• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  Science >> Science >  >> La nature
    Des données aux décisions :IA et IoT pour la prévision des tremblements de terre

    Architecture système intégrée proposée avec plusieurs sources de données utilisées pour la prévision du modèle de tremblement de terre AI et ML. Crédit :Pwavodi Joshua, et al

    L’étude des tremblements de terre reste d’un intérêt majeur à l’échelle mondiale car il s’agit de l’une des catastrophes naturelles les moins prévisibles. Dans une nouvelle revue publiée dans Artificial Intelligence in Geosciences , une équipe de chercheurs français et turcs a exploré le rôle des outils conventionnels tels que les sismomètres et le GPS dans la compréhension des tremblements de terre et de leurs conséquences.



    "Ces outils ont fourni des informations inestimables sur divers paramètres sismiques, tels que la déformation du sol et les ondes de déplacement. Cependant, ils sont confrontés à plusieurs limitations, notamment l'incapacité de prédire les tremblements de terre en temps réel, des défis liés à la résolution des données temporelles et une couverture spatiale inégale." explique Joshua Pwavodi, auteur principal de la revue. "Malgré leur importance historique, ces outils peinent à distinguer les signaux sismiques du bruit ambiant."

    Néanmoins, les auteurs notent que les progrès récents en matière d’IA et d’IoT ont considérablement résolu certaines de ces limitations. Les méthodologies d’IA se sont révélées essentielles à l’identification de modèles complexes et de relations complexes au sein des données sismiques historiques. En tirant parti de l'IA, des informations uniques sur les modèles sismiques dans divers emplacements géologiques ont été obtenues.

    « Les techniques d'apprentissage automatique classiques et avancées ont contribué au développement de systèmes d'alerte précoce robustes et de modèles de prédiction décentralisés. Les appareils IoT ont également joué un rôle crucial en permettant une transmission transparente des données pour une surveillance en temps réel », ajoute Pwavodi.

    La polyvalence des appareils IoT améliore l'accessibilité et le stockage des données, créant ainsi un réseau dynamique pour la prévision des tremblements de terre. Cependant, des défis tels que la complexité informatique, la qualité des données et l’interprétabilité persistent. Une limitation majeure est l'intégration de mesures hydrogéologiques primaires dans la formation des modèles d'IA.

    La surveillance des données hydrogéologiques, notamment les pressions interstitielles et le débit des fluides, est souvent coûteuse. Des outils tels que les kits de modernisation d'obviation de circulation (CORK) fournissent des mesures in situ de ces paramètres, mais la transmission des données ne s'effectue pas toujours en temps réel, contrairement aux systèmes IoT.

    « Pour relever ces défis, nous avons proposé une approche globale intégrant divers ensembles de données, notamment des données sismiques, GPS, météorologiques et des capteurs IoT », explique Pwavodi. "En combinant ces ensembles de données, les chercheurs peuvent développer des modèles de prévision des tremblements de terre plus robustes qui tiennent compte de divers facteurs contributifs."

    Plus précisément, les auteurs suggèrent d’intégrer des appareils IoT à des outils tels que les kits de modernisation d’obviation de circulation (CORK) pour permettre la transmission en temps réel des mesures hydrogéologiques influençant les tremblements de terre. Ces données en temps réel, combinées à d'autres ensembles de données, peuvent être utilisées pour construire des modèles d'IA prédictifs capables de fournir des prévisions de tremblements de terre en temps réel.

    Plus d'informations : Joshua Pwavodi et al, Le rôle de l'intelligence artificielle et de l'IoT dans la prévision des tremblements de terre :revue, Artificial Intelligence in Geosciences (2024). DOI :10.1016/j.aiig.2024.100075

    Fourni par KeAi Communications Co.




    © Science https://fr.scienceaq.com