استخدام التعلم الآلي لتقدير شدة الزلازل باستخدام محطة واحدة لإنذار مبكر بالزلازل

يُعد نظام الإنذار المبكر بالزلازل (EEWS) أداة لا غنى عنها للحد من فقدان الأرواح الناتج عن الزلازل. إن القدرة على تقييم شدة الزلزال بسرعة أمر حاسم لإدارة كوارث الزلازل بشكل فعال وتنفيذ استراتيجيات ناجحة لتقليل المخاطر. في هذا الصدد، يتيح استخدام شبكة الإنترنت للأشياء (IoT) نقل قياسات الشدة في الوقت الفعلي في الموقع. تقدم هذه الورقة نهجًا جديدًا يعتمد على تقنيات التعلم الآلي (ML) لتحديد شدة الزلازل بدقة وسرعة من خلال تحليل النشاط الزلزالي بعد ثانيتين من بداية الموجة الأولية. يستفيد النموذج المقترح، الذي يُشار إليه بـ 2S1C1S، من بيانات محطة واحدة ومكون واحد لتقييم شدة الزلزال. تتضمن مجموعة البيانات المستخدمة في هذه الدراسة، التي تُسمى "INSTANCE"، بيانات من الشبكة الوطنية الإيطالية للزلازل (INSN) عبر مئات من المحطات. تم تدريب النموذج على مجموعة بيانات كبيرة تتكون من 50,000 حالة، وهو ما يعادل 150,000 نافذة زلزالية كل منها لمدة ثانيتين، تشمل 3C. من خلال التقاط الميزات الرئيسية من آثار الموجات، يوفر النموذج المقترح تقديرًا موثوقًا لشدة الزلازل، محققًا معدل دقة مثير للإعجاب يبلغ 99.05% في التنبؤ بناءً على أي مكون واحد من 3C. يمكن دمج نموذج 2S1C1S بسلاسة في نظام IoT مركزي، مما يتيح نقل الإنذارات بسرعة إلى الجهات المعنية للاستجابة والتحرك الفوري. بالإضافة إلى ذلك، يتم إجراء مقارنة شاملة بين النتائج المستمدة من طريقة 2S1C1S وتلك المأخوذة من طريقة الحل اليدوي التقليدي، والتي تُعتبر معيارًا. تظهر النتائج التجريبية أن النموذج المقترح 2S1C1S، الذي يستخدم استخدام تعزيز التدرج المتطرف (XGB)، يتجاوز العديد من المعايير في تحديد شدة الزلزال بدقة، مما يبرز فعالية هذه المنهجية لأنظمة الإنذار المبكر بالزلازل (EEWSs).