机器学习模型能够从与深层能量积累相关的磁场的微弱变化中识别出即将发生地震的迹象。
2014 年加利福尼亚 6.0 级地震的痕迹 - 用于训练神经网络的 19 次地震之一
地震通常看起来完全突然,尽管潜在的能量是逐渐积累起来的,远在它以强大的冲击释放之前。地质学家正在寻找早期发现威胁并采取行动拯救人员和基础设施的方法。监测局部磁场可以成为这样的工具之一。
事实上,深度压力的增加可以改变地下物质的特性,包括电导率,并且在积累的气体中会出现电流。这样的过程也应该反映在磁场的特征上,磁场在地球的最中心产生并记录在地表附近。这方面的证据以前存在,但还不能可靠地证实这一假设。
在人工智能的帮助下,现在才有可能注意到磁场的变化。科学家们在《地球物理研究杂志:固体地球》上发表的一篇文章中写到了这一点。该研究由非营利科学基金会 QuakeFinder 的科学家与 Stellar Solutions 和 Google Accelerated Science 团队共同进行。
他们使用了与 2005-2019 年在加利福尼亚发生的地震相关的地震监测和磁场观测,震级至少达到 4.5 级。从位于全州的 125 个磁力计收到的信息。它非常嘈杂,因为太阳活动甚至道路交通都可能导致磁场的微弱异常。然而,即使在这种嘈杂的背景下,机器学习模型也能够识别出信号。
在对测试样本进行测试后,科学家们确信人工智能能够根据磁力计考虑地震即将来临的迹象。“我们并不声称在任何地震之前就存在这样的信号,”该工作的作者强调。然而,新方法可能是提前预测威胁接近的有价值工具。在某些情况下,他可能早在第一次余震前 24-72 小时就注意到地震的迹象。