بهره‌گیری از یادگیری عمیق برای پیش‌بینی پس‌لرزه‌ها

به گزارش خبرگزاری صدا و سیما، به نقل از ستاد فناوری نانو، بیش از سه دهه است الگو‌های پیش بینی پس لرزه تغییر چندانی نکرده و در رویارویی با داده‌های عظیم دردسترس، چالش‌هایی ایجاد کرده است. برای رفع این محدودیت، محققان دانشگاه کالیفرنیا سانتا کروز و دانشگاه فنی مونیخ این الگوی یادگیری عمیق را برای پیش بینی پس لرزه‌ها ابداع کردند که انعطاف پذیر و مقیاس پذیرتر از الگو‌های کنونی دنباله پس لرزه‌ای از نوع واگیر (Epidemic Type Aftershock Sequence) است.
به گفته دانشمندان این نمونه یادگیری عمیق موسوم به RECAST (پیش بینی زلزله مکرر) برای پیش بینی پس لرزه‌ها می‌تواند در مقایسه با روش‌های کنونی تحلیل داده‌ها بهتر عمل کند.
کلین دشق کوزینو نویسنده اصلی این پژوهش، گفت: رویکرد الگوی قدیمی برای مشاهداتی طراحی شد که در دهه‌های ۸۰ و ۹۰ داشتیم، زمانی که سعی می‌کردیم پیش‌بینی‌های قابل اعتمادی بر اساس مشاهدات بسیار اندک انجام دهیم، اما امروز چشم انداز بسیار متفاوت است.
با توجه به افزایش تجهیزات لرزه‌شناسی حساس‌تر و افزایش قابلیت‌های ذخیره‌سازی داده‌ها، فهرست‌های زلزله بزرگ‌تر و دقیق‌تر شده‌اند. به گفته امیلی برادسکی یکی از نویسندگان این مطالعه، نمونه سنتی برای مدیریت این مجموعه داده‌های بزرگ ساخته نشده است.