Pour tout ce que les sismologues ont appris sur les tremblements de terre, les nouvelles technologies montrent tout ce qu'il reste à découvrir.

Dans une nouvelle étude en Avancées scientifiques , des chercheurs de l'Université de Columbia montrent que les algorithmes d'apprentissage automatique pourraient identifier différents types de tremblements de terre à partir de trois ans d'enregistrements de tremblements de terre aux Geysers en Californie, l'un des plus anciens et des plus grands réservoirs géothermiques du monde. Les schémas répétitifs des tremblements de terre semblent correspondre à la montée et à la chute saisonnières des flux d'injection d'eau dans les roches chaudes ci-dessous, suggérant un lien avec les processus mécaniques qui font glisser ou fissurer les roches, déclenchant un tremblement de terre.

"C'est une toute nouvelle façon d'étudier les tremblements de terre, " a déclaré le co-auteur de l'étude Benjamin Holtzman, géophysicien à l'observatoire terrestre de Lamont-Doherty de Columbia. "Ces méthodes d'apprentissage automatique détectent des différences très subtiles dans les données brutes que nous apprenons simplement à interpréter."

L'approche est nouvelle à plusieurs égards. Les chercheurs ont rassemblé un catalogue de 46, 000 enregistrements de séismes, chacun représenté comme des ondes d'énergie dans un sismogramme. Ils ont ensuite cartographié les changements de fréquence des ondes au fil du temps, qu'ils ont tracé comme un spectrogramme - une sorte de feuille de route musicale des changements de hauteur des ondes, devaient-ils être convertis en son. Les sismologues analysent généralement les sismogrammes pour estimer la magnitude d'un tremblement de terre et son origine. Mais examiner les informations de fréquence d'un tremblement de terre a permis aux chercheurs d'appliquer des outils d'apprentissage automatique capables de détecter des modèles dans la musique et la parole humaine avec un minimum d'intervention humaine. Avec ces outils, les chercheurs ont réduit chaque tremblement de terre à une "empreinte digitale" spectrale reflétant ses différences subtiles par rapport aux autres tremblements de terre, puis a utilisé un algorithme de regroupement pour trier les empreintes digitales en groupes.

L'aide à l'apprentissage automatique a aidé les chercheurs à faire le lien avec les quantités fluctuantes d'eau injectées sous terre pendant le processus d'extraction d'énergie, donnant aux chercheurs une explication possible de la raison pour laquelle l'ordinateur a regroupé les signaux comme il l'a fait. « Le travail consiste maintenant à examiner ces clusters avec des méthodes traditionnelles et à voir si nous pouvons comprendre la physique qui les sous-tend, " a déclaré le co-auteur de l'étude Felix Waldhauser, sismologue à Lamont-Doherty. "Habituellement, vous avez une hypothèse et vous la testez. Ici, vous construisez une hypothèse à partir d'un modèle que la machine a trouvé."

Si les tremblements de terre dans différents clusters peuvent être liés aux trois mécanismes qui génèrent généralement des tremblements de terre dans un réservoir géothermique - fracture de cisaillement, fracture thermique et fissuration hydraulique - il pourrait être possible, disent les chercheurs, pour augmenter la puissance de sortie dans les réservoirs géothermiques. Si les ingénieurs peuvent comprendre ce qui se passe dans le réservoir en temps quasi réel, ils peuvent expérimenter le contrôle des débits d'eau pour créer plus de petites fissures, Et ainsi, de l'eau chauffée pour produire de la vapeur et éventuellement de l'électricité. Ces méthodes pourraient également aider à réduire la probabilité de déclencher des tremblements de terre plus importants - à The Geysers, et partout ailleurs, le fluide est pompé sous terre, y compris sur les sites d'élimination des fluides de fracturation. Finalement, les outils pourraient aider à identifier les signes avant-coureurs d'un gros problème sur son chemin, l'un des saints Graal de la sismologie.