Ein Team am Los Alamos National Laboratory hat maschinelles Lernen – eine Anwendung von künstlicher Intelligenz – verwendet, um die verborgenen Signale zu erkennen, die einem Erdbeben vorausgehen. Die Ergebnisse am Kīlauea Vulkan in Hawaii sind Teil eines langjährigen Forschungsvorstoßes, der am Los Alamos begonnen wurde, und diese neueste Studie stellt das erste Mal dar, dass Wissenschaftler diese Warnsignale in einem stick-slip Fehler, der massive Zerstörung verursachen kann, entdecken konnten.
Das Team nutzte zwischen dem 1. Juni 2018 und dem 2. August 2018 aufgezeichnete Daten des Hawaiian Volcano Observatory der US Geological Survey. In dieser Zeit erlebte der Vulkan mehr als 50 Beben unterschiedlicher Stärken. Die Forscher konzentrierten sich auf 30-Sekunden-Fenster seismischer Daten, und ihr Modell identifizierte etwas Ähnliches wie einen Fingerabdruck, ein verborgenes Signal, das den Ladezyklus jedes Ereignisses verfolgte. Im Durchschnitt erschien dieses verborgene Signal kontinuierlich vor einer nachweisbaren großen Bodenbewegung.
Die Forschung baut auf früheren Arbeiten auf, die am Los Alamos an Fehlern in Kalifornien und im Pazifischen Nordwesten durchgeführt wurden, bei denen maschinelles Lernen in der Lage war, diese vorläufigen Signale zu erkennen. Durch die Anwendung von maschinellem Lernen konnten sie die Position eines Fehlers im Ladezyklus aufzeigen.
Das Team hat seine Forschung in der Zeitschrift Geophysical Research Letters veröffentlicht. Die Studie war das erste Mal, dass sie den Ansatz erfolgreich auf seismische Fehler, die Schicht, aus der Erdbeben entstehen, angewendet haben. In diesem Fall handelte es sich um eine Sequenz hochaktiver, magnitude-5 Stick-Slip-Ereignisse am Kīlauea Vulkan, der einen monatelangen seismischen Ereignis erlebte, das die Caldera um 1.600 Fuß sinken ließ. Dann analysierte das maschinelle Lernmodell diese Daten, verarbeitete die seismischen Signale und schätzte erfolgreich die Bodenverlagerungen und die Zeit bis zum nächsten Fehler.
Die Forschung wurde vom US-Energieministerium, dem Amt für Wissenschaft, dem Amt für Grundlagenforschung und dem Geowissenschaftsprogramm finanziert.