Una red neuronal entrenada con más de 36 mil datos de terremotos por medio del deep learning encontró una nueva forma de predecir rápidamente la intensidad de los movimientos de las placas tectónicas.
Según los investigadores de la Sociedad Sismológica de América (SSA) el sistema llamado DeepShake analiza las señales sísmicas y emite una advertencia en tiempo real.
Daniel Wu,
Principal desarrollador del sistema DeepShake de la Universidad de Stanford, declaró que los datos utilizados de terremotos y temblores entrenaron a la red neuronal del sistema operativo.
Los datos fueron capturados de grabaciones sísmicas de la secuencia de Ridgecrest, California, Estados Unidos en 2019.
Cuando Wu y su equipo de trabajo probaron el potencial de DeepShake usando los registros de un temblor real de magnitud 7.1 en la escala de Richter, la red neuronal envió alertas simuladas entre 7 y 13 segundos antes de la llegada de los temblores.
De esa manera, el grupo de científicos analizó con anticipación la llegada del movimiento tectónico de alta intensidad a lugares establecidos en el área de Ridgecrest.
Asimismo,
Daniel Wu señaló que la novedad de utilizar el deep learning o aprendizaje profundo para una alerta temprana o la previsión directamente de registros sísmicos es una herramienta potencialmente benéfica.
“DeepShake es capaz de captar señales en formas de onda sísmica a través de dimensiones de espacio y tiempo”, agregó.
El funcionamiento básico de los múltiples sistemas de alerta temprana primero determina la ubicación y magnitud del terremoto.
Después, calculan el movimiento del suelo para encontrar el epicentro, todo basado en ecuaciones de predicción de movimiento de la tierra.
Sin embargo,
DeepShake es capaz de mejorar las advertencias tempranas de terremotos haciendo estimaciones del temblor directamente de las observaciones del movimiento del suelo.
Ello lo consigue a través de eliminar algunos de los pasos intermedios utilizados por los sistemas de advertencia más tradicionales.
Cada uno de esos pasos puede introducir a un error o puede degradar el pronóstico de la agitación del suelo.
Para poder tener esa solución con un mejor enfoque, el equipo de DeepShake se centró en un enfoque de red neuronal.
Es decir, la serie de algoritmos que componen la red se entrenó sin la intervención de los investigadores para incorporar señales o utilizar predicciones hechas por el ser humano.
La red aprende cada vez que pronostica de forma óptima la fuerza de los futuros temblores directamente a partir de los datos cargados previamente sin la necesidad de tener más información.
Hasta el momento, Daniel Wu y el grupo de científicos que desarrollaron DeepShake, siguen trabajando para mejorar el modelo de aprendizaje profundo de extremo a extremo.
Ello con el objetivo de aprovechar más la información de los temblores y terremotos, gracias al poder de las redes neuronales.
El sistema puede aprender todo tipo de información relacionada con los movimientos de placas tectónicas, desde su epicentro hasta la magnitud de los sismos.
[views id=”2468″]