in

El modelo de red neuronal ayuda a predecir los impactos de los terremotos en sitios específicos

En la planificación de mitigación de desastres para futuros grandes terremotos, las predicciones del movimiento sísmico del suelo son una parte crucial de los sistemas de alerta temprana y el mapeo de amenazas sísmicas. La forma en que se mueve el suelo depende de cómo las capas del suelo amplifican las ondas sísmicas (descrito en un sitio matemático «factor de amplificación»). Sin embargo, las exploraciones geofísicas para comprender las condiciones del suelo son costosas, lo que limita la caracterización de los factores de amplificación del sitio hasta la fecha.

Un nuevo estudio realizado por investigadores de la Universidad de Hiroshima publicado el 5 de abril en la Boletín de la Sociedad Sismológica de América introdujo una nueva técnica basada en inteligencia artificial (IA) para estimar los factores de amplificación del sitio a partir de datos sobre vibraciones ambientales o microtemblores del suelo.

Las condiciones del subsuelo, que determinan cómo afectan los terremotos a un sitio, varían sustancialmente. Los suelos más blandos, por ejemplo, tienden a amplificar el movimiento del suelo por un terremoto, mientras que los sustratos duros pueden amortiguarlo. Las vibraciones ambientales del suelo o los microtemblores que ocurren en toda la superficie de la Tierra causados ​​por perturbaciones humanas o atmosféricas pueden usarse para investigar las condiciones del suelo. La medición de microtemblores proporciona información valiosa sobre el factor de amplificación (AF) de un sitio, por lo tanto, su vulnerabilidad al daño de los terremotos debido a su respuesta a los temblores.

El estudio reciente de investigadores de la Universidad de Hiroshima introdujo una nueva forma de estimar los efectos del sitio a partir de datos de microtemblores. «El método propuesto contribuiría a predicciones sísmicas del movimiento del suelo más precisas y detalladas para futuros terremotos», dice el autor principal y profesor asociado Hiroyuki Miura en la Escuela de Graduados de Ciencias e Ingeniería Avanzadas. El estudio investigó la relación entre los datos de microtemblores y los factores de amplificación del sitio utilizando una red neuronal profunda con el objetivo de desarrollar un modelo que pudiera aplicarse en cualquier sitio del mundo.

Los investigadores analizaron un método común conocido como relaciones espectrales de horizontal a vertical (MHVR), que generalmente se usa para estimar la frecuencia de resonancia del suelo sísmico. Puede generarse a partir de datos de microtemblores; Las vibraciones sísmicas ambientales se analizan en tres dimensiones para determinar la frecuencia de resonancia de las capas de sedimentos en la parte superior del lecho rocoso a medida que vibran. Sin embargo, investigaciones anteriores han demostrado que MHVR no se puede usar de manera confiable directamente como factor de amplificación del sitio. Entonces, este estudio propuso un modelo de red neuronal profunda para estimar los factores de amplificación del sitio a partir de los datos de MHVR.

El estudio utilizó datos de microtemblores de 2012-2020 de 105 sitios en el distrito de Chugoku, en el oeste de Japón. Los sitios son parte de la red nacional de sismógrafos de Japón que contiene alrededor de 1700 estaciones de observación distribuidas en una cuadrícula uniforme a intervalos de 20 km en todo Japón. Usando una técnica de inversión espectral generalizada, que separa los parámetros de fuente, propagación y sitio, los investigadores analizaron las amplificaciones específicas del sitio.

Los datos de cada sitio se dividieron en un conjunto de entrenamiento, un conjunto de validación y un conjunto de prueba. El conjunto de entrenamiento se usó para enseñar una red neuronal profunda. El conjunto de validación se utilizó en la optimización iterativa de la red de un modelo para describir la relación entre los MHVR de microtremor y los factores de amplificación del sitio. Los datos de prueba eran un conjunto completamente desconocido que se utilizó para evaluar el rendimiento del modelo.

El modelo se desempeñó bien en los datos de prueba, lo que demuestra su potencial como herramienta predictiva para caracterizar los factores de amplificación del sitio a partir de los datos de microtemblores. Sin embargo, señala Miura, «la cantidad de muestras de capacitación analizadas en este estudio (80) sitios aún es limitada» y debe ampliarse antes de asumir que el modelo de red neuronal se aplica a nivel nacional o mundial. Los investigadores esperan optimizar aún más el modelo con un conjunto de datos más grande.

Se necesitan técnicas rápidas y rentables para una predicción sísmica del movimiento del suelo más precisa, ya que la relación no siempre es lineal. Miura explica: «Al aplicar el método propuesto, los factores de amplificación del sitio se pueden estimar de forma automática y precisa a partir de los datos de microtemblores observados en un sitio arbitrario». En el futuro, los autores del estudio pretenden continuar refinando las técnicas avanzadas de IA para evaluar las respuestas no lineales del suelo a los terremotos.

Esta investigación fue financiada por el Instituto Nacional de Investigación de Ciencias de la Tierra y Prevención de Desastres (NIED), Japón, y Neural Network Console proporcionada por SONY (2021).

Fuente de la historia:

Materiales proporcionado por Universidad de Hiroshima. Nota: el contenido se puede editar por estilo y longitud.

Fuente

Escrito por Redaccion NM

Deja una respuesta

Los investigadores identifican un nuevo tsRNA en la sangre para mejorar el diagnóstico del cáncer de hígado

Musk dice que a la junta de Twitter no se le pagará nada si adquiere la compañía