Программное обеспечение для моделирования выявляет закономерности в непрерывных сейсмических сигналах во время серии землетрясений с залипанием магнитудой 5

Исследователи из Национальной лаборатории в Лос-Аламосе впервые применили машинное обучение для обнаружения скрытых сигналов, предшествующих землетрясениям на разломе с залипанием — типе разлома, способного вызывать катастрофические разрушения. Работа основана на данных, записанных обсерваторией Гавайского вулкана Геологической службы США на вулкане Килауэа в период с 1 июня по 2 августа 2018 года.

Это достижение важно, поскольку оно впервые позволило отслеживать цикл накопления напряжения в разломе такого типа. Метод анализирует непрерывные акустические или сейсмические эмиссии — слабые толчки, создаваемые движением тектонических плит, которые ранее считались просто шумом. Исследователи обнаружили, что эти сигналы содержат информацию о физических свойствах разлома и демонстрируют предсказуемые закономерности, указывающие на приближение крупного смещения.

«Мы хотели выяснить, сможем ли мы извлечь сигналы из шума и определить, на каком этапе цикла нагружения находится система, приближаясь к крупному срыву, который вызывает землетрясения», — пояснил сейсмолог Кристофер Джонсон. Модель машинного обучения, проанализировав 30-секундные окна сейсмических данных, смогла оценить смещение грунта и время до следующего разрушения по разлому во время серии из более чем 50 землетрясений, включая события магнитудой 5. Результаты, опубликованные в Geophysical Research Letters, указывают на общую физику различных разломов, что открывает путь к глобальной оценке сейсмической опасности.