زلزله
کاربردهای هوش مصنوعی

چطور همیشه یک قدم از زلزله جلوتر باشیم

    0
    زمان مطالعه: ۴ دقیقه

    درحال‌حاضر، قابلیت پیش‌بینی دقیق زلزله واقعیت ندارد. با‌این‌حال، سیستم‌های هشدار زودهنگامی ساخته شده‌اند که به لطف پیشرفت در حوزه‌ تحقیقات و فناوری، روز‌به‌روز کارآمدتر می‌شوند. این سیستم‌ها برای کاهش خسارات انسانی، اجتماعی و اقتصادی زلزله ضروری هستند.

    زلزله، پدیده‌ای آسیب‌زاست که در هر لحظه می‌تواند رخ دهد. ما نمی‌توانیم جلوی آن را بگیریم، اما با انجام اقداماتی، می‌توانیم مطمئن شویم که خسارات اقتصادی، تلفات جانی و اختلالات ناشی از آن در سرویس‌های ضروری به حداقل می‌رسند.

    راهکار اساسی استقامت در برابر زلزله، ساخت شهرهایی به مراتب مقاوم‌تر است. اگر می‌دانستیم چه زمانی زلزله می‌شود، مقامات و مسئولین می‌توانستند اورژانس‌های محلی راه‌ بیندازند و شروع به تخلیه کنند و به فکر تأسیس پناهگاه باشند؛ اما متأسفانه، چنین چیزی امکان‌پذیر نیست.

    کوآنتین بلتری، از محققان مؤسسه پژوهش برای توسعه Research Institute for Development (IRD) (فرانسه) و آزمایشگاه گِئازر Geozur laboratory (دانشگاه کوت دازور Universite Cote d’Azure) توضیح می‌دهد: «زلزله در جایی اتفاق می‌افتد که گسل وجود داشته باشد؛ پس محل وقوع زلزله‌ها را می‌دانیم؛ اما ایده‌ای در خصوص زمان وقوع‌شان نداریم.»

    جوهانز شوییتزر، محقق ارشد ژئوفیزیک در NORSAR، می‌گوید: «پیش‌بینی موفقیت‌آمیز زلزله زمانی اتفاق می‌افتد که اطلاعاتی دقیق درباره موقعیت مکان، زمان و شدت زلزله در دست داشته باشیم؛ امری که درحال‌حاضر امکان‌پذیر نیست.»

    زلزله

    هوش مصنوعی و کمک به سیستم‌های هشدار زودهنگام

    سیستم‌های هشدار زودهنگام زلزله Earthquake Early Warning (EEW) به لطف پیشرفت‌های اخیر توان کامپیوترها و ارتباطات شبکه‌ای، با سرعت بالا رو به تکامل پیش می‌روند. سیستم‌های EEW اولین سیگنال‌هایی را که زلزله تولید می‌کند، تشخیص می‌دهند؛ به‌بیان‌دیگر، مسئول تشخیص اتفاقاتی هستند که قبل از وقوع شدیدترین لرزه‌ها و رسیدن سونامی به مناطق پرجمعیت رخ می‌دهد. منشأ این سیگنال‌ها همان کانون زمین‌لرزه است؛ اما می‌توان چند ثانیه قبل از امواج لرزه‌ای آن‌ها را ثبت کرد.

    یکی از سیگنال‌های امیدوارکننده که اخیراً کشف شده است، PESG یا سیگنال کششی- جاذبه‌ای فوری Prompt Elasto-Gravity Signal است. این سیگنال با سرعت نور حرکت می‌کند؛ اما میلیون‌ها بار کوچک‌تر از امواج لرزه‌ای است و به همین دلیل، به‌ندرت تشخیص داده می‌شود.

    طبق توضیحات بلتری، هوش مصنوعی می‌تواند نقشی کلیدی در تشخیص این سیگنال‌ها ایفا کند. درحال‌حاضر، این پژوهشگر سعی دارد با پشتیبانی پروژه‌ EARLI، یک الگوریتم هوش مصنوعی توسعه دهد که قادر به انجام این کار باشد.

    بلتری در این باره می‌گوید: «هدف از ساخت این سیستم هوش مصنوعی، افزایش دقت و سرعت سیستم‌های هشدار زودهنگام است؛ بدین منظور، باید سیگنالی بسیار ضعیف را تشخیص دهیم که حتی از سریع‌ترین امواج لرزه‌ای هم سرعت بیشتری دارد.»

    این فناوری هنوز در مراحل اولیه به سر می‌برد؛ با‌این‌حال، باید اذعان داشت که اگر پروژه با موفقیت به سرانجام برسد، مسئولین به اطلاعاتی تقریباً فوری در خصوص شدت و موقعیت زلزله دست می‌یابند. به عقیده‌ بلتری، این مهم آن‌ها را قادر می‌سازد فوراً اقدامات ضروری را انجام دهند؛ از میان این اقدامات، می‌توان به خاموش کردن زیرساخت‌هایی همچون قطارها و نیروگاه‌های انرژی هسته‌ای یا انتقال افراد به مناطق ایمن اشاره کرد.

    تکنیک آماری برای مقاومت بهتر در برابر زمین‌لرزه

    راهکار دیگر برای افزایش مقاومت در برابر زمین‌لرزه و کاهش تلفات انسانی ناشی از آن، OEF یا پیش‌بینی عملیاتی زلزله Operational Earthquake Forecasting است. هدف از راه‌اندازی پروژه‌ TURNkey در مؤسسه‌ NORSAR، ارتقای این تکنیک آماری به منظور مطالعه‌ دقیق‌تر توالی‌های لرزه‌ای و امکان هشدارهای به‌موقع بوده است.

    ایوان ون‌بیور، مدیر پروژه TURNkey، می‌گوید: «OEF آگاهی لازم در خصوص خطرات لرزه‌ای متغیر را در اختیار ما می‌گذارد و به مدیران بخش‌های اورژانسی و مسئولین اجازه می‎‌دهد، آمادگی لازم برای زلزله‌های بالقوه آسیب‌زا را کسب کنند. تنها عیب OEF این است که دقت بالایی ندارد.»

    روش OEF، به‌جز بهبود روش‌های موجود، در توسعه‌ پلتفرم FWCR (پیش‌بینی، هشدار زودهنگام، پیش‌بینی عواقب، پاسخ Forecasting-Early Warning-Consequence Prediction-Response) نیز به کار می‌رود؛ این پلتفرم دقت هشدارهای زلزله را افزایش می‌دهد و از این مسئله اطمینان حاصل می‌کند که همه‌ اطلاعات لازم، به شکل قابل‌درک و مفید، به کاربران نهایی ارسال شود.

    ون‌بیور در ادامه می‌گوید: «این پلتفرم می‌تواند پس‌لرزه‌ها را هم پیش‌بینی کند، تا بدین طریق، به کاربران اجازه دهد هرچه بهتر تلفات و خسارات مستقیم و غیرمستقیم را برآورد کنند.»

    زلزله

    آماده‌تر از همیشه

    درحال‌حاضر، این پلتفرم در شش موقعیت مکانی مختلف در اروپا به آزمایش گذاشته شده است: بخارست (رومانی)، رشته‌کوه‌های پیرنه (فرانسه)، شهرهای هراگریه و هوساویک (ایسلند)، شهرهای پاتراس و اژیون (یونان)، بندر جیویا تاورو (جنوب ایتالیا) و همچنین استان گرونیگن (هلند) که از لرزه‌های القایی، آسیب دیده است. لرزه‌های القایی، زمین‌لرزه‌های خفیف ناشی از اقدامات انسان‌ها هستند، اقدامات و فعالیت‌هایی که بر پوسته‌ زمین، تنش و کشش وارد می‌کنند.

    جوهانز شویتزر، از هماهنگ‌کننده‌های پروژه‌ مذکور، اطمینان دارد که سیستم‌های مبتنی بر چندین حسگر، قادر به تولید هشدارهای زودهنگام و پاسخ‌های سریع خواهند بود. شوییتزر خاطرنشان می‌کند: «پلتفرم TURNkey شکاف بین سیستم‌های نظری و کاربردهای عملی آن‌ها در اروپا را پر خواهد کرد؛ در نهایت، به کمک این سیستم، می‌توان مقاومت شهرها در برابر زمین‌لرزه را قبل، هنگام و بعد از وقوع لرزه‌های آسیب‌زا بهبود بخشید.»

    برتلی اضافه می‌کند: «با پیشرفت این فناوری‌ها و سیستم‌ها، بهتر می‌توان خسارات انسانی، اجتماعی و اقتصادی زلزله‌ها را کاهش داد.»

    شهرهایی که احتمال وقوع زلزله در آن‌ها بالاست، می‌توانند با تکیه بر این فناوری‌ها، از همیشه آماده‌تر باشند. حداقل کاری که این سیستم‌ها می‌کنند این است که به افراد هشدار دهند، در مکان‌های ایمن، پناه بگیرند.

    انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۱ میانگین: ۵]

    سند هوش مصنوعی تدوین خواهد شد

    مقاله قبلی

    دستیار صوتی الکسا و امیدهای بشر برای هوشمندسازی هرچه بیشتر روندهای زندگی

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد.