Земля

Система глибокого навчання може передбачити наближення цунамі

Нова система дасть людям ті півгодини, які і потрібні, щоб втекти від цунамі

Вчені з Інституту Riken, Японія розробили нейромережу, яка може передбачити наступ цунамі. Програма показує не тільки сам факт наближення цунамі, але і висоту хвилі і карту затоплення прибережної зони. Швидкість обчислення дозволить жителям прибережних районів виграти час: система попереджає про цунамі на 30 хвилин раніше, ніж працюють сьогодні системи оповіщення. У багатьох випадках це критично важливо для порятунку тисяч людських життів.

Катастрофічне цунамі, яке обрушилося на північний схід Японії 11 березня 2011 року, забрало життя близько 18 500 людей. Багатьох можна було б врятувати, якби раннє попередження про майбутнє цунамі включало точні прогнози щодо того, наскільки високою буде вода в різних точках уздовж берегової лінії та вглиб країни.

Зараз узбережжя може похвалитися найбільшою у світі мережею датчиків для відстеження руху дна океану. 150 морських станцій, що складають цю мережу, забезпечують раннє попередження про цунамі. Але для того, щоб мати сенс, дані, що генеруються датчиками, повинні бути перетворені у висоту та масштаб цунамі вздовж берегової лінії.

Для цього потрібне чисельне рішення складних нелінійних рівнянь, що зазвичай займає близько 30 хвилин на стандартному комп’ютері. Але цунамі 2011 року вразило деякі ділянки узбережжя лише через 45 хвилин після землетрусу.

Тепер можна все зробити набагато швидше.

Схема запропонованого методу Nature Communications (2022). DOI: 10.1038 / s41467-022-33253-5 Цікаві місця показані з максимальним ступенем затоплення на навчальній вибірці. Сегменти станцій відстеження цунамі S-net позначені кольоровими лініями.

Вчені з лабораторії прогнозування Інституту RIKEN використовували машинне навчання, щоб скоротити час розрахунку від 30 хвилин до часток секунди.

“Головна перевага нашого методу – швидкість прогнозів, що має вирішальне значення для раннього попередження», — пояснює провідний автор роботи Іян Мулія.

Оскільки цунамі трапляються рідко, команда навчила свою систему машинного навчання, використовуючи понад 3000 комп’ютерних подій цунамі. Потім вони протестували його з 480 іншими сценаріями цунамі та трьома реальними цунамі.

Гіпотетичні сценарії вогнищ цунамі Nature Communications (2022). DOI: 10.1038 / s41467-022-33253-5 A) Дискретизація кордону розділу японської жолоба і розломів зовнішнього підняття (білі прямокутники). Штрихові контури позначають глибину плити. B) приклади стохастично генерованого переміщення по меганадвигу. Штрихові і суцільні чорні контури позначають косейсмічне опускання і підняття

Такий же підхід можна використовувати і для сценаріїв інших стихійних лих, де час має вирішальне значення. “Немає меж — Ви можете застосувати цей метод до будь-якого типу прогнозів стихійних лих з жорсткими обмеженнями часу», – каже Мулія, який вперше зацікавився вивченням цунамі після того, як цунамі в Індійському океані в 2004 році спустошило прибережні райони його рідної країни – Індонезії. Мулія каже:

“Зараз я працюю над прогнозуванням штормових сплесків, також використовуючи машинне навчання”.
Back to top button