پژوهشگران مرکز علوم زمین هلمهولتز (GFZ) آلمان با همکاری محققانی از چند کشور، روشی نوین مبتنی بر هوش مصنوعی و یادگیری ماشین بدون نظارت (Unsupervised Machine Learning) توسعه داده‌اند که می‌تواند تغییرات غیرعادی در فعالیت‌های لرزه‌ای را پیش از وقوع برخی زلزله‌های بزرگ شناسایی کند. نتایج این پژوهش که در نشریه معتبر Nature Communications منتشر شده، گامی مهم در جهت بهبود سامانه‌های پایش و پیش‌بینی خطر زلزله به شمار می‌رود. یکی از بزرگ‌ترین چالش‌های زمین‌شناسان، تشخیص این موضوع است که آیا لرزه‌های کوچک و پراکنده می‌توانند نشانه‌ای از وقوع یک زلزله بزرگ باشند یا خیر. تاکنون هیچ روش قطعی برای پیش‌بینی زمان و مکان دقیق وقوع زلزله وجود نداشته و بسیاری از نشانه‌های احتمالی نیز در همه زلزله‌ها مشاهده نمی‌شوند.

در این مطالعه، تیم تحقیقاتی به سرپرستی دکتر صادق کریم‌پولی به جای آموزش دادن الگوهای از پیش تعریف‌شده به رایانه، از الگوریتم‌های یادگیری ماشین بدون نظارت استفاده کردند. این فناوری قادر است بدون دریافت برچسب یا دستورالعمل قبلی، ساختارها و الگوهای پنهان موجود در داده‌های لرزه‌ای را به‌طور خودکار کشف کند. برخلاف روش‌های سنتی که هر زمین‌لرزه را به‌صورت یک رویداد مستقل بررسی می‌کنند، پژوهشگران زلزله‌های نزدیک به هم را بر اساس زمان، مکان و بزرگی در قالب «خانواده‌های زلزله» دسته‌بندی کردند. سپس ویژگی‌هایی مانند میزان خوشه‌بندی، تمرکز زمانی و مکانی و میزان آزاد شدن انرژی لرزه‌ای برای هر گروه محاسبه شد. الگوریتم هوش مصنوعی نیز این خانواده‌ها را بر اساس شباهت رفتارشان در دسته‌های مختلف قرار داد تا روند تغییر تنش در پوسته زمین مشخص شود.

این روش روی چندین زلزله بزرگ و شناخته‌شده آزمایش شد. نتایج نشان داد پیش از زلزله‌های کهرمان‌مرعش ترکیه (۲۰۲۳)، ایکوئیکه شیلی (۲۰۱۴) و لاکویلا ایتالیا (۲۰۰۹)، الگوهای مشخصی از فعالیت لرزه‌ای از چند هفته تا چند ماه قبل از زمین‌لرزه اصلی شکل گرفته بود. این الگوها شامل افزایش تعامل میان زمین‌لرزه‌های کوچک، تمرکز بیشتر رخدادها در یک ناحیه و افزایش آزاد شدن کرنش لرزه‌ای بودند که همگی نشان‌دهنده نزدیک شدن گسل به وضعیت بحرانی هستند.

با این حال، این فناوری در همه موارد موفق عمل نکرد. هنگام بررسی زلزله‌های آماتریچه ایتالیا (۲۰۱۶) و نوتو ژاپن (۲۰۲۴)، الگوریتم هیچ نشانه واضحی از مرحله آماده‌سازی پیش از زلزله پیدا نکرد. به گفته پژوهشگران، این موضوع نشان می‌دهد که همه گسل‌ها پیش از شکست رفتار مشابهی ندارند و برخی زلزله‌ها ممکن است بدون هشدارهای لرزه‌ای قابل تشخیص رخ دهند.

محققان تأکید می‌کنند که این فناوری به معنای پیش‌بینی قطعی زلزله نیست؛ بلکه ابزاری هوشمند برای تشخیص تغییر رفتار غیرعادی گسل‌ها محسوب می‌شود. در آزمایش‌های آینده، این روش به‌صورت لحظه‌ای روی داده‌های لرزه‌ای اجرا خواهد شد تا هرگونه تغییر نسبت به الگوی طبیعی فعالیت منطقه به سرعت شناسایی شود. به باور پژوهشگران، ترکیب هوش مصنوعی، تحلیل داده‌های لرزه‌ای و فیزیک زمین می‌تواند نسل جدیدی از سامانه‌های پایش زلزله را ایجاد کند. چنین سامانه‌هایی قادر خواهند بود در صورت وجود علائم آماده‌سازی، هشدارهای دقیق‌تر و زودهنگام‌تری ارائه دهند و در آینده نقش مهمی در کاهش خسارات ناشی از زمین‌لرزه‌های بزرگ ایفا کنند.

منبع خبر: scitechdaily