Ein Team von Wissenschaftlern am Wadia Institute of Himalayan Geology, einem autonomen Institut unter dem Department of Science and Technology (DST), enthüllte am Dienstag maschinelles Lernen (ML) Techniken zur Modellierung von Krustendeformationen über dem tibetischen Plateau. Die Verwendung von ML-Techniken wie Support Vector Machines, Entscheidungsbäumen und Gauss’scher Prozessregression half den Wissenschaftlern, Geschwindigkeitsvektoren solcher Bewegungen vorherzusagen und die Charakterisierung von Plattenbewegungen zu verbessern.
Normalerweise wird ein dichtes Netzwerk von kontinuierlich betriebenen Referenzstationen (CORS) eingesetzt, um kontinuierlich Krustendeformationen zu überwachen. Kampagnenmodus-GPS-Vermessungen werden häufig verwendet, um das bestehende CORS-Netzwerk zu verdichten. Die Wissenschaftler des Wadia Institute implementierten jedoch stattdessen ML-Techniken, um die Krustenbewegung genau zu modellieren. In der Studie analysierte das Team Daten von 1.271 permanenten kontinuierlichen und kampagnenmodus-GPS-Stationen im tibetischen Plateau und den umliegenden Gebieten.
Die Ergebnisse, die im Journal of Asian Earth Sciences veröffentlicht wurden, zeigen die “Effektivität dieser ML-Techniken bei der Vorhersage von Geschwindigkeitsvektoren – Ostgeschwindigkeit und Norgeschwindigkeit – und bei der Verbesserung der Charakterisierung von Plattenbewegungen”. Basierend auf den datengesteuerten Trends aus den vorhandenen trainierten Modellen fütterten die Wissenschaftler die Standorte beliebiger GPS-Standorte und sagten die Ost- und Norgeschwindigkeit an diesen Standorten vorher. Der ML-Algorithmus zeigt eine bemerkenswerte Leistung im Bereich der geodätischen Studien auf kostengünstige Weise.