Con una creciente riqueza de datos sísmicos y poder de cómputo a su disposición, los sismólogos están recurriendo cada vez más a una disciplina llamada aprendizaje automático para comprender mejor y predecir patrones complicados en la actividad sísmica.
En una sección de enfoque publicada en la revista Cartas de investigación sismológica , los investigadores describen cómo están utilizando métodos de aprendizaje automático para perfeccionar las predicciones de actividad sísmica, identificar centros sísmicos, caracterizar diferentes tipos de ondas sísmicas y distinguir la actividad sísmica de otros tipos de "ruido" del suelo.
El aprendizaje automático se refiere a un conjunto de algoritmos y modelos que permiten a las computadoras identificar y extraer patrones de información de grandes conjuntos de datos. Los métodos de aprendizaje automático a menudo descubren estos patrones a partir de los datos mismos, sin referencia a los mecanismos físicos del mundo real representadospor los datos. Los métodos se han utilizado con éxito en problemas como la imagen digital y el reconocimiento de voz, entre otras aplicaciones.
Más sismólogos están utilizando los métodos, impulsados por "el creciente tamaño de los conjuntos de datos sísmicos, las mejoras en el poder computacional, los nuevos algoritmos y la arquitectura y la disponibilidad de marcos de aprendizaje automático de código abierto fáciles de usar", escriben los editores de la sección de enfoque KarianneBergen de la Universidad de Harvard, Ting Cheng del Laboratorio Nacional de Los Alamos y Zefeng Li de Caltech.
Varios investigadores están utilizando una clase de métodos de aprendizaje automático llamados redes neuronales profundas, que pueden aprender las complejas relaciones entre cantidades masivas de datos de entrada y su salida prevista. Por ejemplo, Farid Khosravikia y sus colegas de la Universidad de Texas, Austin muestran cómoSe puede utilizar un tipo de red neuronal profunda para desarrollar modelos de movimiento de tierra para terremotos naturales e inducidos en Oklahoma, Kansas y Texas. La naturaleza inusual del creciente número de terremotos causados por la eliminación de aguas residuales de petróleo en la región hace que sea esencial predecir el movimiento del suelopara futuros terremotos y posiblemente mitigar su impacto.
Las técnicas de aprendizaje automático podrían usarse cada vez más en el futuro cercano para preservar registros analógicos de terremotos pasados. A medida que los medios en los que se graban estos datos se degradan gradualmente, los sismólogos están en una carrera contra el tiempo para proteger estos valiosos registros. Métodos de aprendizaje automático quepuede identificar y categorizar imágenes que se pueden utilizar para capturar estos datos de manera rentable, según Kaiwen Wang, de la Universidad de Stanford y sus colegas, quienes probaron las posibilidades en la película de sismógrafo analógico del experimento de control de terremotos Rangely del Servicio Geológico de EE. UU.
Los métodos de aprendizaje automático también ya están vigentes en aplicaciones como MyShake, para recolectar y analizar datos de la red sísmica global de teléfonos inteligentes de crowdsourcing, según Qingkai Kong de la Universidad de California, Berkeley y sus colegas.
Otros investigadores están utilizando algoritmos de aprendizaje automático para examinar datos sísmicos para identificar mejor las réplicas de terremotos, la actividad sísmica volcánica y para monitorear el temblor tectónico que marca la deformación en los límites de las placas donde podrían ocurrir terremotos de megathrust. Algunos estudios utilizan técnicas de aprendizaje automático para localizar terremotosorígenes y para distinguir pequeños terremotos de otros "ruidos" sísmicos en el medio ambiente.
Fuente de la historia :
Materiales proporcionados por Sociedad Sismológica de América . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :