Ny forskning forudsiger skredgrænser to uger før de sker

University of Melbourne forskere har udviklet et softwareværktøj, der anvender anvendt matematik og big data -analyse til at forudsige grænsen for, hvor et jordskred vil forekomme, to uger i forvejen.

Professor Antoinette Tordesillas fra School of Mathematics and Statistics sagde, at der altid er advarselsskilte i forløbet til et sammenbrud eller 'fiasko', den vanskelige del er at identificere, hvad de er.

"Disse advarsler kan være subtile. At identificere dem kræver grundlæggende viden om fiasko på mikrostrukturniveau - bevægelse af individuelle jordkorn, "Professor Tordesillas sagde.

"Selvfølgelig, vi kan umuligt se bevægelsen af ​​individuelle korn i et jordskælv eller jordskælv, der strækker sig i kilometer, men hvis vi kan identificere de egenskaber, der kendetegner fiasko i lille skala, vi kan kaste lys over, hvordan fiasko udvikler sig med tiden, uanset størrelsen på det område, vi observerer. "

Disse tidlige spor indeholder bevægelsesmønstre, der ændrer sig over tid og bliver synkroniserede.

"I begyndelsen, bevægelsen er meget uordnet, "sagde professor Tordesillas." Men da vi kommer tættere på fejlpunktet - sammenbruddet af et sandslot, revner i fortovet eller glider i en åben grube - bevægelse bliver ordnet, da forskellige steder pludselig bevæger sig på lignende måder.

"Vores model afkoder disse data om bevægelse og gør dem til et netværk, giver os mulighed for at udtrække de skjulte mønstre på bevægelse, og hvordan de ændrer sig i rum og tid. Tricket er at opdage de bestilte bevægelser i netværket så tidligt som muligt, når bevægelser er meget subtile. "

Professor Robin Batterham fra Institut for Kemisk og Biomolekylær Teknik sagde, at den nye software fokuserer på at omdanne algoritmer og big data til risikovurdering og styringshandlinger, der kan redde liv.

"Folk er gået noget over bord på såkaldt dataanalyse, maskinlæring og så videre, "sagde professor Batterham.

"Mens vi har gjort den slags i 40 år, denne software udnytter computerens strøm og hukommelse til at se ikke kun på overfladebevægelsen, men udtræk de relevante datamønstre. Vi er i stand til at gøre ting, der bare var ufattelige i matematisk forstand for 30 år siden.

"Vi kan nu forudsige, hvornår en affaldsdeponi kan gå i stykker i et udviklingsland, når en bygning vil revne eller fundamentet vil bevæge sig, når en dæmning kan gå i stykker eller et mudderskred forekommer. Denne software kan virkelig gøre en forskel. "