Fra data til beslutninger:AI og IoT til forudsigelse af jordskælv

Studiet af jordskælv er fortsat en hovedinteresse på verdensplan, da det er en af ​​de mindst forudsigelige naturkatastrofer. I en ny anmeldelse offentliggjort i Artificial Intelligence in Geosciences , undersøgte et team af forskere fra Frankrig og Tyrkiet, hvilken rolle konventionelle værktøjer som seismometre og GPS spiller i forståelsen af ​​jordskælv og deres eftervirkninger.

"Disse værktøjer har givet uvurderlig indsigt i forskellige seismiske parametre, såsom jorddeformation og forskydningsbølger. De står dog over for flere begrænsninger, herunder manglende evne til at forudsige jordskælv i realtid, udfordringer med tidsmæssig dataopløsning og ujævn rumlig dækning." forklarer Joshua Pwavodi, hovedforfatter af anmeldelsen. "På trods af deres historiske betydning, kæmper disse værktøjer med at skelne seismiske signaler fra omgivende støj."

Ikke desto mindre bemærker forfatterne, at de seneste fremskridt inden for AI og IoT i væsentlig grad har adresseret nogle af disse begrænsninger. AI-metoder har vist sig at være medvirkende til at identificere indviklede mønstre og komplekse sammenhænge inden for historiske seismiske data. Ved at udnytte AI er der opnået unik indsigt i seismiske mønstre på tværs af forskellige geologiske steder.

"Både klassiske og avancerede maskinlæringsteknikker har bidraget til udviklingen af ​​robuste tidlige varslingssystemer og decentraliserede forudsigelsesmodeller. IoT-enheder har også spillet en afgørende rolle ved at muliggøre problemfri datatransmission til realtidsovervågning," tilføjer Pwavodi.

Alsidigheden af ​​IoT-enheder forbedrer datatilgængelighed og -lagring og skaber et dynamisk netværk til forudsigelse af jordskælv. Udfordringer såsom beregningsmæssig kompleksitet, datakvalitet og fortolkbarhed fortsætter dog. En væsentlig begrænsning er integrationen af ​​primære hydrogeologiske målinger i AI-modeltræning.

Overvågning af hydrogeologiske data, herunder pore-væsketryk og væskeflow, er ofte dyrt. Værktøjer som Circulation Obviation Retrofit Kits (CORK'er) giver in-situ målinger af disse parametre, men datatransmission er ikke altid i realtid, i modsætning til IoT-systemer.

"For at løse disse udfordringer foreslog vi en omfattende tilgang, der integrerer forskellige datasæt, herunder seismiske, GPS-, meteorologiske og IoT-sensordata," siger Pwavodi. "Ved at kombinere disse datasæt kan forskere udvikle mere robuste jordskælvsforudsigelsesmodeller, der tager højde for forskellige medvirkende faktorer."

Specifikt foreslår forfatterne at integrere IoT-enheder med værktøjer som Circulation Obviation Retrofit Kits (CORKs) for at muliggøre realtidstransmission af hydrogeologiske målinger, der påvirker jordskælv. Disse realtidsdata, kombineret med andre datasæt, kan bruges til at konstruere forudsigende AI-modeller, der er i stand til at levere jordskælvsforudsigelser i realtid.

Flere oplysninger: Joshua Pwavodi et al, Rollen af ​​kunstig intelligens og IoT i forudsigelse af jordskælv:Review, Artificial Intelligence in Geosciences (2024). DOI:10.1016/j.aiig.2024.100075

Leveret af KeAi Communications Co.