaten:de constante trillingen van Cascadia kwantificeren de verplaatsing van het langzaam wegglijdende deel van de subductiezone. In het laboratorium, de auteurs identificeerden een soortgelijk signaal dat nauwkeurig een breed scala aan storingsfouten voorspelde. Zorgvuldige monitoring in Cascadia kan nieuwe informatie opleveren over de vergrendelde zone om een ​​systeem voor vroegtijdige waarschuwing te bieden.