Inteligencia artificial & Ciencia

Inteligencia artificial para detectar terremotos

Esta tecnología es clave para medir el impacto del 'fracking'

logo
Inteligencia artificial para detectar terremotos
Fracking y terremotos

Fracking y terremotos Harvard / MIT

Resumen:

En los últimos seis años ha habido seis grandes terremotos en Oklahoma. Y ninguno parece producido por causas naturales. No es ningún secreto que la extracción de gas mediante fractura hidráulica (fracking) está ligada a la formación de terremotos, la mayoría, pequeños. Los sismógrafos son buenos y previendo grandes terremotos. Pero no pueden anticiparse y no miden tan bien los pequeños. De ahí que no haya estudios y mediciones a gran escala que relacionen el impacto del fracking a nivel sismológico.



Así funciona una red neuronal frente a la triangulación de sismógrafos detectando terremotos. | Vídeo: Mario Viciosa y MIT

 

Ahora, la inteligencia artificial puede ayudar. Mediante una red neuronal llamada ConvNetQuake, se pueden detectar y localizar de manera precisa pequeños movimientos de la tierra naturales y provocados por humanos. Usa lo que se llama convolución. Si las vibraciones de las ondas fueran sonido, se dice que el eco es la convolución del sonido original en función de los objetos que lo reflejan.

Objetivo: aumentar el censo de terremotos

El enfoque descubrió 17 veces más temblores que los que se registran en el catálogo de terremotos estándar de Oklahoma Geological Survey, por ejemplo. En los últimos años, los terremotos pequeños, posiblemente desencadenados por la inyección de aguas residuales, han sido más frecuentes en el centro de Estados Unidos. Detectar estos terremotos ha sido un desafío, pero hacerlo es clave para entender sus causas. Además, registrarlos en catálogos más completos es la base de muchos modelos de riesgo sísmico.

ConvNetQuake usa un algoritmo para etiquetar la actividad sísmica como «ruido» (que históricamente ha hecho que los terremotos pequeños sean difíciles de detectar) o como un evento real de terremoto. Continuamente busca datos sísmicos para detectar terremotos de baja magnitud similares a temblores previamente conocidos. Así va poco a poco aprendiendo a reconocerlo. Los autores, liderados por el profesor Thibaut Perol, probaron el rendimiento de ConvNetQuake en el centro de Oklahoma y el algoritmo detectó exitosamente los 209 eventos catalogados en julio de 2014. Además, clasificó los eventos de ruido como tales (en lugar de identificarlos como terremotos) el 94% de las veces. Según los autores, ConvNetQuake es más rápido y más preciso que otros métodos de detección de terremotos y puede ser útil para la advertencia temprana del terremoto.

Actualmente, los sismógrafos se localizan en distintos puntos. Pueden precisar el lugar en que se producen terremotos mediante la combinación de sus datos y triangulación. Pero con inteligencia artificial, con un sólo sismógrafo, la red neuronal aprende a identificar un pequeño terremoto y situarlo de forma efectiva y más rápida.