L’intelligence artificielle pourrait améliorer les prévisions quant à l’endroit où les répliques sismiques se produiront.

Share

Un réseau neuronal artificiel a mieux deviné l’emplacement des répliques que les méthodes traditionnelles.

Une nouvelle intelligence artificielle est en train de transformer son gros cerveau en cartographie des répliques sismiques.

Les scientifiques ont formé un réseau neuronal artificiel pour étudier les relations spatiales entre plus de 130 000 séismes principaux et leurs répliques. Lors des essais, l’IA était beaucoup plus efficace pour prédire l’emplacement des répliques que les méthodes traditionnelles utilisées par de nombreux sismologues, rapporte l’équipe dans le numéro du 30 août de Nature.

Les chercheurs ont constaté que le système d’intelligence artificielle prédisait systématiquement des emplacements de répliques beaucoup mieux que le critère de défaillance de Coulomb. C’est parce que les résultats de l’IA étaient fortement corrélés avec d’autres mesures de la variation de la tension, comme la variation maximale de la tension de cisaillement sur un défaut, disent les scientifiques.

« C’est une étude intéressante qui pourrait ouvrir la voie à des travaux futurs visant à améliorer les prévisions ».

La question est de savoir si un système de prévision qui utilise une telle IA peut passer à l’action assez rapidement après un tremblement de terre pour que ses prévisions de répliques soient utiles. Les prédictions de la nouvelle étude ont bénéficié d’un grand nombre d’informations sur les failles qui ont glissé et dans quelle mesure. Immédiatement après un grand séisme, ces données ne seraient pas disponibles avant au moins un jour.

En tout cas, cela semble prometteur …

Source : https://www.sciencenews.org/article/artificial-neural-network-earthquake-aftershock-predictions

Plus d’informations sur la sismologie :

[amazon_link asins=’2759809420,2011452252,1295443635,1287610153′ template=’CopyOf-ProductGrid’ store=’scienco-tekniko-21′ marketplace=’FR’ link_id=’c21946d6-b1c5-11e8-aa14-a92b70ce11f1′]

Share