DeepShake использует машинное обучение для быстрой оценки интенсивности сейсмических толчков

Глубокие пространственно-временные нейронные сети, обученные на данных более чем 36 000 землетрясений, предлагают новый способ быстрого прогнозирования интенсивности сотрясения грунта после начала землетрясения. Об этом сообщили исследователи на ежегодном собрании Сейсмологического общества Америки (SSA) в 2021 году. Система DeepShake, разработанная в Стэнфордском университете, анализирует сейсмические сигналы в реальном времени и выдаёт заблаговременное предупреждение о сильных толчках на основе характеристик самых ранних зарегистрированных волн.

Испытания на данных землетрясения в Риджкресте (Калифорния) магнитудой 7.1, произошедшего 5 июля 2019 года, показали эффективность подхода. DeepShake отправила смоделированные оповещения за 7–13 секунд до прихода сильных сотрясений в различные точки района Риджкреста. Ключевая новизна метода заключается в использовании глубокого обучения для прямого прогнозирования по сейсмограммам, без промежуточных этапов.

Как пояснили разработчики, многие традиционные системы раннего предупреждения сначала определяют местоположение и магнитуду землетрясения, а затем рассчитывают ожидаемые колебания грунта. Каждый из этих шагов может вносить ошибки. Нейронная сеть DeepShake обучается напрямую на данных с предварительно выбранной сети станций, изучая оптимальные признаки для прогноза будущих толчков. «Мы заметили, что такие сети могут научиться самым интересным вещам, и им, возможно, не нужны эпицентр и магнитуда для хорошего прогноза», — отметил Дэниел Дж. Ву.

Исследователи видят DeepShake как дополнение к действующей в Калифорнии системе ShakeAlert. «Мы очень рады расширить DeepShake за пределы Риджкреста и адаптировать нашу работу для реальных условий», — добавил Авой Датта.