یکی از حوزه‌های تحقیقاتی که قابلیت بهبود پیش بینی زلزله را دارد، یادگیری ماشینی است. محققان در حال بررسی استفاده از الگوریتم‌های هوش مصنوعی برای تجزیه و تحلیل مجموعه‌های بزرگ داده و شناسایی الگو‌هایی هستند که ممکن است شاخص فعالیت لرزه‌ای باشند.
پیش‌بینی دقیق زمان و مکان وقوع زلزله در حال حاضر ناممکن است، اما دانشمندان راه‌هایی برای تخمین احتمال وقوع و تأثیرات زلزله‌های آینده ابداع کرده‌اند.
به گزارش ایرنا، موسی ستار از دانشگاه کینگستون در گزارشی در سایت رویو آو رلجنز نوشت: زمین لرزه‌ها از نظر شروع ناگهانی و بدون هشدار اولیه، در میان بلایای طبیعی منحصربفرد هستند. زلزله بلایای طبیعی است که می‌تواند خسارات قابل توجهی به زیرساخت‌ها برساند و صدمات و تلفات جانی ایجاد کند. غیرقابل پیش بینی بودن زمین لرزه‌ها قرن هاست دانشمندان را متحیر کرده است. در حالی که پیش‌بینی دقیق زمان و مکان وقوع زلزله ناممکن است، دانشمندان راه‌هایی برای تخمین احتمال وقوع و تأثیرات زلزله‌های آینده ابداع کرده اند.
در ابتدا، مهم است بدانیم چه چیزی باعث وقوع زلزله می‌شود. زمین لرزه نتیجه حرکت صفحات تکتونیکی است که پوسته زمین را تشکیل می‌دهند. هنگامی که این صفحات جابه‌جا می‌شوند و با هم برخورد می‌کنند، انرژی به شکل امواج لرزه‌ای آزاد می‌شود که می‌تواند باعث لرزش شدید زمین شود.
با وجود پیشرفت‌های به دست آمده در زمینه فناوری، پیش بینی زمان و مکان وقوع زلزله هنوز امری دشوار است. در حالی که دانشمندان توانسته اند مناطق زلزله خیز را شناسایی کنند، اما زمان دقیق و بزرگی این رویداد‌ها به میزان زیادی غیرقابل پیش بینی باقی مانده است.
دانش لرزه شناسی ابزار اصلی پیش بینی زلزله است. لرزه شناسان از ایستگاه‌های پایش برای شناسایی و ثبت زمین لرزه‌ها استفاده می‌کنند و داده‌ها را برای پی بردن به ویژگی‌های لرزه‌ای تجزیه و تحلیل می‌کنند.
یکی از متداول‌ترین روش‌های پیش‌بینی زلزله، شناسایی مناطقی است که فعالیت لرزه‌ای در آنجا افزایش یافته است که به مناطق زلزله خیز یا کانون‌های لرزه‌ای معروف هستند. این‌ها مناطقی هستند که صفحات تکتونیکی به هم می‌رسند و به دلیل افزایش فشار و انرژی، مستعد زلزله هستند. برای مثال، حلقه آتش اقیانوس آرام منطقه‌ای در اقیانوس آرام است که بیشتر زلزله‌ها و فوران‌های آتشفشانی جهان در آنجا رخ می‌دهد.
زلزله شناسان از داده‌های تاریخی برای شناسایی و نقشه برداری این مناطق لرزه‌ای و تخمین احتمال وقوع زمین لرزه‌های آینده بر اساس فعالیت‌های گذشته استفاده می‌کنند.
روش دیگری که در پیش بینی زلزله استفاده می‌شود، نظارت بر تغییرات پوسته زمین، مانند تغییرات سطح آب‌های زیرزمینی یا حرکت صفحات تکتونیکی است. برای مثال، تغییرات سطح آب چاه‌ها در نزدیکی خط گسل می‌تواند نشان‌دهنده افزایش فشار و تنش باشد که می‌تواند به وقوع یک زمین لرزه بینجامد. از داده‌های GPS (سیستم موقعیت یاب جهانی) می‌توان برای نظارت بر حرکت صفحات تکتونیکی استفاده کرد که می‌تواند اطلاعاتی در مورد قابلیت فعالیت‌های لرزه‌ای در آینده ارائه دهد.
در حالی که این روش‌ها می‌توانند اطلاعات ارزشمندی در مورد احتمال وقوع زمین‌لرزه‌های آینده ارائه دهند، اما تضمین شده نیستند. همیشه درجاتی از تردید در پیش‌بینی زلزله وجود دارد و حتی در مناطقی که احتمال فعالیت لرزه‌ای زیاد است، زمین‌لرزه‌ها همچنان می‌توانند بدون هشدار قبلی یا هشدار اندک اتفاق بیفتند.
با این حال، پیشرفت‌های بدست آمده در زمینه فناوری و مدل‌سازی، امکان پیش‌بینی زلزله و به حداقل رساندن آثار آن را بهبود بخشیده است. به طور مثال، سامانه‌های هشدار زودهنگام زلزله از داده‌های ایستگاه‌های مانیتورینگ لرزه‌ای برای شناسایی زمین‌لرزه‌ها استفاده می‌کنند و قبل از رسیدن امواج لرزه‌ای به ساکنان مناطق در معرض خطر هشدار صادر می‌دهند. این سامانه‌ها می‌توانند زمان ارزشمندی را برای تخلیه ساختمان‌ها یا سایر اقدامات محافظتی فراهم کنند.
برخی شواهد غیررسمی بیانگر آن است که بعضی حیوانات قادر به پیش بینی زلزله هستند. برای مثال، مشاهده شده است که برخی از گونه‌های حیوانات مانند سگ، گربه و گاو، در ساعات قبل از وقوع زلزله رفتار‌های غیرعادی بروز می‌دهند. این رفتار‌ها می‌تواند شامل بی قراری، ناآرامی و سروصدا باشد. اینکه چرا برخی از حیوانات می‌توانند زمین لرزه‌های قریب الوقوع را احساس کنند، کاملا شناخته نشده است، اما برخی از محققان معتقدند این حیوانات نسبت به تغییرات در میدان‌های الکترومغناطیسی زمین، فشار جوی یا سایر عوامل محیطی که قبل از فعالیت لرزه‌ای رخ می‌دهد، حساس هستند.
با این حال، در حالی که رفتار حیوانات ممکن است ابزار مفیدی برای پیش‌بینی کوتاه‌مدت زلزله باشد، اما نمی‌تواند جایگزین روش‌های علمی مورد استفاده توسط زلزله‌شناسان و دیگر کارشناسان شود.
یکی دیگر از حوزه‌های تحقیقاتی که قابلیت بهبود پیش بینی زلزله را دارد، یادگیری ماشینی است. محققان در حال بررسی استفاده از الگوریتم‌های هوش مصنوعی برای تجزیه و تحلیل مجموعه‌های بزرگ داده و شناسایی الگو‌هایی هستند که ممکن است شاخص فعالیت لرزه‌ای باشند. برای مثال، مطالعه‌ای که در سال ۲۰۲۱ در مجله تحقیقات ژئوفیزیک، زمین جامد منتشر شد، نشان می‌دهد یادگیری ماشینی قادر به پیش‌بینی زمان‌بندی و وضعیت تنش برشی زلزله‌های آزمایشگاهی با دقت مناسب است.
مطالعه دیگری که در سال ۲۰۲۰ در مجله Nature Communications منتشر شد، از یادگیری ماشینی برای شناسایی الگو‌هایی در داده‌های لرزه‌ای استفاده کرد که با افزایش تنش در پوسته زمین قبل از زلزله مرتبط بود.
علاوه بر پیش‌بینی زمین‌لرزه، آماده‌سازی و کاهش آثار آن نیز مهم است که شامل اقداماتی مانند طراحی ساختمان‌های مقاوم در برابر زلزله، برنامه‌ریزی واکنش اضطراری و کارزار‌های آموزش همگانی برای افزایش آگاهی در مورد خطرات زلزله و نحوه ایمن ماندن در هنگام زلزله است.
در حالی که دانشمندان روش‌هایی را برای تخمین احتمال و تأثیر احتمالی زمین‌لرزه‌های آینده ارایه کرده اند، این بلایای طبیعی هنوز بدون هشدار قبلی حتی در مناطقی با احتمال فعالیت لرزه‌ای زیاد رخ دهند. در نتیجه، اولویت دادن به آمادگی و تلاش‌های کاهش برای به حداقل رساندن تأثیر آنها بسیار مهم است. علاوه بر این، غیرقابل پیش‌بینی بودن زلزله‌ها را می‌توان آزمونی برای ایمان و یادآور آسیب‌پذیری ما در برابر نیرو‌های طبیعت در نظر گرفت که باعث می‌شود برخی در زمان‌های بحران به دنبال آرامش در دین باشند.
