L'apprendimento automatico potrebbe fornire un'ora in più di preavviso per le colate detritiche lungo il torrente Illgraben in Svizzera, i ricercatori riferiscono al meeting annuale 2021 della Seismological Society of America (SSA).

I flussi di detriti sono miscele di acqua, sedimenti e rocce che si muovono rapidamente lungo ripide colline, innescato da forti precipitazioni e spesso contenente decine di migliaia di metri cubi di materiale. Il loro potenziale distruttivo rende importante disporre di sistemi di monitoraggio e allerta per proteggere le persone e le infrastrutture vicine.

Nella sua presentazione alla SSA, Małgorzata Chmiel dell'ETH Zürich ha descritto un approccio di apprendimento automatico per rilevare e allertare le colate detritiche per il torrente Illgraben, un sito nelle Alpi europee che registra ogni anno significative colate detritiche ed eventi torrentizi.

Registrazioni sismiche dalle stazioni situate nel bacino di Illgraben, da 20 precedenti eventi di colata detritica, sono stati utilizzati per addestrare un algoritmo per riconoscere i segnali sismici di formazione di colate detritiche, rilevando con precisione i flussi precoci il 90% delle volte.

Il sistema di machine learning è stato in grado di rilevare tutte e 13 le colate detritiche e gli eventi torrenziali avvenuti in un periodo di tre mesi nel 2020. L'allarme attivato dal sistema si è verificato tra 20 minuti e un'ora e mezza prima dell'orario di arrivo stimato del flusso a la prima diga di controllo del torrente, a seconda della velocità del flusso.

Gli avvisi di flusso di detriti per il torrente Illgraben provengono da geofoni a tre dighe di controllo e sensori che misurano l'altezza del flusso. Trenta dighe di controllo furono installate nella parte inferiore del canale dopo un disastroso evento nel 1961 che straripò il canale e distrusse un ponte.

L'attuale sistema limita il rilevamento di colate detritiche a una diga situata al di sotto del bacino superiore del torrente. "Però, le colate detritiche si formano solitamente nel bacino superiore, sopra controlla diga uno, " Spiegò Chmiel. "Per migliorare l'attuale sistema di allerta, avremmo bisogno di rilevare gli eventi torrenziali nella loro fase iniziale di formazione prima che arrivino alla diga di controllo uno".

La regolarità e la variabilità delle colate detritiche di Illgraben hanno convinto i ricercatori che il torrente sarebbe stato un buon posto per testare il loro modello di apprendimento automatico come sistema di allarme alternativo.

"Pensavamo che la dimensione del set di dati dovesse essere sufficiente per addestrare un modello di machine learning per un rilevamento affidabile. Inoltre, ciò che rende l'apprendimento automatico particolarmente interessante per Illgraben è che il rilevatore può essere migliorato ogni anno, con i dati di nuovi eventi, qualcosa che non è possibile ottenere con approcci tradizionali, "disse Camillo.

Chmiel ha affermato che il sistema funziona bene nel distinguere gli eventi torrenziali dai segnali sismici prodotti dall'attività umana, precipitazioni e terremoti. Il prossimo passo, ha notato, sarà quello di esplorare se il modello di apprendimento automatico può anche distinguere tra colate detritiche piccole e più grandi e potenzialmente più dannose.

La maggior parte delle colate detritiche a Illgraben sono attivate da forti temporali estivi, anche se lo scioglimento delle nevi può condizionare il pendio e potenzialmente può innescare alcuni flussi nella tarda primavera o all'inizio dell'estate, disse Chmiel. Una grande colata di detriti potrebbe minacciare il villaggio di Susten, presso la parte bassa del torrente, o i famosi sentieri escursionistici della zona intorno al canale.