Ученые разработали систему, которая может практически сразу после возникновения мощного землетрясения оценивать его магнитуду и местоположение по чрезвычайно слабому изменению гравитационного поля Земли. В отличие от традиционных методов, технология использует сигнал, который появляется раньше сейсмических волн, а искусственный интеллект помогает извлечь из него информацию, необходимую для оценки масштаба события.

Разработка уже вышла за рамки лабораторного эксперимента: исследователи создали приложение, позволяющее интегрировать алгоритм непосредственно в систему сейсмического мониторинга SeisComP. Технология тестируется и внедряется в разных странах, в том числе в системах раннего предупреждения о цунами в Перу и на Аляске.

Исследователь Французского института исследований в области развития (IRD), лаборатории «Геоазюр» Квентен Блетери представил принцип работы системы и результаты ее испытаний.

Система должна решить проблему первых минут после землетрясения

По его словам, при сильном подводном землетрясении у специалистов есть относительно много времени до прихода цунами — в зависимости от расстояния до побережья волна может достигать его через один-два часа. Однако решение о необходимости предупреждения приходится принимать значительно раньше.Ключевой параметр здесь — магнитуда землетрясения. Именно от масштаба события во многом зависит потенциальный размер цунами, отметил специалист. 

Проблема заключается в том, что традиционные системы раннего предупреждения оценивают землетрясение по первым сейсмическим волнам. Для обычных событий такой подход работает хорошо, однако при экстремально крупных землетрясениях возникает эффект насыщения: первые данные могут давать существенно заниженную оценку магнитуды.

Блетери привел в качестве примера землетрясение магнитудой 9, произошедшее в Японии в 2011 году. Такое землетрясение развивается не мгновенно — его магнитуда формируется примерно в течение двух минут. При этом японская система раннего предупреждения первоначально оценивала масштаб события значительно ниже реального и фактически остановилась примерно на магнитуде 8.

Для прогноза цунами это принципиальная разница. По словам исследователя, между землетрясениями магнитудой 8 и 9 в данном случае может быть примерно 30-кратная разница в амплитуде цунами.

Именно поэтому для систем раннего предупреждения особенно важно получить информацию о реальном масштабе крупнейших землетрясений как можно раньше.

Гравитация дает информацию раньше сейсмических волн

После землетрясения Тохоку 2011 года исследователи обратили внимание на так называемый мгновенный упруго-гравитационный сигнал — PEGS.Когда происходит гигантское землетрясение, огромные массы горных пород перемещаются на значительных расстояниях. Это вызывает чрезвычайно небольшое изменение гравитационного поля Земли.

Сигнал настолько слаб, что его величина составляет порядка 1 нанометра на квадратную секунду. Однако его можно регистрировать сейсмологическими приборами, поскольку сейсмографы измеряют ускорение, а гравитационное воздействие также проявляется как ускорение. Главное преимущество PEGS - скорость распространения. Гравитационное возмущение распространяется со скоростью света, тогда как сейсмические волны идут через Землю значительно медленнее.

Это создает своеобразное временное окно: информация об изменении гравитационного поля может быть получена до прихода сейсмических волн.При этом сигнал содержит информацию не только о самом факте землетрясения, но и о его масштабе. Блетери показал, что рассчитанные сигналы для землетрясений магнитудой 8,5 и 9 заметно различаются. Теоретически это позволяет определить, насколько велико событие, еще до того, как традиционная сейсмическая информация даст полную картину.

Для ИИ создали тысячи виртуальных землетрясений

Главная техническая проблема заключалась в том, что сам гравитационный сигнал чрезвычайно слаб. Чтобы научить алгоритм распознавать его, исследователи создали большое количество виртуальных землетрясений в различных точках зон субдукции Японии. Для каждого сценария рассчитывались синтетические сигналы, которые зарегистрировала бы сейсмическая сеть, если бы такое землетрясение произошло в действительности.Затем к этим данным добавлялся реальный сейсмический шум, собранный за год наблюдений. Таким образом ученые получили искусственный набор данных, максимально приближенный к условиям реального мониторинга.

На этих данных обучили нейронную сеть, которая по характерному распределению сигнала на сейсмической сети определяла магнитуду и местоположение землетрясения.Позднее исследователи перешли от сверточной нейронной сети к графовой нейронной сети (GNN). В этом случае алгоритм учитывает не только сами сигналы, но и геометрическое расположение сейсмических станций относительно друг друга.

Это оказалось особенно важно для менее крупных землетрясений, где гравитационный сигнал еще слабее.

Технологию уже испытывают в разных странах

Метод протестировали в автономном режиме на данных из Японии, Чили и Аляски. Сейчас алгоритм также внедряется в тестовом режиме в систему раннего предупреждения Перу, используется в работе над системой на Аляске и начал применяться в Новой Каледонии.

На Аляске систему дополнительно обучили определять моментный тензор землетрясения — параметр, который позволяет установить геометрию разлома и характер движения земной коры. Это имеет непосредственное значение для оценки цунами. Два землетрясения одинаковой магнитуды не обязательно создадут цунами одинакового масштаба: многое зависит от того, каким образом произошло смещение земной коры.

В экспериментах алгоритм хорошо работал с землетрясениями магнитудой около 8 и выше. Для более слабых событий гравитационный сигнал становился слишком малым. Однако использование графовой нейронной сети позволило повысить стабильность результатов и расширить рабочий диапазон системы.

Алгоритм можно интегрировать в существующую систему мониторинга

Следующий шаг исследователей — сделать технологию частью реальной инфраструктуры сейсмологического мониторинга. По словам Блетери, для этого создано приложение, позволяющее подключать алгоритм непосредственно к используемой специалистами платформе SeisComP.

Таким образом, речь идет уже не просто о нейросети, работающей в исследовательской среде. Разработчики создают инструмент, который можно интегрировать в существующие центры мониторинга и использовать вместе с традиционными методами определения параметров землетрясений.

Задача системы — практически сразу после возникновения мощного землетрясения получить дополнительную оценку его магнитуды и местоположения, а в дальнейшем - использовать эту информацию при принятии решения о необходимости предупреждения о цунами.

При этом новая технология не предназначена для замены традиционных сейсмических систем. Ее задача — дать специалистам дополнительный источник информации именно в тот момент, когда обычные методы не могут еще  показать реальный масштаб сверхкрупного землетрясения.

Если дальнейшие испытания подтвердят результаты, гравитационный сигнал в сочетании с ИИ может стать дополнительным уровнем раннего предупреждения о цунами.