با شات ایکس همیشه در فناوری بروز باشید
«ناشدنی» پیش‌بینی زلزله با هوش مصنوعی «شدنی» می‌شود
عکس : پیش‌بینی زلزله با هوش مصنوعی
.

به گزارش، بلایای طبیعی از گذشته دور تا امروز خسارات مالی و جانی بسیاری را به بار آوردند، با وجود اینکه پیشرفت تکنولوژی امکان پیش‌بینی بسیاری از حوادث را فراهم کرده، اما هنوز خطرات به‌طور کامل مهار نشده است و بلایای طبیعی مرگباری که امکان پیش‌بینی آن‌ها دشوار است، سالانه زندگی میلیون‌ها نفر را تهدید می‌کند؛ یکی از این حوادث طبیعی زلزله است که تلاش برای شناختن و پیش‌بینی آن تا امروز موفقیت چندانی به دنبال نداشته است، اما به نظر می‌رسد با ظهور فناوری هوش مصنوعی، این روند در حال تغییر باشد و فاصله زیادی تا نظارت کامل بر این پدیده باقی نمانده است.



هر روز زلزله‌های متعددی کشور را می‌لرزاند، شاید حدود روزی بیش از ۲۰ گزارش از زلزله‌های زیر چهار ریشتر داشته باشیم؛ حدود ۱۷ درصد از زلزله‌های دنیا در ایران اتفاق می‌افتد و از لحاظ زلزله‌های بزرگ و دارای تلفات مالی و جانی کشور در رده‌های نخستین قرار داریم.

تصاویر زیر نشان‌دهنده میزان پراکندگی جمعیت ایران و میزان استعداد مناطق و داشتن پتانسیل زلزله است که با یک ارزیابی ساده می‌توان به آمارهای گفته شده استناد کرد.

«ناشدنی‌» که قرار است با کمک هوش مصنوعی «شدنی» شود

«ناشدنی‌» که قرار است با کمک هوش مصنوعی «شدنی» شود

چندی پیش با شنیدن این خبر که «محققان دانشگاه تگزاس الگوریتم جدیدی از هوش مصنوعی را مورد ارزیابی قرار دادند که می‌تواند ۷۰ درصد زلزله‌ها را یک هفته قبل از وقوع با دقت بالایی تشخیص دهد و این الگوریتم در یک دوره هفت‌ماهه در چین مورد آزمایش قرار گرفته است و محققان امیدوارند که فناوری هوش مصنوعی می‌تواند به یک ابزار قدرتمند و قابل اعتماد برای تشخیص زلزله تبدیل شود» امیدوار به رفع این مشکل شدیم و می‌دانیم که دانش هوش مصنوعی بر اساس پردازش داده‌های آماری عمل کنیم و این داده‌های آماری نیز قاعدتاً می‌توانند از حسگرهایی باشند که در مکان‌های مختلف قرار داده می‌شود تا از آن‌ها دیتا (داده) دریافت کنیم و سپس با استفاده از آن تصمیم‌گیری کنیم.

با استفاده از الگوهای هوش مصنوعی باید روند کاهشی انرژی را مورد بررسی قرار دهیم

سعید سلطانی‌مقدم، عضو هیئت علمی پژوهشگاه بین‌المللی زلزله‌شناسی در رابطه با وضعیت ایران از لحاظ توپولوژی لرزه‌نگاری می‌گوید: زلزله یک پدیده طبیعی است که به دلیل تجمع انرژی در لایه‌های مختلف زمین رخ می‌دهد و زمانی که انرژی به حدی برسد که لایه‌های زمین دیگر توان تحمل آن را نداشته باشند، به یک‌باره آزاد و منجر به وقوع زلزله می‌شود، همچنین در نقاط مختلف کره زمین صفحات تکتونیکی مختلف با میزان انرژی مختلف وجود دارند و کشورهایی نظیر ژاپن، ایتالیا و سایر مناطق دنیا در اصطلاح روی کمربندهای زلزله‌خیز قرار گرفته‌اند و با یک مرور تاریخی پی می‌بریم که ایران نیز از جایگاه ویژه‌ ای برخوردار بوده و در منطقه‌ای با پتانسیل بالا به لحاظ لرزه‌خیزی واقع شده است.

وی می‌افزاید: زلزله‌ها همیشه به عنوان یکی از مخرب‌ترین پدیده‌های طبیعی توانسته‌اند تخریب‌های زیادی را از لحاظ جانی و مالی در کشور ما ایجاد کنند. در رابطه با وضعیت توپولوژی شبکه‌های لرزه‌نگاری می‌توان گفت زلزله به عنوان یک فرآیند طبیعی قابل دریافت و ثبت در شبکه‌های لرزه‌نگاری است و شبکه‌های لرزه‌نگاری در واقع به مجموعه‌ای از ایستگاه‌های لرزه‌نگاری گفته می‌شود که در نقاط مختلفی از کشور نصب شده‌اند و اطلاعات یا رکورد دریافتی از زلزله‌ها را در خود ثبت می‌کنند و با پردازش این اطلاعات می‌توانیم به مشخصات بیشتری از زلزله‌هایی که در حال وقوع هستند پی ببریم.

سلطانی‌مقدم با بیان اینکه در حال حاضر در کشور ما دو شبکه لرزه‌نگاری مهم وجود دارد که شامل «شبکه ملی لرزه‌نگاری کشوری» وابسته به مؤسسه ژئوفیزیک دانشگاه تهران که مسئول رسمی ثبت و اعلام زمین‌لرزه‌های کشور است و شبکه دیگری که در پژوهشگاه بین‌المللی زلزله‌شناسی و مهندسی زلزله که این شبکه نیز به نوع دیگری مشغول ثبت و پردازش داده‌های مربوط به زلزله در کشور است اضافه می‌کند: اطلاعات زلزله‌ها را از مشخصاتی که سنسورهای دستگاه‌های ما در نقاط مختلف ثبت می‌کنند، می‌توانیم به دست بیاوریم که حجم این اطلاعات به‌خصوص در سال‌های گذشته با توجه به افزایش چشمگیر تعداد ایستگاه‌های لرزه‌نگاری در سراسر دنیا بسیار افزایش یافته است. در صورت نداشتن این تجهیزات مجبور به انجام این فرآیند به صورت دستی با صرف زمان زیاد و درگیری کارشناسان هستیم، اما روش‌های جدیدی که در حوزه هوش مصنوعی وارد شده است این قابلیت را دارد که بسیاری از این پردازش‌ها را به صورت خودکار و با دقتی به مراتب بیشتر از انسان انجام دهند و در نهایت موجب شود با سرعت زیاد حجم بالایی از داده‌ها را پردازش و مراحل ارزیابی مناطق را طی کنیم.

وی در رابطه با نحوه عملکرد حسگرهای شناسایی زلزله تصریح می‌کند: این حسگرها اغلب در سطح زمین و مکان‌هایی که به لحاظ امواج منطقه‌ای آرامی باشند و به‌طور عمده روی سنگ‌ها قرار می‌گیرند تا تکان‌های بسیار آرام حتی ناشی از لرزش‌های زمین در مناطق دوردست را نیز شناسایی کند؛ در نهایت در نحوه کار این حسگرها می‌توان گفت با کمک اینترنت اشیا در زمان وقوع زلزله و هنگامی که انرژی از منبع لرزه‌ زا ساطع می‌شود، به صورت امواج مختلف از لایه‌های مختلف عبور می‌کند تا در نهایت به حسگر ما برسد. ما در زلزله‌شناسی به‌طور عمده برای تعیین و شناسایی محل لرزه‌ها از دو موج لرزه‌ای مهم استفاده می‌کنیم که یکی از آن‌ها «موج اولیه» است و دیگری «موج ثانویه» که عمده تخریب توسط موج ثانویه ایجاد می‌شود و هر دوی این امواج توسط حسگرها دریافت و پردازش می‌شوند و اطلاعاتی نظیر محل، زمان و بزرگای آن زلزله را منتقل می‌کنند.

«ناشدنی‌» که قرار است با کمک هوش مصنوعی «شدنی» شود

سلطانی‌مقدم می‌گوید: قبل از تأسیس پژوهشگاه، شبکه‌های لرزه‌نگاری در کشور داشتیم که این شبکه‌ها وابسته به مؤسسه ژئوفیزیک تهران بود و به عنوان مسئول تعیین‌کننده کاتالوگ زمین‌لرزه‌ها فعالیت داشت، اما در زمینه زلزله‌شناسی صرفاً به شناخت اطلاعات زلزله‌ها اکتفا نکرده‌ایم و پژوهشگاه می‌تواند به حوزه‌های دیگری نیز بپردازد، به‌طور مثال در حوزه مهندسی، تهیه «نقشه‌های بندی» خطر لرزه‌ای را داریم. با تحلیل اطلاعات به دست آمده از زلزله‌ها می‌توانیم مناطقی را شناسایی کرده که در آن مناطق پتانسیل لرزه‌ای یا رخداد زلزله‌ها بیشتر از سایر مناطق باشد و در صورتی که کشور نیاز به ساخت سازه‌های مهمی مثل سدها، نیروگاه‌ها داشته باشد با دانستن این اطلاعات می‌تواند سازه‌ها را با قابلیت تاب‌آوری بالاتری در مقابل زمین‌لرزه‌های آن منطقه احداث کنند.

وی ادامه می‌دهد: از دیگر فعالیت‌های پژوهشگاه می‌توان به پروژه‌های تحلیل خطر در سازه‌های مهم اشاره کرد که زمان احداث سدها و نیروگاه‌ها با تعیین و شناسایی گسل‌های مهم آن منطقه و ایجاد یک شبکه پایش مدام در اطراف آن سازه مهم میزان خطر ناشی از وقوع زلزله را رصد و با برنامه‌ریزی‌های مناسب کاهش دهند، همچنین در حوزه مدیریت منابع و امدادرسانی اقدامات خوبی مانند شناسایی صحیح مشخصات زمین‌لرزه به‌منظور امدادرسانی سریع و مدیریت پس از حادثه صورت گرفته است.

سلطانی‌مقدم با توجه به مقایسه پراکندگی جمعیت و مناطق لرزه‌خیز ایران می‌گوید: زمان بررسی نقشه پراکندگی جمعیت در می‌یابیم که انطباق خوبی بین میزان لرزه‌خیزی و نقشه پراکندگی جمعیت وجود دارد. در ایران رفتارهای لرزه‌ای متفاوتی را داریم، اما باید بپذیریم که ایران سرزمینی با پتانسیل بالا در زمین‌لرزه است و باید قبل از مطرح کردن مباحث پیش‌بینی زلزله در ساخت‌وسازها موارد مقاوم‌سازی را به‌طور کامل رعایت کنیم و سازه‌ها را به شکلی بسازیم که در مقابل این خطر طبیعی مقاومت خوبی داشته باشد.

وی اضافه می‌کند: در پیش‌بینی زمین‌لرزه نباید صرفاً با در دست داشتن اطلاعات یک شبکه لرزه‌نگاری آسوده از خطرات زمین‌لرزه باشیم و فقط آن را ملاک قرار دهیم، بلکه وقوع زلزله اعلان‌های متعددی دارد که اگر بتوانیم آن‌ها را رصد و جمع دوری کنیم، با تشکیل یک بانک اطلاعاتی از این موارد توسط هوش مصنوعی مدل‌هایی را می‌توانیم تعیین کنیم و به الگوها و الگوریتم‌هایی که ما را به پیش‌بینی زمین لرزه برساند، دست پیدا کنیم.

سلطانی‌مقدم با اشاره به اینکه در استان تهران اقدامات خوبی در رابطه با سازمان پیشگیری و مدیریت بحران انجام شده است از جمله سامانه «هشدار سریع» که به‌تازگی به بهره‌برداری رسیده است، تاکید می‌کند: در حال حاضر این برنامه‌های عملیاتی روی گسل مشاع استان تهران، گسل زمین‌لرزه شهرستان بلده و گسل زمین‌لرزه شهرستان کرج اتفاق افتاد است و این سامانه‌های گسلی با دقت خوبی مورد مطالعه قرار گرفته‌اند، اما همچنان با توجه به پراکندگی و اهمیت گسل‌ها نیازمند یک شبکه لرزه‌نگاری با دقت بیشتر از سامانه‌های فعلی هستیم.

«ناشدنی‌» که قرار است با کمک هوش مصنوعی «شدنی» شود

سلطانی‌مقدم تصریح می‌کند: علاوه بر ثبت داده‌های لرزه‌نگاری، داده‌های دیگری نیز مثل نشت گازهایی که قبل از وقوع بعضی از زلزله‌ها رخ می‌دهد یا اختلال در میدان‌های مغناطیسی می‌تواند مورد استفاده قرار گیرد، اما در حال حاضر نیاز ما زیرساخت‌های لازم برای ایجاد هوش مصنوعی در این زمینه است، زیرا سامانه‌های هشدار سریع در حال حاضر توانایی هشدار حدود ۱۰ یا ۲۰ ثانیه قبل از وقوع زلزله را دارند و مورد استفاده عموم مردم قرار نمی‌گیرد، اما در جهت جلوگیری از بعضی فجایعی که هنگام وقوع زلزله می‌تواند اتفاق بیفتد همچون قطع گاز در شبکه‌های گازرسانی یا اطلاع نیروهای امدادی هنگام وقوع، مفید است. ارتقای این شبکه به هوش مصنوعی می‌تواند به افزایش پتانسیل و کاهش ضریب خطا کمک کند.

وی تصریح می‌کند: الگوی تخلیه انرژی روی گسل‌های مختلف متفاوت است، در صورتی که بتوانیم با استفاده از الگوهایی که هوش مصنوعی ایجاد می‌کند، روند کاهشی انرژی را دریافت کنیم، می‌توانیم به این سوال پاسخ دهیم که آیا این زلزله‌ای که اتفاق افتاده است پس‌لرزه، زلزله اصلی یا پیش‌لرزه است و پاسخ به این سوال کمک بسیار مؤثری را در امدادرسانی، پیشگیری از خسارات و رفع نگرانی جامعه می‌کند.

برای پیشگیری از خسارات سرعت اطلاع‌رسانی اهمیت ویژه‌ای دارد

ایمان کهباسی، پژوهشگر پژوهشگاه بین‌المللی زلزله‌شناسی درباره مدیریت زلزله با هوش مصنوعی می‌گوید: فناوری هوش مصنوعی در واقع تعاریف متعددی دارد و این تعاریف با گذر زمان دستخوش تغییر شده است.

وی درباره خطرات زلزله‌های زیر چهار ریشتر می‌افزاید: از لحاظ خطرات جانی و تخریب ساختمان‌ها خطراتی به نسبت کمتر از زلزله‌های قوی‌تر دارد، اما خطر زمین‌لرزه صرفاً به بزرگای آن برنمی‌گردد و فاصله از محل وقوع نیز مهم است، به عنوان مثال در صورتی که زمین‌لرزه زیر چهار ریشتر دقیقاً زیر یک ساختمان حادث شود خطراتی را شامل حال ساکنان می‌کند، اما اگر همین ساختمان به مراتب با فاصله بیشتری نسبت به کانون زمین‌لرزه قرار داشته باشد، به دلیل کاهش انرژی زلزله خطرات جدی را به همراه نخواهد داشت.

کهباسی درباره راه تشخصی اینکه یک زمین‌لرزه، پیس‌لرزه است یا زمین‌لرزه اصلی بیان می‌کند: این نکته را باید توجه داشت که وقتی پیش‌لرزه‌ای حادث می‌شود و بعد تعدادی زمین‌لرزه کوچک‌تر ایجاد می‌شود، می‌توان گفت زمین‌لرزه نخست، اصلی و بعدی‌ها پس‌لرزه بوده‌اند؛ به همین خاطر است که سازمان‌ها و ارگان‌های پیشگیری توصیه دارند که چندساعتی را با حفظ آرامش خارج از خانه سپری کنند تا فعالیت‌های زمین رصد شود.

«ناشدنی‌» که قرار است با کمک هوش مصنوعی «شدنی» شود

وی با بیان اینکه در کشور ما نقاطی با پوشش‌های جمعیتی سرشار، اغلب دارای پتانسیل لغزش هستند و از نقاط پرخطر محسوب می‌شوند، می‌گوید: پس از ظهور هوش مصنوعی با دقت این دانش تعیین زمان، فاصله لرزه‌ای، مکان‌یابی و تعیین بزرگا با ضریب اطمینان بیشتری انجام می‌گیرد. پس از وقوع زمین‌لرزه و شناسایی امواج انرژی زمین در ایستگاه‌های نزدیک به آن کانون لرزه مشخص و طی یک بازه زمانی کوتاه طی برخی محاسبات تخمینی انجام می‌شود و تا قبل از اینکه امواج مخرب به محل شهر و سازه برسد، اطلاع‌رسانی می‌شود اما در هشدار سریع صبر نمی‌کنیم تا کل اشکال موج زمین‌لرزه را دریافت و پردازش کنیم و این موقعیت نیازمند صرفه‌جویی در زمان هستیم به این معنی که تعلل نمی‌کنیم تا این امواج روی همه ایستگاه‌ها ثبت شود و با کمترین تعداد ایستگاه که غالباً بین سه تا چهار ایستگاه است، فرآیند آغاز می‌شود.

کهباسی اضافه می‌کند: هوش مصنوعی کمک می‌کند تا تخمین بزنیم اگر زمین‌لرزه‌ای با بزرگای مشخصی جایی اتفاق افتاده چه شتاب‌هایی در مناطق مختلف شهر داشته است که به اصطلاح به آن «نقشه شدت» نیز می‌گویند و بر اساس آن خواهیم دانست هر نقطه از شهر قرار است دستخوش چه خطرات و خساراتی شود.

وی با اشاره به نقش هوش مصنوعی پس از وقوع زمین‌لرزه ادامه داد: موقعیتی را پس از زمین‌لرزه در نظر بگیرید با مقداری خسارت، در این شرایط موضوعات مورد بحث تخصیص نیروهای امدادی به نقاط شهر و اولویت‌بندی بین نقاط است و اینجاست که موضوع تخمین خسارت پیش می‌آید و باید بتوانیم در کم‌تر از یک ساعت تخمین خسارت داشته باشیم. این تخمین خسارت پارامترهای متفاوتی از جمله شتاب نیروهایی که به سازه‌ها وارد می‌شود، میزان خرابی سازه‌های فرسوده، توزیع جمعیتی در مناطق، زمان وقوع زمین‌لرزه و میزان هشیاری مردم هنگام وقوع زمین‌لرزه دارد. با این اطلاعات و کمک‌های هوش مصنوعی می‌توانیم تخمینی دقیق از خسارات داشته باشیم و فرآیند مدیریت امدادرسانی پس از وقوع این پدیده را تسهیل کنیم.

به گزارش، پیش‌بینی زلزله تا پیش از این موضوع غیرممکن به نظر می‌رسید و البته هنوز هم به پیش‌بینی زلزله در هر نقطه‌ای در جهان نزدیک نشده‌ایم، اما آنچه به دست آوردیم نشان می‌دهد مسئله‌ای که فکر می‌کردیم حل نشدنی است حداقل از نظر تئوری قابل حل است.

به گفته محققان دانشگاه تگزاس، پیش‌بینی کردن زلزله بسیار دشوار و پیچیده است و تاکنون روش قابل اعتمادی برای پیش‌بینی آن ارائه نشده است، اما با پیشرفت فناوری و ظهور فناوری هوش مصنوعی، این مشکل غیرممکن نیز قابل حل شده است؛ تاکنون الگوریتم توسعه‌یافته مبتنی بر هوش مصنوعی موفق شده است موقعیت مکانی ۱۴ زلزله را در فاصله ۳۲۰ کیلومتری از منشأ خود به صورت دقیق پیش‌بینی کند، این سیستم فقط هشت هشدار نادرست ارائه کرده است.

ارسال این خبر برای دوستان در شبکه های مجازی :
تلگرامواتساپایتاتوییترفیس بوکلینکدین