La minería de datos desentierra pistas ocultas de los principales desencadenantes del terremoto de California

"Es muy difícil desentrañar lo que provoca terremotos más grandes porque son poco frecuentes, pero con esta nueva información sobre una gran cantidad de pequeños terremotos, podemos ver cómo evoluciona el estrés en los sistemas de fallas", dijo Daniel Trugman, becario postdoctoral en Los Angeles. Laboratorio Nacional de Alamos y coautor de un artículo publicado en la revista. Ciencia hoy. "Esta nueva información sobre los mecanismos de activación y los obstáculos ocultos nos brinda una mejor plataforma para explicar cómo comienzan los grandes terremotos", dijo Trugman.

Crujir los números

Trugman y coautores del Instituto de Tecnología de California y Scripps Institution of Oceanography realizaron una operación de minería de datos masiva de la Red Sísmica del Sur de California para terremotos reales enterrados en el ruido. El equipo pudo detectar, comprender y localizar los terremotos con mayor precisión, y crearon el catálogo de terremotos más completo hasta la fecha. El trabajo identificó 1.81 millones de terremotos, 10 veces más terremotos que ocurren 10 veces más frecuentemente que los terremotos identificados previamente utilizando los métodos tradicionales de sismología.

El equipo desarrolló una biblioteca completa y detallada sobre terremotos para toda la región del sur de California, llamada el catálogo Quake Template Matching (QTM). Lo están utilizando para crear un mapa más completo de las fallas y el comportamiento del terremoto de California. Este catálogo puede ayudar a los investigadores a detectar y localizar terremotos con mayor precisión.

El equipo analizó casi dos décadas de datos recopilados por la Red Sísmica del Sur de California. La red, considerada uno de los mejores sistemas sísmicos del mundo, acumula un catálogo de terremotos de 550 estaciones de monitoreo sísmico en la región. El catálogo de SCSN se basa completamente en el enfoque tradicional: observación manual y análisis visual. Pero Trugman dice que este enfoque tradicional pierde muchas señales débiles que son indicadores de pequeños terremotos.

Plantillas coincidentes es clave

El equipo mejoró en este catálogo con minería de datos. Usando computación en paralelo, procesaron casi 100 terabytes de datos en 200 unidades de procesamiento de gráficos. Con un zoom de alta resolución durante un período de 10 años, realizaron el emparejamiento de plantillas utilizando sismogramas (formas de onda o señales) de sismos identificados previamente. Para crear plantillas, recortan fragmentos de formas de onda de terremotos previamente registrados y combinan esas formas de onda con patrones de señales registradas simultáneamente desde múltiples estaciones sísmicas. La coincidencia de plantillas se ha hecho antes, pero nunca a esta escala.

"Ahora podemos automatizarlo y buscar exhaustivamente en todo el archivo de formas de onda para encontrar señales de terremotos muy pequeños que antes estaban ocultos en el ruido", explicó Trugman.

Aplicando las plantillas, se encontraron los sucesos, los temblores y los temblores pequeños que se habían perdido con los métodos manuales. Esos eventos a menudo proporcionan detalles físicos y geográficos clave para ayudar a predecir grandes terremotos. El equipo también identificó secuencias de iniciación que revelan cómo se activan los terremotos.

Los nuevos detalles también revelaron estructuras de fallas y geometría tridimensionales, que permitirán el desarrollo de modelos más realistas.

Recientemente, Trugman y los colegas de Los Alamos han aplicado el aprendizaje automático para estudiar los terremotos creados en máquinas de terremoto de laboratorio. Ese trabajo ha descubierto detalles importantes sobre el comportamiento de los terremotos que pueden usarse para predecir terremotos.

"En el laboratorio, vemos los eventos pequeños como precursores de los eventos de grandes resbalones, pero no lo vemos de manera constante en el mundo real. Este análisis de coincidencia de la plantilla de datos grandes cierra la brecha", dijo. "Y ahora hemos descubierto que los terremotos se descontaron previamente como ruido y aprendimos más acerca de su comportamiento. Si podemos identificar estas secuencias como un obstáculo en tiempo real, podemos predecir el grande".

Fuente de la historia:

Materiales proporcionados por DOE / Laboratorio Nacional Los Alamos. Nota: El contenido puede ser editado por estilo y longitud.