Una nueva investigación podría proporcionar una alerta temprana de

Un nuevo método para detectar terremotos masivos, que captura las ondas gravitacionales que generan utilizando modelos de aprendizaje profundo construidos en el Laboratorio Nacional de Los Álamos, puede estimar la magnitud del terremoto en tiempo real y proporcionar una alerta temprana de un tsunami.

«Nuestro modelo abre una estimación de la magnitud del terremoto en tiempo real, utilizando datos que se tratan de forma rutinaria como ruido, y pueden ser inmediatamente transformadores para la alerta temprana de tsunamis», dijo Bertrand Roet Leduc, científico del Grupo de Geofísica en Los Álamos.

La estimación rápida y confiable de la magnitud de los grandes terremotos es fundamental para mitigar los riesgos asociados con fuertes temblores y tsunamis. Los sistemas estándar de alerta temprana basados ​​en ondas sísmicas no pueden estimar rápidamente la magnitud de los grandes terremotos; Los sistemas se basan en estimar la magnitud del terremoto directamente a partir de la vibración que produce. Estos sistemas no pueden distinguir entre terremotos de magnitud 8 y 9, aunque estos últimos son 30 veces más activos y destructivos.

Posibles diferencias importantes

En una nueva investigación, publicada el 11 de mayo en templar la naturalezaY Un equipo de investigación descubrió que la onda gravitatoria de largo alcance asociada con terremotos muy grandes también se puede usar para la alerta temprana de terremotos. A diferencia de la alerta temprana basada en terremotos, la alerta temprana basada en gravedad no está saturada por magnitud, lo que significa que la alerta temprana de terremotos basada en gravedad puede distinguir inmediatamente entre terremotos de magnitud 8 y 9.

Otros métodos actuales se basan en el Sistema de Posicionamiento Global (GPS) para estimar la magnitud del terremoto. Si bien este enfoque proporciona mejores estimaciones que la alerta temprana basada en terremotos, también está sujeto a incertidumbres y latencia significativas.

READ  La NASA dice que el viaje de los humanos de la Tierra a Marte toma 500 días, ¡estos científicos dicen que solo 45!

Un enfoque PEGS más preciso para grandes terremotos

El enfoque de señales gravitacionales elásticas rápidas recientemente descubierto ha generado esperanzas de superar estas limitaciones, pero hasta ahora, nunca se ha probado para la alerta temprana de terremotos. A diferencia de los métodos actuales, el enfoque PEGS para detectar grandes terremotos se vuelve más preciso.

El equipo de investigación demostró que PEGS se puede usar en tiempo real para rastrear el crecimiento y la fuerza de un terremoto una vez que alcanza una cierta magnitud. El equipo desarrolló un modelo de aprendizaje profundo que aprovecha la información transportada por PEGS, que es registrada por los sismógrafos de banda ancha regionales de Japón.

Después de entrenar el modelo de aprendizaje profundo en una base de datos de formas de onda artificiales mejoradas por ruido experimental medido en la red sísmica, el equipo pudo demostrar el primer ejemplo de seguimiento en tiempo real de una fuente sísmica en datos reales.

Este modelo, combinado con datos en tiempo real, puede alertar a las comunidades desde el principio si un megaterremoto de subducción es lo suficientemente grande como para desencadenar un tsunami que perfora los diques existentes y pone en riesgo a los residentes costeros.

papel: Seguimiento en tiempo real del crecimiento del terremoto con señales de gravedad elástica. Andrea Lisiardi, Quentin Pelletree, Bertrand Roet-Lodoc, Jean-Paul Ambero y Kevin Guhel. templar la naturaleza.

Financiación: Programa de Investigación y Desarrollo de Laboratorio en Los Álamos.

LA-UR-22-24209


No dar una opinión: AAAS y Eurek Alert! no es responsable de la precisión de los boletines enviados en EurekAlert! A través de las instituciones contribuyentes o para el uso de cualquier información a través del sistema EurekAlert.

READ  La primera nave espacial china en la superficie del Planeta Rojo.

Deja una respuesta

Tu dirección de correo electrónico no será publicada.