University of Melbourne forskare har utvecklat ett mjukvaruverktyg som använder tillämpad matematik och big data -analys för att förutsäga gränsen för var ett jordskred kommer att inträffa, två veckor i förväg.

Professor Antoinette Tordesillas från matematik- och statistikskolan sa att det alltid finns varningstecken i samband med en kollaps eller 'misslyckande', den knepiga delen är att identifiera vad de är.

"Dessa varningar kan vara subtila. Att identifiera dem kräver grundläggande kunskap om misslyckande på mikrostrukturnivå - rörelse av enskilda jordkorn, "Sade professor Tordesillas.

"Självklart, vi kan omöjligt se rörelsen av enskilda korn i ett jordskred eller jordbävning som sträcker sig i kilometer, men om vi kan identifiera de egenskaper som kännetecknar misslyckande i småskaliga, vi kan belysa hur misslyckande utvecklas i tid, oavsett storleken på det område vi observerar. "

Dessa tidiga ledtrådar inkluderar rörelsemönster som förändras med tiden och blir synkroniserade.

"I början, rörelsen är mycket störd, "sade professor Tordesillas." Men när vi närmar oss misslyckandet - ett sandslott kollapsar, spricka i trottoaren eller glida i en dagbrott - rörelse ordnas när olika platser plötsligt rör sig på liknande sätt.

"Vår modell avkodar dessa data om rörelse och gör det till ett nätverk, så att vi kan extrahera de dolda mönstren i rörelse och hur de förändras i rum och tid. Tricket är att upptäcka de ordnade rörelserna i nätverket så tidigt som möjligt, när rörelser är mycket subtila. "

Professor Robin Batterham från Institutionen för kemisk och biomolekylär teknik säger att den nya programvaran fokuserar på att förvandla algoritmer och stora data till riskbedömning och hanteringsåtgärder som kan rädda liv.

"Människor har gått något överbord på så kallad dataanalys, maskininlärning och så vidare, "sade professor Batterham.

"Medan vi har gjort den här typen av saker i 40 år, denna programvara utnyttjar datorkraften och det tillgängliga minnet för att inte bara titta på ytrörelsen, men extrahera de relevanta datamönstren. Vi kan göra saker som bara var ofattbara i matematisk mening för 30 år sedan.

"Vi kan nu förutsäga när en soptipp kan komma att gå sönder i ett utvecklingsland, när en byggnad kommer att spricka eller grunden kommer att röra sig, när en damm kan gå sönder eller ett lerskred inträffar. Denna programvara kan verkligen göra skillnad. "