Mytech

Terremoti prevedibili con l'intelligenza artificiale

Un modello fatto di algoritmi e AI può isolare e identificare tanti segnali sismici partendo dai dati storici

crepa terreno youtube

Antonino Caffo

-

Nel corso degli ultimi giorni, due terremoti hanno causato decine di vittime tra l’isola indonesiana di Sulawesi e Haiti. Eventi sismici come quello di magnitudo 9.0 che ha colpito le coste del Giappone nel marzo del 2011 non sono difficili da rilevare, ma pochi sono così violenti.

Cosiddetti micro-terremoti, di bassa intensità, con magnitudo di 2.0 o meno, raramente causano danni a cose e persone e per questo non vengono quasi mai considerati se non dagli esperti del settore.

Eppure sono proprio loro a fare da rumore di fondo a qualcosa di più pesante e grave sul lungo periodo.

La ricerca

Studiare tali movenze del terreno, correlando ai risultati modelli informatici previsionali, può rappresentare un metodo scientifico rilevante per cercare di capire quanto e in che misura un terremoto è davvero prevedibile, almeno a sommi capi. Ciò vuol dire ottenere una certa finestra temporale in cui un disastro può manifestarsi oppure delimitare un’area specifica entro la quale concentrare le indagini.

Per farlo, il Dipartimento di Geofisica della Stanford University ha sviluppato un sistema di intelligenza artificiale, chiamato Cnn-Rnn Earthquake Detector (o CRED), che ha l’obiettivo di isolare e identificare una gamma di segnali sismici da dati storici periodici. La piattaforma si basa su un lavoro della Harvard University e di Google, che in agosto hanno finalizzato un software capace di prevedere la posizione delle scosse di assestamento fino a un anno dopo un terremoto.

Come funziona

Il programma avanzato è composto da strati di reti neurali, nodi di elaborazione interconnessi, che mimano la funzione dei neuroni nel cervello, distinti in attività convoluzionali e ricorrenti. Il primo tipo estrae le caratteristiche dai sismografi mentre il secondo, che può combinare la memoria e gli input per migliorare l'accuratezza delle previsioni, apprende le qualità sequenziali di detti sismografi.

I due costituiscono un quadro di apprendimento che attenua un problema comune delle reti neurali multistrato. In genere, con l'aumento del numero di nodi sovrapposti, la precisione si satura e si deteriora. Ma grazie al modo in cui le funzioni di apprendimento residuo elaborano le funzioni, le reti neurali al loro interno sono in grado sia di mantenere l’esattezza che di apprendere ulteriori funzioni dai set di dati. E come ulteriore vantaggio, sono più facili da analizzare.

Allenamento naturale

Per addestrare e convalidare il sistema di rilevamento dei terremoti, i ricercatori hanno reperito dati continui registrati dal 2011, per un catalogo contenente 3.788 eventi, in aggiunta a 889 stazioni di monitoraggio nel nord della California e tre sismogrammi. Per valutare le prestazioni sono stati utilizzati circa 50 mila campioni, da un contenitore di oltre 550 mila.

La voce della terra

Il risultato? La rete si è mostrata capace di prevedere i segnali dei terremoti, indipendentemente dal fatto che l'evento sismico fosse grande, piccolo, locale o che contenesse un alto livello di rumore di fondo. Alimentato dai dati continui, il modello ha rilevato 1.102 micro-terremoti, causati da fratturazioni idrauliche, dall'iniezione di acque reflue e dal movimento delle placche tettoniche, inclusi 77 sismi che non erano sono stati precedentemente catalogati.

Analisi futura

Accorgersi in maniera così profonda di ciò che accade sotto il terreno rappresenta un’opportunità di studio unica e fondamentale. Se è vero che non è possibile anticipare di punto in bianco un terremoto, è ancora più vero che la tecnologia può fornire un supporto essenziale nella creazione di contesti verosimili su cui ragionare.

Non a caso, il team ritiene che il modello di apprendimento automatico, che a loro avviso può essere facilmente adattato a più situazioni, possa fungere da monitoraggio in tempo reale di zone tettonicamente attive e così porre le basi per un sistema di allarme antisismico localizzato ed estremamente preciso.

Per saperne di più:

© Riproduzione Riservata

Commenti