神经网络可以帮助预测破坏性地震
据 RIKEN 研究人员称,人工神经网络已迈出预测未来破坏性地震发生时间和规模的第一步。他们的论文发表在《自然通讯》杂志上。
地震通常发生在地壳的某些部分突然围绕岩石中的裂缝或断层移动时。这会释放出巨大的应变能,震动周围地区,有时会造成巨大的破坏,例如土耳其和叙利亚 2 月发生的地震。
在地震发生之前预测地震可以让人们有足够的时间撤离受威胁的地区,从而有可能挽救成千上万人的生命。但是地震预测是出了名的困难。
为了创建地震的数学模型,研究人员经常将晶体结构中的缺陷进行类比——晶体中的裂缝类似于地壳中的断层。当应用于地壳断层的运动时,这些“位错模型”描述了地震期间地壳的运动和变形。
相比之下,由 RIKEN 高级智能项目中心 (AIP) 的 Naonori Ueda 领导的团队考虑应用学习物理定律的神经网络,称为物理信息神经网络 (PINN)。传统神经网络学习输入和输出之间的函数关系,而 PINN 的不同之处在于它们学习满足偏微分方程描述的 物理模型。
然而,该团队发现,学习连续函数的 PINN 很难直接应用于地壳变形模型等情况,在这些情况下,断层线上的位移是不连续的。
Ueda 和他的同事通过使用专门设计的坐标系来处理跨断层的不连续性,从而克服了这一困难。这使他们能够准确地模拟地壳的变形,即使在靠近断层的区域也是如此。
“拟议的模型有可能实现高精度预测,”Ueda 说。
研究人员使用物理定律而不是数据来训练他们的神经网络,这非常适合难以获取数据的应用。
为了证明该方法的有效性,研究人员应用他们的物理知识神经网络来模拟走滑断层,其中地壳的两个块围绕垂直裂缝水平移动。该网络可以将有关地球内部特定位置的信息转化为对该点地壳位移量的预测。
“这项工作证明了 PINN 能够准确模拟复杂结构的地壳变形,”同样来自 AIP 的 Tomohisa Okazaki 说。
PINN 代表了一种相对较新的机器学习形式,研究人员希望他们的方法可以应用于涉及地壳变形的许多其他问题。
声明:本站所有文章资源内容,如无特殊说明或标注,均为采集网络资源。如若本站内容侵犯了原著者的合法权益,可联系本站删除。