Skip to main content

Bir grup ABD’li ve İngiliz bilim insanı, depremi önceden tahmin etmede makine öğrenmesi tekniklerini başarıyla kullandı.

Cambridge Üniversitesi, Los Alamos Laboratuvarı ve Boston Üniversitesi’nden bilim insanlarının oluşturduğu ekip, depremlere öncülük eden gizli bir sinyal tanımladılar ve bu sinyalin “parmak izini” depremleri önceden tahmin edecek bir makine öğrenmesi algoritması yaratmak için kullandılar. Çığ ve toprak kayması gibi felaketler için de uygulanabilir olan çalışma sonuçları Geophysical Review Letters’ta yayımlandı.

Araştırma laboratuvar koşullarında gerçekleştirilse bile, gerçek yaşam koşullarına çok yakın koşullar sağlandı ve sonuçların, gerçek bir depremi önceden tahmin etmede kullanılabileceği düşünülüyor. Depremin zamanını ve büyüklüğünü önceden kestirebilmek yerbilimcilerin en önemli hedefi. Son 15 yıldır yapılan çalışmalarda gelişme sağlansa da, güvenilir bir deprem tahmin tekniği bulunamamıştı.

Makine öğrenmesiyle faydan gelen sesler analiz edildi

Çalışmalarını New Mexico’daki Los Alamos Laboratuvarı’nda gerçekleştiren ekip bir süredir depremler arası etkileşimleri, öncü depremleri ve fay hatlarını, depremleri önceden tahmin edecek bir metot bulabilmek umuduyla araştırıyorlardı. Laboratuvarda kurulan ve depremleri taklit eden bir sistem kullanan ekip, faydan gelen akustik sinyalleri analiz etmek için makine öğrenmesini sürece dahil ederek sonunda başarıya ulaştı.

Laboratuvarda deprem simülasyonunun gerçeğe yakın olması için, teçhizatta çelik bloklar kullanıldı. Ayrıca, sismik sinyaller ve sesler kaydedildi. Makine öğrenmesiyle de, faydan akustik sinyaller ile kırılma zamanı arasında bir ilişki kurulmaya çalışıldı.

Deprem tahmininde çığır açacak gelişme

Makine öğrenmesi algoritması, kaydedilen sesler içinde depremden çok önce ortaya çıkan ama “öylesine bir gürültü” sanılan özel bir yapıyı ortaya çıkardı. Bu sesin özelliklerinin, faydaki gerilimi tam olarak belirleyeceği ve kırılmanın yaşanacağı vakti önceden saptamayı sağlayacağı düşünülüyor. Bu, makine öğrenmesinin ses verisi analizinde deprem tahmini yapmak için ilk kez kullanılışı ve olumlu sonuç vermesi bu alanda yapılan çalışmalar ve felaketlerin önlenmesi açısından büyük önem taşıyor.