Das maschinelle Lernen (ML) ebnet den Weg für bahnbrechende Verbesserungen bei der Erdbebenvorhersage, und zwar sowohl bei Primärbeben als auch bei Nachbeben.
In drei kürzlich erschienenen Veröffentlichungen wurden Deep-Learning-Modelle verwendet, die nach ersten Erkenntnissen die herkömmlichen statistischen Methoden bei der Vorhersage von Erdbeben in den Schatten stellen.
Obwohl diese Studien relativ spezifisch sind - in erster Linie geht es um die Vorhersage von Nachbeben nach einem großen seismischen Ereignis - bedeuten sie einen Sprung in der prädiktiven Erdbebenvorhersage.
Morgan Page, Seismologin beim US Geological Survey (USGS) in Pasadena, Kalifornien, zeigte sich begeistert von den Fortschritten: "Ich bin wirklich begeistert, dass es endlich losgeht".
Es ist jedoch wichtig zu entmystifizieren, was Erdbebenvorhersagen beinhalten. Es geht nicht darum, den genauen Zeitpunkt oder Ort eines seismischen Ereignisses zu bestimmen. Die lange Zeit vorherrschende Vorstellung, dass man die Stärke, den Ort und die Zeit eines Bebens vorhersagen kann - etwa so, als würde man sagen: "nächsten Sonntag um 8 Uhr". - ist nicht realistisch.
Mit Hilfe statistischer Analysen sind die Seismologen nun besser in der Lage, breitere Muster zu erkennen und auch mögliche Nachbeben abzuschätzen.
Deep Learning kann mit riesigen Datensätzen arbeiten und auf der Grundlage historischer Erdbebendaten die nächsten Beben vorhersagen.
Allerdings war es kein einfacher Weg, denn große Erdbeben sind relativ selten und die Datenlage ist dünn.
Über die Papiere
Drei jüngste Studien zeigen das Potenzial der KI bei der Vorhersage von Erdbeben auf:
- Geophysiker Kelian Dascher-Cousineau und ein Team der UC Berkeley: Entwicklung eines Modells, das an den Beben in Südkalifornien zwischen 2008 und 2021 getestet wurde. Ihr Modell übertraf das herkömmliche Modell bei der Vorhersage der Anzahl und des Magnitudenbereichs der Beben innerhalb von zwei Wochen.
- Statistiker Samuel Stockman von der Universität von Bristol: Die Stockman-Methode zeigte beim Training mit Erdbebendaten aus Mittelitalien aus den Jahren 2016-17 eine bessere Leistung als herkömmliche Methoden.
- Physiker Yohai Bar-Sinai und ein Team der Universität Tel Aviv: Dein weiteres neuronales Netzmodell entwickelt, das das herkömmliche Modell übertraf, als es mit Erdbebendaten aus drei Jahrzehnten in Japan getestet wurde. Bar-Sinai glaubt, dass dies zu einem besseren Verständnis der Erdbebenmechanik führen könnte.
Der USGS und ähnliche Einrichtungen werden bald neben den herkömmlichen Modellen auch Modelle des maschinellen Lernens einsetzen.
Unabhängig von der Vorhersagegenauigkeit ist es jedoch nach wie vor von größter Bedeutung, sich auf Erdbeben vorzubereiten und sicherzustellen, dass die Gebäude den Sicherheitsnormen entsprechen und Notfallausrüstungen stets bereitstehen.
Fortschritte in der künstlichen Intelligenz unterstützen Umwelt- und Naturschutzstrategien, einschließlich des Schutzes des Amazonas-Regenwald und Verbesserung der Tsunami-Warnsysteme.
