Naučnici kažu da su razvili model veštačke inteligencije (AI) koji bi efikasno interpretirao i prepoznao ponašanje određenih faktora u regionima podložnim seizmičnom razvoju kako bi predvideo zemljotrese pre njihovog nastanka.
U svojoj studiji, objavljenoj u časopisu Remote Sensing, istraživanje naučnika je usredsređeno na Arapsko poluostrvo ili Arabiju koja se nalazi u zapadnoj Aziji i severoistočnoj Africi. U seizmičkim istraživanjima, tehnički se naziva Arapska ploča, manja tektonska ploča na severnoj i istočnoj hemisferi.
Geografski, poznato je da Arapsko poluostrvo pokriva Saudijsku Arabiju, Jemen, Ujedinjene Arapske Emirate (UAE), Oman, Kuvajt, Bahrein, Katar, uključujući južni Irak i Jordan.
Iako nije epicentar, Arapsko poluostrvo se graniči sa aktivnim tektonskim enklavama. Odabrana tampon oblast (radijus 2.000 km) koju studija ispituje je centar Saudijske Arabije, za koju autori kažu da je ili neistraženo ili delimično istraženo u literaturi.
Literatura o predviđanju zemljotresa je obimna, ističu naučnici; međutim, njihov pregled prethodnog naučnog rada pokazuje da je samo nekoliko studija koristilo veštačku inteligenciju u proceni prostorne verovatnoće (SPA).
SPA prikazuje buduću distribuciju zemljotresa određene magnitude i mogućnost njihovog ponavljanja na određenom području. Ali naučnici pronalaze veliku složenost u dostupnim procesima modeliranja SPA zbog onoga što opisuju kao „uključivanje seizmoloških i geoloških faktora“.
Uprkos mnoštvu studija zasnovanih na SPA, predviđanje zemljotresa ostaje težak zadatak. Nada u poboljšanu tačnost predviđanja zemljotresa pojavila se tek objavljivanjem nekih nedavnih seizmičkih studija zasnovanih na veštačkoj inteligenciji čiji podaci su uključivali određene integrisane faktore kao što su jaz u podrhtavanju tla i tektonski kontakti, naglašavaju naučnici.
Literatura se razlikuje u izveštavanju o seizmičkoj aktivnosti na geografskim granicama Arapskog poluostrva. Neke studije pominju da je to stabilan kraton, dok druge navode događaje male magnitude. Unutar Poluostrva autori pominju pojavu malih do umerenih zemljotresa.
Studija se ističe u razvoju hibridnog modela Inception v3-ensemble ektreme boosting gradient boosting (KSGBoost) i oblikovanih aditivnih objašnjenja (SHAP). KSGBoost je moćan efikasan algoritam za modele koji se oslanjaju na klasifikaciju i regresiju, dok je SHAP pristup igrica koji se koristi za objašnjenje izlaza mašinskog učenja.
Autori tvrde da je njihova studija prva koja je koristila KSAI za SPA.
Podaci inventara korišćeni za analizu u studiji prikupljeni su od Geološkog zavoda SAD (USGS) za poslednje 22 godine u rasponu od 5 Mv i više. Satelitski snimci Landsat-8 i podaci digitalnog modela elevacije (DEM) su takođe uključeni u analizu.
„Rezultati su otkrili da su rezultati SHAP-a usklađeni sa objašnjenjima hibridnog Inception v3-KSGBoost modela (87,9% tačnosti)“, pišu naučnici.
Oslanjajući se na rezultate studije, naučnici neuspeh prethodnih modela da precizno predvide pojavu potresa pripisuju neuspehu u dodavanju novih faktora u telo svojih podataka i analiza.
Od suštinskog je značaja za modele predviđanja zemljotresa „da dodaju nove faktore kao što su seizmički jazovi i tektonski kontakti, gde odsustvo ovih faktora čini model predviđanja lošim“, ističe se u studiji.
Do sada, prema studiji, kritični faktori koji najviše nedostaju za SPA su vršna ubrzanja tla (PGA), varijacije magnitude, seizmički jaz i gustina epicentra.
„Zaključci izvučeni iz objašnjivog algoritma oslikavaju važnost relevantnih, irelevantnih i novih futurističkih faktora u SPA modelovanju zasnovanom na veštačkoj inteligenciji“, pišu oni.
Oni kažu da prošlogodišnji zemljotresi u Turskoj (Mv 7,8, 7,5 i 6,7), koji se uglavnom pripisuju aktivnom istočno-anadolskom rasedu, potvrđuju SPA rezultate zemljotresa zasnovane na veštačkoj inteligenciji koje su dobili.
Sprovodeći svoj SPA, naučnici su koristili kombinovani pristup ML i KSAL tehnika. Radi jasnoće, razvili su hibridnu kombinaciju početnog modela v3-KSGBoost jer je „učenje o funkcijama još uvek nejasno u literaturi“.
„Ovaj hibridni model obavlja i učenje karakteristika i predviđanje bolje od samostalnih modela. Model duboko analizira karakteristike kako bi poboljšao procese, automatizovao zadatke i predvideo ishode, na osnovu prošlih iskustava“, kaže se u studiji.
Rezultati studije pokazuju da će se budući zemljotresi verovatno dogoditi unutar njihovih mapiranih seizmičkih zona. Međutim, oni pišu: „Ovo se možda neće dogoditi na Arapskoj ploči jer je nekoliko oblasti na poluostrvu pokazalo seizmičko mirovanje tokom dužeg perioda.
Autori prenose da model veštačke inteligencije koji su usvojili poboljšava prethodne radove koji istražuju seizmičku aktivnost na Arapskom poluostrvu. Međutim, oni naglašavaju da je „[]velikoj oblasti proučavanja potrebna ogromna količina podataka o obuci za bolju tačnost. Ovo se može proučavati korišćenjem pametnih prediktora za poboljšanje SPA mape.“
„Predloženi hibridni Inception V3-KSGBoost model postigao je dobru tačnost u poređenju sa drugim najsavremenijim ML modelima. Međutim, CNN model je postigao bolju preciznost u predviđanju koja iznosi 90%.“
Uprkos svojim obećavajućim nalazima, autori ponavljaju izazovan karakter procene prostorne verovatnoće zemljotresa „među svim prirodnim opasnostima zbog više faktora i nelinearnosti događaja“.
Prednosti studije, dodaju autori, „se bave operacionalizacijom veštačke inteligencije koja gradi poverenje u modele crne kutije i prati modele radi optimizacije“.
O implikacijama istraživanja na regione osim Arapskog poluostrva, naučnici kažu da iako je njihov model vođen veštačkom inteligencijom obezbedio robustan i efikasan pristup SPA, „njegovu globalnu prihvatljivost treba dalje testirati novim faktorima i geotektonskim uslovima“.
Među ostalim važnim nalazima studije, naučnici su pokazali da dominantni glavni delovi Arapskog poluostrva poput Centralne Saudijske Arabije, Egipta i Sudana su pod niskim nivoom verovatnoće predviđanja seizmičkih događaja.
„Indeks veoma velike verovatnoće… može se naći u Adenskom zalivu, Crvenom moru, Iranu i Turskoj“, pišu oni.
Autori navode zemljotres jačine 7,8 Mv koji je prošle godine pogodio Tursku i odgovarajuće naknadne potrese kao indikaciju važnosti njihove studije i validacije rezultata koje su dobili.
U zaključku, autori se nadaju da će njihova studija „značajno doprineti uspostavljanju seizmičkih kodova“ za građevinske aktivnosti u geografskim regionima na koje je studija usmerena jer pruža neke relevantne parametre „kako bi se utvrdilo da li je naknadna oprema neophodna da bi se minimizirali efekti podrhtavanja tla u Arabijsko poluostrvo.“
