Lo studio dei terremoti rimane un interesse primario in tutto il mondo poiché è uno dei disastri naturali meno prevedibili. In una nuova recensione pubblicata su Artificial Intelligence in Geosciences , un team di ricercatori provenienti da Francia e Turchia ha esplorato il ruolo di strumenti convenzionali come sismometri e GPS nella comprensione dei terremoti e delle loro conseguenze.
"Questi strumenti hanno fornito informazioni preziose su vari parametri sismici, come la deformazione del suolo e le onde di spostamento. Tuttavia, devono affrontare diverse limitazioni, tra cui l'incapacità di prevedere i terremoti in tempo reale, sfide con la risoluzione dei dati temporali e una copertura spaziale non uniforme," spiega Joshua Pwavodi, autore principale della recensione. "Nonostante il loro significato storico, questi strumenti faticano a distinguere i segnali sismici dal rumore ambientale."
Tuttavia, gli autori notano che i recenti progressi nel campo dell’intelligenza artificiale e dell’IoT hanno affrontato in modo significativo alcune di queste limitazioni. Le metodologie di intelligenza artificiale si sono dimostrate determinanti nell’identificazione di modelli intricati e relazioni complesse all’interno dei dati sismici storici. Sfruttando l'intelligenza artificiale, sono state ottenute informazioni uniche sui modelli sismici in diverse posizioni geologiche.
"Sia le tecniche classiche che quelle avanzate di apprendimento automatico hanno contribuito allo sviluppo di robusti sistemi di allarme rapido e modelli di previsione decentralizzati. Anche i dispositivi IoT hanno svolto un ruolo cruciale consentendo la trasmissione continua dei dati per il monitoraggio in tempo reale", aggiunge Pwavodi.
La versatilità dei dispositivi IoT migliora l’accessibilità e l’archiviazione dei dati, creando una rete dinamica per la previsione dei terremoti. Tuttavia, persistono sfide quali la complessità computazionale, la qualità dei dati e l’interpretabilità. Una limitazione importante è l'integrazione delle misurazioni idrogeologiche primarie nell'addestramento del modello AI.
Il monitoraggio dei dati idrogeologici, comprese le pressioni dei fluidi interstiziali e il flusso dei fluidi, è spesso costoso. Strumenti come i Circulation Obviation Retrofit Kits (CORK) forniscono misurazioni in situ di questi parametri, ma la trasmissione dei dati non avviene sempre in tempo reale, a differenza dei sistemi IoT.
"Per affrontare queste sfide, abbiamo proposto un approccio globale che integra diversi set di dati, inclusi dati di sensori sismici, GPS, meteorologici e IoT", afferma Pwavodi. "Combinando questi set di dati, i ricercatori possono sviluppare modelli di previsione dei terremoti più robusti che tengono conto di vari fattori che contribuiscono."
Nello specifico, gli autori suggeriscono di integrare i dispositivi IoT con strumenti come i Circulation Obviation Retrofit Kits (CORK) per consentire la trasmissione in tempo reale delle misurazioni idrogeologiche che influenzano i terremoti. Questi dati in tempo reale, combinati con altri set di dati, possono essere utilizzati per costruire modelli predittivi di intelligenza artificiale in grado di fornire previsioni sui terremoti in tempo reale.
Ulteriori informazioni: Joshua Pwavodi et al, Il ruolo dell'intelligenza artificiale e dell'IoT nella previsione dei terremoti:recensione, Intelligenza artificiale nelle geoscienze (2024). DOI:10.1016/j.aiig.2024.100075
Fornito da KeAi Communications Co.