با هوش مصنوعی می‌توان زلزله بالای ۷ ریشتر را پیش‌بینی کرد؟
مهدی زارع نوشت: پیشرفت‌های اخیر در زمینه‌های لرزه‌شناسی آماری، در ارتباط با در دسترس بودن مقادیر زیادی از داده‌های لرزه‌ای در مقیاس‌های کوچک‌تر و پیشرفت‌های محاسباتی، درک ما از فرآیندهای زلزله وابسته به زمان و درنتیجه پیش‌بینی میان‌مدت و بلندمدت زلزله‌ها را به‌طور قابل‌توجهی بهبود بخشیده است و امید است با بهره‌گیری از هوش مصنوعی پیش روی در مسیر پیش‌بینی زلزله سریع‌تر از قبل باشد.
مهدی زارع در یادداشتی با عنوان «آیا امکان پیش‌بینی زلزله با بزرگای بیش از 7 وجود دارد؟» در روزنامه اعتماد نوشت: زمین لرزه 21 آبان 1396 ازگله - سرپل‌ذهاب با بزرگای 7.3 بزرگ‌ترین زمین لرزه ثبت شده دستگاهی در زاگرس چین خورده است که از گسیختگی در پی سنگ زاگرس ناشی شد و گسلش آن به سطح زمین نیز نرسید. با بهره‌برداری از داده‌های محلی و منطقه‌ای مشخص شد که گسیختگی به طول حدود 40 کیلومتر در امتداد یک گسل مورب در راستای گسله سنگی ذهاب گسیخته شد ژرفای زلزله حدود 18 کیلومتر زیر پوشش رسوبی به ضخامت حدود 8 کیلومتر در این منطقه بود. بیشترین تلفات و خسارات در کرمانشاه به 8 شهر و 1200 روستا موجب 640 کشته شد که 420 نفر از آنها در شهر سرپل‌ذهاب جان باختند. همچنین 9 هزار مجروح، تخریب یا آسیب رساندن به بیش از 15 هزار ساختمان و 100 هزار بی‌خانمان بر جای ماند. این آخرین زمین‌لرزه با بزرگای بیش از 7 ریشتر طی هفت سال اخیر بوده است. آیا امکان پیش‌بینی زلزله مهم بعدی که بزرگایی بیش از 7 ریشتر داشته باشد، وجود دارد؟
خوشه‌بندی زمانی و مکانی در داده‌های لرزه‌خیزی مشهود است، بسیاری از تحقیقات مرتبط با این الگوها در سال‌های اولیه بر بخش نسبتا کوچکی از رویدادها، عمدتا در بزرگاهای بیشتر متمرکز بود. مقدار «b» یک پیش‌نشانگر بلندمدت لرزه‌ای است که وضعیت تنش پوسته را نشان می‌دهد. اندازه شیب نمودار فراوانی زلزله‌ها در یک بازه زمانی معین در برابر بزرگای زمین لرزه براساس معادله ریشتر-گوتنبرگ شاخص مهمی برای لرزه خیزی هر منطقه است. رابطه معکوس بین فراوانی و بزرگای زلزله در مکان‌های خاص بدان معناست که فراوانی زمین لرزه‌های با بزرگای کم، بیش از زلزله‌های با بزرگای بالاتر است. کاهش فراوانی زمین لرزه‌های کوچک، به ویژه در مناطق لرزه‌ای فعال، نشان‌دهنده تجمع تنش است. این برحسب مقادیر «b» پایین‌تر قبل از زلزله‌های بزرگ منعکس می‌شود. مقادیر b با قبل از وقوع زمین لرزه به میزان قابل توجهی کاهش می‌یابد. الگوی زمانی مقدار b همواره روندهای پایین‌تری را قبل از یک زلزله قریب‌الوقوع نشان می‌دهد.
اگر یک منطقه لرزه‌ای فعال دایما برای تغییرات مقدار b پایش شود، می‌تواند رژیم‌های تغییرات تنش را آشکار کند و ضمنا به شرط وجود داده‌های لرزه‌خیزی کامل از منطقه، امکان پیش‌بینی زلزله را فراهم کند. فلات ایران پهنه برخورد قاره‌ای بین ورقه‌های اوراسیا و آفریقاست؛ رشته کوه‌های مرتفع و گسل‌های فعال. برخورد بین دو ورقه به بالا رفتن رشته کوه‌هایی مانند البرز و زاگرس در ایران انجامیده است. مرزهای این پهنه‌ها گسل‌های امتداد لغز هستند. نرخ تقریبی همگرایی بین عربستان و اوراسیا حدود 30 میلی‌متر در سال برآورد شده است. میزان کوتاه‌شدگی در زاگرس 10 تا 20 میلی‌متر در سال و در البرز حدود 10 میلی‌متر در سال است.
در شرق ایران این کوتاه‌شدگی حدود 16 میلی‌متر در سال است. تغییر شکل فعال به طور یکنواخت توزیع نمی‌شود و شامل کوتاه شدن، ضخیم شدن، گسلش معکوس و امتداد لغز به علاوه فرورانش پوسته اقیانوسی در مکران است. این توزیع موجب می‌شود تا امکان پیش‌بینی رخداد‌های بزرگ سخت‌تر شود. بخش بزرگی از کوتاه‌شدگی در کوهزایی (البرز، زاگرس و کپه داغ) خودنمایی می‌کند و البته اقلیتی از کوتاه‌شدگی در زمین‌لرزه‌ها خودنمایی می‌کند. الگوی لرزه خیزی فلات ایران، توزیع غیریکنواختی در نوارهای رشته کوه‌های با راندگی فعال و گسل‌های امتدادلغز نشان می‌دهد.
پیشرفت‌های اخیر در زمینه‌های لرزه‌شناسی آماری، در ارتباط با در دسترس بودن مقادیر زیادی از داده‌های لرزه‌ای در مقیاس‌های کوچک‌تر و پیشرفت‌های محاسباتی، درک ما از فرآیندهای زلزله وابسته به زمان و درنتیجه پیش‌بینی میان‌مدت و بلندمدت زلزله‌ها را به‌طور قابل‌توجهی بهبود بخشیده است و امید است با بهره‌گیری از هوش مصنوعی پیش روی در مسیر پیش‌بینی زلزله سریع‌تر از قبل باشد.
دیدگاه تان را بنویسید