Сейсмологи используют глубокое обучение для прогнозирования землетрясений

Команда исследователей из Калифорнийского университета в Санта-Крузе и Технического университета Мюнхена разработала новую модель для прогнозирования афтершоков — Recurrent Earthquake foreCAST (RECAST), основанную на глубоком обучении. Как показано в статье, опубликованной в Geophysical Research Letters, эта модель более гибкая и масштабируемая по сравнению с десятилетиями используемой моделью Epidemic Type Aftershock Sequence (ETAS).

Новая модель превзошла ETAS при работе с каталогами землетрясений объемом около 10 000 событий и более. Традиционная модель ETAS была создана для работы с небольшими объемами данных 1980-90-х годов, в то время как современные сейсмологические каталоги могут содержать миллионы записей. «Старая модель просто не могла справиться с таким объемом данных», — отметила соавтор исследования, профессор Эмили Бродски.

Модель RECAST продемонстрировала несколько более высокую точность в прогнозировании афтершоков по реальным данным из каталога Южной Калифорнии, особенно с ростом объема данных, а также значительное преимущество в вычислительных затратах и времени для больших каталогов. Её ключевое преимущество — гибкость и способность обучаться на данных из разных регионов, что открывает возможности для улучшения прогнозов в малоизученных зонах. Как отметил ведущий автор Келиан Дашер-Кузино, следующая цель — использовать для прогнозирования всю доступную информацию о движении грунта, а не только каталогизированные события.