您的瀏覽器不支援script
科技部國際合作簡訊網
回首頁  意見信箱  English  科技部科教國合司  連結到科技部
  新聞剪影
  專題報導
  科技短訊
  科技政策
  科技新知
  學人及社團活動
  求才專欄
  合作機會
  科技臺灣
  歐盟科技報導
  相關網站
科技新知
  友善列印友善列印 文章轉寄文章轉寄  回上一頁
劍橋大學跨國團隊運用機器學習方法預測地震
作者:科技組 (Source: Cambridge University / Bertrand Rouet-Leduc et al.) 現職:駐英國代表處
文章來源:摘譯自英國劍橋大學2017年10月23日 https://www.cam.ac.uk/research/news/
發佈時間:2018.01.11
英國和美國的研究團隊使用機器學習(machine learning)的技術,成功預測何時地震發生。儘管這項研究是在實驗室裡進行,其實驗可模擬相當貼近實際的地震狀況,研究結果因而得以用來預測真實地震所發生的時間點。劍橋大學、洛斯阿拉莫斯國家實驗室(Los Alamos National Laboratory, LANL)與波士頓大學的團隊已找出地震發生前的細微徵兆,利用機器人學習邏輯可預測未來地震,其實驗結果發表在Geophysical Review Letters期刊中,未來也可以應用在雪崩或是土石流的預測上。

對地質學家來說,預測地震規模與發生時間是一個相當基礎且重要的研究目標。一般來說,要準確預測地震發生的地點是相當直觀的,因為如果某地先前發生過地震,很有可能此地還會再次發生地震。然而準確預測地震發生的時機以及地震的強度,對科學家而言一直是數十年來的難題。儘管儀器精度在過去15年內不斷進步,但可靠的地震預測技術仍未因此而誕生。

這篇研究的第一作者Bertrand Rouet-Leduc,當時是劍橋的博士生,由於研究計畫是利用機器學習技術,來提升氮化鎵發光二極體(GaN LED)的效能,須前往新墨西哥州的洛斯阿拉莫斯國家實驗室(LANL),展開英美兩地間材料與機器學習的研究合作。劍橋的研究團隊也是自此開始幫助LANL解決機器學習上的問題。此文章的LANL研究團隊主要是探討地震、地震前兆(通常是微弱的地表運動)與斷層間的交互關係,希望藉此能夠開發出預測地震的方法。LANL研究團隊在實驗室裡模擬實際地震的狀況,並用機器學習方法分析斷層移動產生的聲波訊號,找尋有無特定的訊號模式。實驗過程是使用鋼筋塊材來模擬地表脆弱地帶所產生的張力,並紀錄產生的地震訊號與聲波訊號,再利用機器學習的方法,尋找脆弱帶產生的聲波訊號與斷層產生間的關係。

機器學習的邏輯方法可以辨認出在地震尚未發生前,所產生的特定聲波徵兆,然而先前的研究卻誤認為這個徵兆僅僅是儀器雜訊。利用此聲波徵兆可以計算出脆弱帶目前受到的張力大小(僅有百分之幾的誤差),進一步估算發生斷層所需的時間(越靠近斷層產生的時間點,所做的估計值會越來越準確)。研究團隊目前認為這項聲波特徵可以直接量測儲存在系統內的彈性位能。
共同作者兼劍橋材料與冶金學系的Colin Humphreys教授表示:「這是首次機器學習應用在分析聲波數據來預測地震的發生,若能愈早預測發生時間,將有更充裕的警報時間」。

第一作者Rouet-Leduc表示:「機器學習可以客觀地分析人工無法掌控的大數據而有新發現。」雖然研究團隊也指出在實驗室裡進行的實驗,仍與實際地震的情況有諸多差異。他們希望藉由分析與目前實驗相似的現實系統,來逐漸增加機器學習方法的規模大小。其中一個現實系統是在加利福尼亞的San Andreas斷層,有許多典型的小規模但卻不斷發生的地震,與實驗室模擬地震的條件相似。此外在太平洋西北部(美國、英屬哥倫比亞跟加拿大)也常出現數週或是數月間持續不斷的地震,也與實驗室的模擬情況相似。Rouet-Leduc表示:「我們現在正處於偵測儀器、機器學習與高速運算電腦快速發展的時代,因而能夠處理龐大數據,使得地震科學也得以大幅邁進」。


參考資料:
Machine learning used to predict earthquakes in a lab setting
https://www.cam.ac.uk/research/news/machine-learning-used-to-predict-earthquakes-in-a-lab-setting
TOP
Copyrightsc2003 Department of International Cooperation and Science Education. All rights reserved. 科技部科教國合司 版權所有
隱私權宣告 ● 版權宣告  最佳瀏覽解析度1024x768