De studie van aardbevingen blijft wereldwijd een van de belangrijkste interesses, aangezien het een van de minst voorspelbare natuurrampen is. In een nieuwe recensie gepubliceerd in Artificial Intelligence in Geosciences , onderzocht een team van onderzoekers uit Frankrijk en Turkije de rol van conventionele hulpmiddelen zoals seismometers en GPS bij het begrijpen van aardbevingen en de nasleep ervan.

"Deze tools hebben waardevolle inzichten opgeleverd in verschillende seismische parameters, zoals grondvervorming en verplaatsingsgolven. Ze worden echter geconfronteerd met verschillende beperkingen, waaronder het onvermogen om aardbevingen in realtime te voorspellen, uitdagingen met temporele gegevensresolutie en ongelijke ruimtelijke dekking", zegt hij. legt Joshua Pwavodi, hoofdauteur van de recensie, uit. "Ondanks hun historische betekenis hebben deze instrumenten moeite om seismische signalen te onderscheiden van omgevingsgeluid."

Niettemin merken de auteurs op dat recente ontwikkelingen op het gebied van AI en IoT een aantal van deze beperkingen aanzienlijk hebben aangepakt. AI-methodologieën zijn behulpzaam gebleken bij het identificeren van ingewikkelde patronen en complexe relaties binnen historische seismische gegevens. Door gebruik te maken van AI zijn unieke inzichten verkregen in seismische patronen op diverse geologische locaties.

"Zowel klassieke als geavanceerde technieken voor machinaal leren hebben bijgedragen aan de ontwikkeling van robuuste systemen voor vroegtijdige waarschuwing en gedecentraliseerde voorspellingsmodellen. IoT-apparaten hebben ook een cruciale rol gespeeld door naadloze gegevensoverdracht voor realtime monitoring mogelijk te maken", voegt Pwavodi toe.

De veelzijdigheid van IoT-apparaten verbetert de toegankelijkheid en opslag van gegevens, waardoor een dynamisch netwerk ontstaat voor het voorspellen van aardbevingen. Er blijven echter uitdagingen zoals computationele complexiteit, datakwaliteit en interpreteerbaarheid bestaan. Een belangrijke beperking is de integratie van primaire hydrogeologische metingen in de training van AI-modellen.

Het monitoren van hydrogeologische gegevens, waaronder de vloeistofdruk in de poriën en de vloeistofstroming, is vaak kostbaar. Tools zoals de Circulation Obviation Retrofit Kits (CORK's) bieden in-situ metingen van deze parameters, maar de gegevensoverdracht vindt niet altijd in realtime plaats, in tegenstelling tot IoT-systemen.

"Om deze uitdagingen aan te pakken, hebben we een alomvattende aanpak voorgesteld die diverse datasets integreert, waaronder seismische, GPS-, meteorologische en IoT-sensorgegevens", zegt Pwavodi. "Door deze datasets te combineren, kunnen onderzoekers robuustere modellen voor het voorspellen van aardbevingen ontwikkelen die rekening houden met verschillende bijdragende factoren."

Concreet stellen de auteurs voor om IoT-apparaten te integreren met tools zoals Circulation Obviation Retrofit Kits (CORKs) om realtime transmissie van hydrogeologische metingen die aardbevingen beïnvloeden mogelijk te maken. Deze realtime gegevens kunnen, gecombineerd met andere datasets, worden gebruikt om voorspellende AI-modellen te construeren die in staat zijn aardbevingsvoorspellingen in realtime te leveren.

Meer informatie: Joshua Pwavodi et al, De rol van kunstmatige intelligentie en IoT bij het voorspellen van aardbevingen:recensie, Kunstmatige intelligentie in geowetenschappen (2024). DOI:10.1016/j.aiig.2024.100075

Aangeboden door KeAi Communications Co.