Studiet av jordbävningar är fortfarande ett huvudintresse över hela världen eftersom det är en av de minst förutsägbara naturkatastroferna. I en ny recension publicerad i Artificial Intelligence in Geosciences , undersökte ett team av forskare från Frankrike och Turkiet vilken roll konventionella verktyg som seismometrar och GPS spelar för att förstå jordbävningar och deras efterdyningar.
"Dessa verktyg har gett ovärderliga insikter i olika seismiska parametrar, såsom markdeformation och förskjutningsvågor. De möter dock flera begränsningar, inklusive oförmågan att förutsäga jordbävningar i realtid, utmaningar med tidsupplösning och ojämn rumslig täckning." förklarar Joshua Pwavodi, huvudförfattare till recensionen. "Trots deras historiska betydelse kämpar dessa verktyg för att skilja seismiska signaler från omgivningsbrus."
Ändå noterar författarna att de senaste framstegen inom AI och IoT avsevärt har åtgärdat några av dessa begränsningar. AI-metoder har visat sig vara avgörande för att identifiera intrikata mönster och komplexa samband inom historiska seismiska data. Genom att utnyttja AI har unika insikter i seismiska mönster över olika geologiska platser erhållits.
"Både klassiska och avancerade maskininlärningstekniker har bidragit till utvecklingen av robusta system för tidig varning och decentraliserade prediktionsmodeller. IoT-enheter har också spelat en avgörande roll genom att möjliggöra sömlös dataöverföring för realtidsövervakning", tillägger Pwavodi.
Mångsidigheten hos IoT-enheter förbättrar datatillgänglighet och lagring, vilket skapar ett dynamiskt nätverk för jordbävningsförutsägelse. Men utmaningar som beräkningskomplexitet, datakvalitet och tolkningsbarhet kvarstår. En stor begränsning är integrationen av primära hydrogeologiska mätningar i AI-modellträning.
Övervakning av hydrogeologiska data, inklusive por-vätsketryck och vätskeflöde, är ofta kostsamt. Verktyg som Circulation Obviation Retrofit Kits (CORKs) tillhandahåller mätningar på plats av dessa parametrar, men dataöverföring sker inte alltid i realtid, till skillnad från IoT-system.
"För att möta dessa utmaningar föreslog vi ett omfattande tillvägagångssätt som integrerar olika datauppsättningar, inklusive seismisk, GPS, meteorologisk och IoT-sensordata", säger Pwavodi. "Genom att kombinera dessa datauppsättningar kan forskare utveckla mer robusta jordbävningsprediktionsmodeller som står för olika bidragande faktorer."
Specifikt föreslår författarna att integrera IoT-enheter med verktyg som Circulation Obviation Retrofit Kits (CORKs) för att möjliggöra realtidsöverföring av hydrogeologiska mätningar som påverkar jordbävningar. Dessa realtidsdata, i kombination med andra datauppsättningar, kan användas för att konstruera prediktiva AI-modeller som kan ge jordbävningsförutsägelser i realtid.
Mer information: Joshua Pwavodi et al, The role of artificiell intelligens och IoT i förutsägelse av jordbävningar:Review, Artificial Intelligence in Geosciences (2024). DOI:10.1016/j.aiig.2024.100075
Tillhandahålls av KeAi Communications Co.
