تکنولوژی یادگیری ماشینی می تواند به پیش بینی های دقیق تر زلزله منتهی شود.
پژوهشگران از طریق یک ماشین هوشمند مصنوعی به روشی برای پیش بینی نقاطی دست یافته اند که پس لرزه ها پس از یک زلزله می لرزانند.
تحقیق به تحلیل بیش از ۱۳۱۰۰۰زلزله اصلی و پس لرزه از جمله زلزله ۹.۱ریشتری ژاپن و سایر زلزله های اصلی در تاریخ پرداخته است.
محققین با استفاده از اطلاعات زلزله های گذشته به روش بهتری  برای پیش بینی با استفاده از یک ماشین با قابلیت یادگیری دست یافته اند.
تیم برای درک بیشتر زلزله ها و شناسائی یک الگو یک شبکه عصبی ابداع کرد.ماشین همچنین می تواند بطور خیلی موثری جهت یافتن روش های جدید برای تخمین خطر لرزش ها مورد استفاده قرار گیرد.روش پیش بینی محققین در این تحقیق بر روش استاندارد پیش بینی موقعیت پس لرزه بعدی پس از یک زلزله تفوق جسته است.
بنا به اظهارات فی بی دیورایس ،یک زلزله شناس در دانشگاه هاروارد و جزئی از تیم تحقیقاتی که یافته های خودشان را در مجله طبیعت ماه آگوست عرضه کردند،آنها به این موضوع که چه دستگاهی می تواند در پیش بینی پس لرزه سهیم باشد فقط بطور سطحی پرداخته اند.
پرفسور مارک استرلینگ که بعنوان استاد علم زلزله شناسی در دانشگاه اوتیگو خدمت می کند گفت،"کاربرد یادگیری ماشینی برای مجموعه اطلاعاتی پس لرزه های با  کیفیت بالا گام بزرگی است ماورای آن چیزی  که در گذشته صورت پذیرفته است."
استر لینگ افزود،"با تکامل شیوه هایی شبیه این،ما به درک بهتری از اینکه چگونه این روش می تواند برای یکپارچه سازی شیوه های موجود پیش بینی زلزله بیانجامد نائل می شویم."
پس لرزه می تواند همانند زلزله زیانبار باشد.
برای مثال،سال ۲۰۱۰نیوزیلند با یک زلزله ۷۰۱ریشتری لرزانده شد.آن زلزله هیچ کس را نکشت؛لکن،زلزله ۶.۱ ریشتری که پنج ماه بعد از زلزله نخست رخ داد،۱۸۵نفر را کشت.
اکنون زلزله شناسان می توانند شدت پس لرزه های احتمالی را پیش بینی کنند؛لکن نمی توانند محل وقوع آنها را تعیین کنند.این با استفاده از شیوه ای محاسبه می شود که در می یابد چگونه زلزله ها فشار درون صخره ها را تغییر می دهند.
زلزله شناسان در پی آن ارزیابی می کنند که آیا زلزله به یک پس لرزه منتهی می شوداگر چه این شیوه می تواند الگوهای پس لرزه ها را توضیح دهد ولی برای  توجیه زلزله های شدید نمی تواند موفقیت آمیز باشد.
دانشمندان یافته های خود را بر روی ۳۰۰۰۰زلزله اصلی و پس لرزه آزمایش کردند که پیش بینی شبکه عصبی آنها برای پیش بینی موقعیت های پس لرزه با دقت بیشتری نسبت به شیوه گذشته بود.
باضافه،شبکه همچنین تغییرات فیزیکی را مشخص کرد که پس از اولین زلزله در زمین بوقوع می پیوست.اگر چه تحقیق روش تازه ای برای بررسی پس لرزه ها است،اما تحقیق نهائی راجع به رابطه زلزله و پس لرزه نیست.
(Source: Tech Times)
ترجمه و تلخیص:غریب واحدی پور