Εργαλεία πρόγνωσης σεισμών που βασίζονται στην Τεχνητή Νοημοσύνη μπορούν να εκτιμήσουν τον κίνδυνο μετασεισμών λίγα δευτερόλεπτα μετά τον αρχικό σεισμό, σύμφωνα με νέα μελέτη. Ερευνητές από το Πανεπιστήμιο του Εδιμβούργου, τη Βρετανική Γεωλογική Υπηρεσία και το Πανεπιστήμιο της Πάδοβας, ανέπτυξαν εργαλεία πρόγνωσης, εκπαιδεύοντας μοντέλα μηχανικής μάθησης σε σεισμολογικά δεδομένα. Τα δεδομένα προήλθαν από περιοχές που βιώνουν συχνά σεισμούς, όπως η Καλιφόρνια, η Νέα Ζηλανδία, η Ιταλία, η Ιαπωνία και η Ελλάδα.
Η ομάδα εξέτασε κατά πόσο τα μοντέλα τεχνητής νοημοσύνης μπορούν να προβλέψουν τον αριθμό των μετασεισμών που θα ακολουθήσουν μέσα σε 24 ώρες μετά από σεισμούς μεγέθους 4 και άνω στην κλίμακα Ρίχτερ. Στη συνέχεια συνέκριναν την απόδοση των μοντέλων με το πιο διαδεδομένο σύστημα πρόγνωσης, το μοντέλο ETAS (Epidemic-Type Aftershock Sequence), το οποίο χρησιμοποιείται στην Ιταλία, τη Νέα Ζηλανδία και τις ΗΠΑ.
Παρότι οι δύο τύποι μοντέλων παρουσιάζουν παρόμοια ακρίβεια στην πρόβλεψη κινδύνου μετασεισμών, το μοντέλο ETAS χρειαζόταν αρκετές ώρες ή και ημέρες σε έναν μεσαίας κατηγορίας υπολογιστή για να παράγει αποτελέσματα. Αντίθετα, τα μοντέλα που ανέπτυξαν οι ερευνητές μπορούσαν να δώσουν αποτέλεσμα πολύ πιο γρήγορα, επιτρέποντας έγκαιρη προειδοποίηση για πιθανές επόμενες δονήσεις.
Η υποψήφια διδάκτορας Φωτεινή Δερβίση, από τη Σχολή Γεωεπιστημών του Πανεπιστημίου του Εδιμβούργου και τη Βρετανική Γεωλογική Υπηρεσία, η οποία ηγήθηκε της μελέτης, δήλωσε:
«Η μελέτη μας δείχνει ότι τα μοντέλα μηχανικής μάθησης μπορούν να προβλέψουν μετασεισμούς μέσα σε δευτερόλεπτα, με ποιότητα συγκρίσιμη με εκείνη των προβλέψεων του ETAS. Η ταχύτητά τους και το χαμηλό υπολογιστικό κόστος τους προσφέρουν σημαντικά οφέλη για επιχειρησιακή χρήση. Σε συνδυασμό με την ανάπτυξη καταλόγων σεισμών υψηλής ανάλυσης που βασίζονται στη μηχανική μάθηση σε σχεδόν πραγματικό χρόνο, αυτά τα μοντέλα θα ενισχύσουν την ικανότητά μας να παρακολουθούμε και να κατανοούμε τις σεισμικές δονήσεις καθώς εξελίσσονται».
Οι γρήγορες προβλέψεις που παράγουν τα εργαλεία αυτά θα μπορούσαν να βοηθήσουν τις αρχές στη λήψη αποφάσεων για μέτρα δημόσιας ασφάλειας και κατανομή πόρων σε περιοχές που έχουν πληγεί από καταστροφές.
Η έρευνα δημοσιεύθηκε στο επιστημονικό περιοδικό Earth, Planets and Space και υποστηρίχθηκε από το πρόγραμμα έρευνας και καινοτομίας Horizon 2020 της Ευρωπαϊκής Ένωσης, στο πλαίσιο του δικτύου κατάρτισης Marie Sklodowska-Curie SPIN Innovative Training Network.
