Contenido ofrecido por
Aeternal Mentis

Adelantarse a los terremotos, más cerca gracias a la Inteligencia Artificial

Investigadores de la Universidad de Stanford encuentran una forma de obtener una señal más clara para detectar terremotos a partir de Inteligencia Artificial.

Guardar

Acabar con los terremotos es tarea menos que imposible. Es algo en lo que el ser humano lleva trabajando varios siglos sin éxito, ya que desgraciadamente siempre consiguen confundir a los expertos. Sin embargo, gracias al uso  de la Inteligencia Artificial podemos estar mucho más cerca de predecir cómo y cuándo pueden ocurrir, especialmente en las grandes ciudades o entornos muy poblados.

Investigadores de la Universidad de Stanford (EE UU) han creado un algoritmo capaz de mejorar la detección de las redes de monitoreo sísmico en ciudades y otras áreas urbanizadas. Al filtrar el ruido sísmico de fondo, mejora la calidad general de la señal y recupera señales que antes podían ser demasiado débiles para quedar registradas.

Según describen en un artículo publicado en Science Advances la semana pasada, los algoritmos entrenados para filtrar este ruido de fondo podrían ser de particular utilidad para monitorizar las estaciones dentro y alrededor de las ciudades de América del Sur, México, el Mediterráneo, Indonesia o Japón, tan ruidosas como propensas a los seísmos.

El algoritmo de aprendizaje profundo del equipo de la Universidad de Stanford, llamado UrbanDenoiser, ha sido entrenado en conjuntos de datos de 80.000 muestras de ruido sísmico urbano y 33.751 muestras que indican actividad sísmica propia de terremotos. Fueron recogidos en dos zonas de California (EE UU): la concurrida Long Beach y una zona rural en San Jacinto.

Cuando se aplicaron a los conjuntos de datos tomados del área de Long Beach, los algoritmos detectaron sustancialmente más terremotos y facilitaron la determinación de cómo y dónde comenzaron. Y cuando se aplicaron a los datos de un terremoto de 2014 en La Habra, también en California, el equipo observó cuatro veces más detecciones sísmicas en los datos "sin ruido" en comparación con el número registrado oficialmente.

Otros trabajos para prevenir terremotos o tsunamis

No es la primera vez que la Inteligencia Artificial se emplea para tratar de prevenir catástrofes naturales. Un grupo de investigadores de la Universidad de Cardiff desarrollaron en noviembre del año pasado una Inteligencia Artificial que permite predecir cuándo podría ocurrir un tsunami a partir del  análisis de las ondas sonoras del océano provocadas por terremotos submarinos

Para su investigación, el equipo analizó las grabaciones de sonido del océano profundo después de 201 terremotos que ocurrieron en el Pacífico y el Océano Índico. Inteligencia Artificial para la predicción precisa de tsunamis. Don Bernabé Gómez, estudiante del equipo de investigación, utilizó esta información para entrenar algoritmos de inteligencia artificial (IA) para reconocer cuándo ha ocurrido un terremoto vertical, lo que podría usarse para identificar futuros tsunamis en tiempo real.

Otros trabajos, algunos ya del año 2018, pronostican cómo la inteligencia artificial puede ayudar a predecir terremotos y las réplicas que prosiguen a los movimientos sísmicos. Es el caso de un estudio de la Universidad de Harvard y Google que aplicó una red neuronal para analizar la relación entre los cambios de estrés estático causados por las ubicaciones del temblor inicial y las réplicas.

El resultado final fue un modelo notablemente mejorado de predicción de las ubicaciones de las réplicas, que un día podría ayudar a desplegar servicios de emergencias y evacuar zonas en riesgo de réplica.

Aliviar la carga de los sismólogos

Los algoritmos de aprendizaje profundo son particularmente útiles para la monitorización de terremotos porque pueden aliviar la carga de los sismólogos humanos. En el pasado, los sismólogos observaban los gráficos producidos por los sensores que registraban el movimiento del suelo durante un terremoto e identificaban patrones a simple vista. Según los expertos, el aprendizaje profundo podría hacer que ese proceso sea más rápido y más preciso, al ayudar a eliminar grandes volúmenes de datos.