تخمین وقوع احتمالی زلزله/هوش مصنوعی و نقش حیوانات
تاریخ انتشار: ۸ اردیبهشت ۱۴۰۲ | کد خبر: ۳۷۶۲۵۷۹۶
به گزارش گروه علم و آموزش ایرنا، موسی ستار از دانشگاه کینگستون در گزارشی در سایت رویو آو رلجنز نوشت: زمین لرزه ها از نظر شروع ناگهانی و بدون هشدار اولیه، در میان بلایای طبیعی منحصربفرد هستند. زلزله بلایای طبیعی است که می تواند خسارات قابل توجهی به زیرساخت ها برساند و صدمات و تلفات جانی ایجاد کند. غیرقابل پیش بینی بودن زمین لرزه ها قرن هاست دانشمندان را متحیر کرده است.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
در ابتدا، مهم است بدانیم چه چیزی باعث وقوع زلزله می شود. زمین لرزه نتیجه حرکت صفحات تکتونیکی است که پوسته زمین را تشکیل می دهند. هنگامی که این صفحات جابهجا می شوند و با هم برخورد می کنند، انرژی به شکل امواج لرزه ای آزاد می شود که می تواند باعث لرزش شدید زمین شود.
با وجود پیشرفت های به دست آمده در زمینه فناوری، پیش بینی زمان و مکان وقوع زلزله هنوز امری دشوار است. در حالی که دانشمندان توانسته اند مناطق زلزله خیز را شناسایی کنند، اما زمان دقیق و بزرگی این رویدادها به میزان زیادی غیرقابل پیش بینی باقی مانده است.
نقشهبرداری مناطق لرزهای؛ شناسایی مناطقی که فعالیت لرزهای در آنجا افزایش یافته است
دانش لرزه شناسی ابزار اصلی پیش بینی زلزله است. لرزه شناسان از ایستگاه های پایش برای شناسایی و ثبت زمین لرزه ها استفاده می کنند و داده ها را برای پی بردن به ویژگی های لرزه ای تجزیه و تحلیل می کنند.
یکی از متداولترین روشهای پیشبینی زلزله، شناسایی مناطقی است که فعالیت لرزهای در آنجا افزایش یافته است که به مناطق زلزله خیز یا کانونهای لرزهای معروف هستند. اینها مناطقی هستند که صفحات تکتونیکی به هم می رسند و به دلیل افزایش فشار و انرژی، مستعد زلزله هستند. برای مثال، حلقه آتش اقیانوس آرام منطقهای در اقیانوس آرام است که بیشتر زلزلهها و فورانهای آتشفشانی جهان در آنجا رخ میدهد.
زلزله شناسان از داده های تاریخی برای شناسایی و نقشه برداری این مناطق لرزه ای و تخمین احتمال وقوع زمین لرزه های آینده بر اساس فعالیت های گذشته استفاده می کنند.
نظارت بر پوسته زمین؛ ردیابی تغییرات در سطح آبهای زیرزمینی و حرکت صفحات تکتونیکی
روش دیگری که در پیش بینی زلزله استفاده می شود، نظارت بر تغییرات پوسته زمین، مانند تغییرات سطح آب های زیرزمینی یا حرکت صفحات تکتونیکی است. برای مثال، تغییرات سطح آب چاهها در نزدیکی خط گسل میتواند نشاندهنده افزایش فشار و تنش باشد که میتواند به وقوع یک زمین لرزه بینجامد. از دادههای GPS (سیستم موقعیت یاب جهانی) میتوان برای نظارت بر حرکت صفحات تکتونیکی استفاده کرد که میتواند اطلاعاتی در مورد قابلیت فعالیتهای لرزهای در آینده ارائه دهد.
سامانههای هشدار اولیه؛ بهرهگیری از فناوری برای تشخیص زلزله و اعلام هشدار
در حالی که این روشها میتوانند اطلاعات ارزشمندی در مورد احتمال وقوع زمینلرزههای آینده ارائه دهند، اما تضمین شده نیستند. همیشه درجاتی از تردید در پیشبینی زلزله وجود دارد و حتی در مناطقی که احتمال فعالیت لرزهای زیاد است، زمینلرزهها همچنان میتوانند بدون هشدار قبلی یا هشدار اندک اتفاق بیفتند.
با این حال، پیشرفتهای بدست آمده در زمینه فناوری و مدلسازی، امکان پیشبینی زلزله و به حداقل رساندن آثار آن را بهبود بخشیده است. به طور مثال، سامانه های هشدار زودهنگام زلزله از دادههای ایستگاههای مانیتورینگ لرزهای برای شناسایی زمینلرزهها استفاده میکنند و قبل از رسیدن امواج لرزهای به ساکنان مناطق در معرض خطر هشدار صادر میدهند. این سامانه ها می توانند زمان ارزشمندی را برای تخلیه ساختمان ها یا سایر اقدامات محافظتی فراهم کنند.
نقش حیوانات در پیشبینی زلزله
برخی شواهد غیررسمی بیانگر آن است که بعضی حیوانات قادر به پیش بینی زلزله هستند. برای مثال، مشاهده شده است که برخی از گونههای حیوانات مانند سگ، گربه و گاو، در ساعات قبل از وقوع زلزله رفتارهای غیرعادی بروز می دهند. این رفتارها می تواند شامل بی قراری، ناآرامی و سروصدا باشد. اینکه چرا برخی از حیوانات می توانند زمین لرزه های قریب الوقوع را احساس کنند، کاملا شناخته نشده است، اما برخی از محققان معتقدند این حیوانات نسبت به تغییرات در میدان های الکترومغناطیسی زمین، فشار جوی یا سایر عوامل محیطی که قبل از فعالیت لرزه ای رخ می دهد، حساس هستند.
با این حال، در حالی که رفتار حیوانات ممکن است ابزار مفیدی برای پیشبینی کوتاهمدت زلزله باشد، اما نمیتواند جایگزین روشهای علمی مورد استفاده توسط زلزلهشناسان و دیگر کارشناسان شود.
هوش مصنوعی و پیشبینی زلزله؛ بررسی قابلیت الگوریتمهای یادگیری ماشین
یکی دیگر از حوزه های تحقیقاتی که قابلیت بهبود پیش بینی زلزله را دارد، یادگیری ماشینی است. محققان در حال بررسی استفاده از الگوریتمهای هوش مصنوعی برای تجزیه و تحلیل مجموعههای بزرگ داده و شناسایی الگوهایی هستند که ممکن است شاخص فعالیت لرزهای باشند. برای مثال، مطالعهای که در سال ۲۰۲۱ در مجله تحقیقات ژئوفیزیک، زمین جامد منتشر شد، نشان میدهد یادگیری ماشینی قادر به پیشبینی زمانبندی و وضعیت تنش برشی زلزلههای آزمایشگاهی با دقت مناسب است.
مطالعه دیگری که در سال ۲۰۲۰ در مجله Nature Communications منتشر شد، از یادگیری ماشینی برای شناسایی الگوهایی در داده های لرزه ای استفاده کرد که با افزایش تنش در پوسته زمین قبل از زلزله مرتبط بود.
آمادگی و کاهش اثرات زلزله از طریق آموزش و برنامهریزی
علاوه بر پیشبینی زمینلرزه، آمادهسازی و کاهش آثار آن نیز مهم است که شامل اقداماتی مانند طراحی ساختمانهای مقاوم در برابر زلزله، برنامهریزی واکنش اضطراری و کارزارهای آموزش همگانی برای افزایش آگاهی در مورد خطرات زلزله و نحوه ایمن ماندن در هنگام زلزله است.
در حالی که دانشمندان روشهایی را برای تخمین احتمال و تأثیر احتمالی زمینلرزههای آینده ارایه کرده اند، این بلایای طبیعی هنوز بدون هشدار قبلی حتی در مناطقی با احتمال فعالیت لرزهای زیاد رخ دهند. در نتیجه، اولویت دادن به آمادگی و تلاشهای کاهش برای به حداقل رساندن تأثیر آنها بسیار مهم است. علاوه بر این، غیرقابل پیشبینی بودن زلزلهها را میتوان آزمونی برای ایمان و یادآور آسیبپذیری ما در برابر نیروهای طبیعت در نظر گرفت که باعث میشود برخی در زمانهای بحران به دنبال آرامش در دین باشند.
علم و آموزش دانشگاهها ۰ نفر مریم مولوی برچسبها زمین لرزه زمین شناسی هوش مصنوعی گسل علم و فناوری زلزله برگزیدگان علممنبع: ایرنا
کلیدواژه: زمین لرزه زمین شناسی هوش مصنوعی گسل علم و فناوری زلزله برگزیدگان علم زمین لرزه زمین شناسی هوش مصنوعی گسل علم و فناوری زلزله برگزیدگان علم حرکت صفحات تکتونیکی پیش بینی زلزله فعالیت لرزه ای زمین لرزه برای شناسایی زمین لرزه ها لرزه ای پوسته زمین هوش مصنوعی وقوع زلزله برای مثال زلزله ها داده ها روش ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.irna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ایرنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۶۲۵۷۹۶ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
استفاده مایکروسافت از هوش مصنوعی برای پیشبینی دقیقتر آبوهوا
در مارس ۲۰۲۳، ForecastWatch، شرکت نظارت بر پیشبینی آبوهوا، عنوان «دقیقترین ارائهدهنده پیشبینی آبوهوا در جهان» را به تیم توسعه آبوهوای Microsoft Start داد. بهنظر میرسد که تیم «مایکروسافت استارت» قصد توقف ندارد و اهداف بلندپروازانه دیگری را در نظر گرفته است.
به گزارش دیجیاتو، بهتازگی مایکروسافت اعلام کرده که این تیم با استفاده از هوش مصنوعی، روش دقیقتری برای پیشبینی آبوهوای ۳۰ روز آینده را ارائه کرده است. این سرویس در آیندهای نامعلوم عرضه میشود.
مایکروسافت در وبلاگ بینگ میگوید که تیم استارت مقالهای را در مورد یک مدل جدید پیشبینی میانبرد در سایت arXiv منتشر کرده است. این مقاله نشان میدهد که چگونه مدل جدید مایکروسافت استارت با مدل فعلی مورد استفاده توسط مرکز اروپایی پیشبینی آبوهوا (ECMWF)، مقایسه شده است. بهطور خلاصه، سیستم جدید مایکروسافت استفاده از پنج مدل مختلف هوش مصنوعی و سه معماری یادگیری عمیق را برای پیشبینیهای خود ترکیب میکند.
نحوه عملکرد مدلهای هوش مصنوعی مایکروسافت استارت برای پیشبینی آبوهوا
مایکروسافت میگوید که این مدلهای هوش مصنوعی میتوانند دهها سال دادههای آب و هوا را بهخاطر بسپارند تا بتوانند الگوهای آشنای امروزی را شناسایی کنند. این مدلها در نهایت میتوانند پیشبینی کنند که در آینده چه تغییرات آبوهوایی اتفاق میافتند. مایکروسافت دراینباره میگوید:
«این مدلهای هوش مصنوعی تقریباً مانند مدل NWP عمل میکنند: با توجه به وضعیت فعلی جو در یک کره سه بعدی (عرض جغرافیایی، طول جغرافیایی و ارتفاع)، وضعیت جو را برای مدتی در آینده، مثلاً یک ساعت، پیشبینی میکنند. سپس این پیشبینی را به مدل برمیگردانند تا دو ساعت بعد را پیشبینی کنند و به همین ترتیب.»
مدلهای هوش مصنوعی مایکروسافت میتوانند با استفاده از یک GPU (پردازشگر گرافیکی) پیشبینیها را سریعتر اجرا کنند و در نتیجه میتوانند به دفعات بیشتری اجرا شوند؛ بنابراین از نظر تئوری، پیشبینیهای دقیقتری خواهند داشت.
مایکروسافت میگوید که روشهای اختصاصی اندازهگیری خطاهای دمای آنها تاکنون دقیقتر از روشهایی است که توسط ECMWF استفاده میشود. ردموندیها این مدل را برای پیشبینی آبوهوای ۳۰ روزه به مدلسازی تیم مایکروسافت استارت خود اضافه خواهند کرد.
مایکروسافت استارت یکی از سرویسهای مایکروسافت است که به نمایش اخبار روز دنیا، نتایج مسابقات ورزشی و وضعیت آبوهوا میپردازد.