您的位置:首页 → 神经网络可以帮助预测破坏性

据RIKEN研究人员称,人工神经网络已经迈出了预测未来破坏性的时间和规模的第一步。他们的论文发表在《自然通讯》杂志上。

通常发生在地壳的一部分突然围绕岩石中的裂缝或断层移动时。这释放出大量的应变能,震动周围地区,有时会释放出巨大的破坏,例如土耳其和叙利亚二月的。

在发生之前预测可以让人们有足够的时间撤离受威胁的地区,从而可能挽救数千人的生命。但预测是出了名的困难。

为了创建的数学模型,研究人员经常将晶体结构内的缺陷类比 - 晶体内的裂缝类似于地壳中的断层。当应用于地壳断层的运动时,这些“位错模型”描述了期间地壳的运动和变形。

相比之下,由RIKEN高级智能项目中心(AIP)的Naonori Ueda领导的一个团队考虑应用一种学习物理定律的神经网络,称为物理信息神经网络(PINN)。传统的神经网络学习输入和输出之间的函数关系,而PINN的不同之处在于它们学习满足由偏微分方程描述的物理模型。

然而,研究小组发现,学习连续函数的PINN很难直接应用于地壳变形模型等情况,其中位移在断层线上是不连续的。

上田和他的同事们通过使用专门设计的坐标系来处理断层之间的不连续性,克服了这一困难。这使他们能够准确地模拟地壳的变形,即使在靠近断层的地区也是如此。

“所提出的建模有可能实现高精度预测,”Ueda说。

研究人员使用物理定律而不是数据训练他们的神经网络,这对于数据采集可能很困难的应用来说是理想的。

为了证明该方法的有效性,研究人员应用他们的物理信息神经网络来模拟走滑断层,其中地壳的两个块围绕垂直裂缝水平移动。该网络可以将有关地球内部特定位置的信息转化为对该点地壳位移量的预测。

“这项工作证明了PINN能够准确模拟复杂结构的地壳变形,”AIP的Tomohisa Okazaki说。

PINN代表了一种相对较新的机器学习形式,研究人员希望他们的方法可以应用于许多其他涉及地壳变形的问题。

智能推荐