DeepShake utilise l’apprentissage automatique pour estimer rapidement l’intensité des tremblements de terre – Technoguide

Un réseau neuronal spatio-temporel profond formé sur plus de 36000 tremblements de terre offre une nouvelle façon de prédire rapidement l’intensité des secousses du sol une fois qu’un tremblement de terre est en cours, rapportent des chercheurs lors de la réunion annuelle 2021 de la Seismological Society of America (SSA).

DeepShake analyse les signaux sismiques en temps réel et émet un avertissement avancé de fortes secousses en fonction des caractéristiques des premières ondes détectées lors d’un tremblement de terre.

DeepShake a été développé par Daniel J. Wu, Avoy Datta, Weiqiang Zhu et William Ellsworth à l’Université de Stanford.

Les données sismiques utilisées pour entraîner le réseau DeepShake provenaient d’enregistrements sismiques de la séquence de Ridgecrest, en Californie en 2019. Lorsque ses développeurs ont testé le potentiel de DeepShake en utilisant les secousses réelles du tremblement de terre de Ridgecrest de magnitude 7,1 du 5 juillet, le réseau de neurones a envoyé des alertes simulées entre 7 et 13 secondes avant l’arrivée de secousses de sol de haute intensité à des endroits de la zone de Ridgecrest.

Les auteurs ont souligné la nouveauté de l’utilisation de l’apprentissage en profondeur pour l’alerte rapide rapide et la prévision directement à partir des seuls enregistrements sismiques. «DeepShake est capable de capter des signaux dans des formes d’ondes sismiques à travers les dimensions de l’espace et du temps», a expliqué Datta.

DeepShake démontre le potentiel des modèles d’apprentissage automatique pour améliorer la vitesse et la précision des systèmes d’alerte sismique, a-t-il ajouté.

“DeepShake vise à améliorer les alertes précoces de tremblement de terre en faisant ses estimations de tremblement directement à partir des observations de mouvement du sol, supprimant certaines des étapes intermédiaires utilisées par les systèmes d’alerte plus traditionnels”, a déclaré Wu.

De nombreux systèmes d’alerte précoce déterminent d’abord l’emplacement et la magnitude du tremblement de terre, puis calculent le mouvement du sol pour un emplacement basé sur des équations de prédiction du mouvement du sol, a expliqué Wu.

“Chacune de ces étapes peut introduire des erreurs susceptibles de dégrader les prévisions de secousses du sol”, a-t-il ajouté.

Pour y remédier, l’équipe DeepShake s’est tournée vers une approche de réseau neuronal. La série d’algorithmes qui composent un réseau de neurones est entraînée sans que le chercheur identifie quels signaux sont «importants» pour le réseau à utiliser dans ses prédictions. Le réseau apprend quelles fonctionnalités prévoient de manière optimale la force des secousses futures directement à partir des données.

“Nous avons remarqué en construisant d’autres réseaux de neurones à utiliser en sismologie qu’ils peuvent apprendre toutes sortes de choses intéressantes et qu’ils n’ont donc peut-être pas besoin de l’épicentre et de l’ampleur du tremblement de terre pour faire une bonne prévision”, a déclaré Wu. “DeepShake est formé sur un réseau présélectionné de stations sismiques, de sorte que les caractéristiques locales de ces stations deviennent une partie des données d’apprentissage.”

«Lors de la formation d’un modèle d’apprentissage automatique de bout en bout, nous pensons vraiment que ces modèles sont capables d’exploiter ces informations supplémentaires pour améliorer la précision», a-t-il déclaré.

Wu, Datta et leurs collègues considèrent DeepShake comme un complément au ShakeAlert opérationnel de Californie, ajoutant à la boîte à outils des systèmes d’alerte précoce en cas de tremblement de terre. «Nous sommes vraiment ravis d’étendre DeepShake au-delà de Ridgecrest et de renforcer notre travail pour le monde réel, y compris les cas de panne tels que les stations en panne et la latence élevée du réseau», a ajouté Datta.

Source de l’histoire:

Matériel fourni par la Seismological Society of America. Remarque: le contenu peut être modifié pour le style et la longueur.

.

A propos Technoguide

Voir aussi

Les algorithmes montrent la précision dans la mesure de l’inconscience sous anesthésie générale – Technoguide

Les médicaments anesthésiques agissent sur le cerveau, mais la plupart des anesthésiologistes se fondent sur …

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Défiler vers le haut