Nuovo sistema di Intelligenza Artificiale è in grado di rilevare i terremoti più velocemente di qualsiasi altro dispositivo esistente

Gli ingegneri della Harvard University e del Massachusetts Institute of Technology (MIT) ha elaborato un algoritmo in grado di prevedere i terremoti prima che avvengano e ridurre i rischi naturali. Hanno pubblicato i loro risultati su Science Advances.
La maggior parte dei metodi di rilevamento dei terremoti esistenti sono progettati per rilevare terremoti di media o grande entità, non riescono a rilevare eventi più piccoli perché questi terremoti minori sono coperti sotto di quello che è noto come rumore sismico. Piuttosto che un rumore chiaro, è registrata una vibrazione persistente del terreno che può accadere a causa di un numero di fattori casuali.
Le onde sismiche di grandi terremoti sono facilmente identificabili dal rumore sismico, mentre è più complicato per gli eventi minori: anche questi piccoli terremoti generano rischi, il loro rilevamento potrebbe aiutare a prevenirli.
Gli scienziati del MIT e di Harvard, guidati da Thibault Perol, hanno ideato un sistema chiamato ConvNetQuake (in italiano Rete neurale convoluzionale per la localizzazione dei terremoti) in grado di rilevare terremoti di grandi, medie e piccole dimensioni con una precisione del 94,8%, non solo, può anche prevedere la posizione di questi terremoti con un’accuratezza del 74,5%.

Come funziona
Per capire in che modo ConvNetQuake è diverso dai modelli già esistenti, dobbiamo esaminare come i modelli tradizionali funzionano per rilevare terremoti di grandi e medie dimensioni. Spesso si basano su somiglianze di forma d’onda in quanto consentono di rilevare terremoti provenienti dalla stessa Regione e avere la medesima fonte.
La correlazione della forma d’onda è il metodo più preciso oggi disponibile per rilevare questi ricorrenti terremoti. Tuttavia, ci vuole molto tempo per rilevare una serie ripetuta di terremoti; un altro metodo, noto come Fingerprint and Similarity Thresholding (FAST) non richiede la supervisione umana. Estrae le impronte digitali dalle forme d’onda sismiche e crea una banca dati di queste impronte digitali.
ConvNetQuake è più veloce dei due sistemi citati, può gestire anche insiemi di dati più grandi. Crea una mappa di probabili eventi sismici.
Analizzando i dati di una forma d’onda sismica di una settimana, osservando come ciascun sistema si è comportato:
– i dati di correlazione della forma d’onda hanno previsto il 100% dei terremoti, ma ci sono voluti 9 giorni e 13 ore per farlo;
FAST ha previsto l’88,1% di terremoti in 48 minuti;
ConvNetQuake ha impiegato solo un minuto e un secondo per prevedere il 94,8% dei terremoti, oltre a segnalare la posizione.
ConvNetQuakes secondo lo studio, è 13.500 volte più veloce del metodo di correlazione della forma d’onda e 48 volte più veloce di FAST.
Gli scienziati del MIT e di Harvard, hanno testato il loro sistema in Oklahoma, dove negli ultimi anni è stata rilevata una maggiore attività di terremoti. Hanno analizzato l’attività sismica di quella regione avvenuta tra agosto e novembre 2014.
ConvNetQuakes nel luglio 2014 ha previsto con successo tutti i 209 eventi catalogati dall‘Oklahoma Geological Survey. Il sistema supervisionato da Thibault Perol potrebbe essere veramente utile non solo per rilevare i terremoti, ma anche per capire perché avvengono. Offre le migliori prestazioni quando sono già state raccolte grandi quantità di dati, rileva i terremoti in modo più accurato in aree con alti tassi di sismicità.

,
Pino Silvestri

About Pino Silvestri

Pino Silvestri, blogger per diletto, fondatore, autore di Virtualblognews, presente su Facebook e Twitter.
View all posts by Pino Silvestri →