Использование ИИ для прогнозирования землетрясений: Машинное обучение обнаруживает тонкие изменения перед разрушением разлома в лабораторных условиях

Исследователи из Университета Киото успешно применили передовые алгоритмы машинного обучения для прогнозирования лабораторных землетрясений на метровом масштабе. Модели, обученные на данных о микросейсмических акустических сигналах (форшоках), смогли точно обнаружить тонкие предвестниковые сигналы, возникающие непосредственно перед разрывом в эксперименте по трению горных пород, имитирующем "залипание-проскальзывание".

Эта работа важна, так как переносит перспективную технологию прогнозирования из сантиметровых лабораторных экспериментов на более крупные и сложные системы, которые лучше отражают физические процессы и временные масштабы, действующие в реальных разломах земной коры. Исследование помогает преодолеть разрыв между лабораторными исследованиями и природными системами разломов.

Ключевым прогностическим фактором, выявленным при сравнении с физическим численным моделированием, оказалась эволюция напряжения сдвига в "ползущих" (медленно скользящих) областях разлома. "Эти локальные изменения напряжения дают более диагностическую информацию, чем среднее напряжение по всему разлому, что подчеркивает важность мониторинга пространственно неоднородного поведения разлома", — поясняет руководитель группы Ёсихиро Канэко. Исследование устанавливает физическую основу для понимания финальных стадий подготовки разлома к разрыву.