idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Thema Corona

Imagefilm
Science Video Project
idw-News App:

AppStore



Teilen: 
07.01.2021 11:38

Schnellere Erdbebenfrühwarnung mit Künstlicher Intelligenz

Josef Zens Presse- und Öffentlichkeitsarbeit
Helmholtz-Zentrum Potsdam - Deutsches GeoForschungsZentrum GFZ

    Erdbeben gehören zu den tödlichsten Naturgefahren, weil sie ungeheure Energien freisetzen und nicht vorhersagbar sind. Bei der Frühwarnung kommt es deshalb auf jede Sekunde an. Traditionelle Methoden sind relativ ungenau oder bieten nur sehr kurze Warnzeiten. In einem interdisziplinären Projekt des Deutschen GeoForschungsZentrums Potsdam und der Humboldt-Universität zu Berlin haben Jannes Münchmeyer und Kollegen eine Methode der Künstlichen Intelligenz aus dem Bereich Textverständnis und automatisierte Übersetzung an die Analyse seismischer Daten angepasst. Das ermöglicht schnellere und oft deutlich genauere Vorhersagen der zu erwartenden Erschütterungen in der Nähe eines Bebens.

    Erdbeben gehören zu den tödlichsten Naturgefahren. Das liegt zum einen daran, dass sie ungeheure Energien freisetzen, zum anderen an ihrer Unvorhersagbarkeit. Es gibt jedoch einen Umstand, der den betroffenen Menschen wertvolle Sekunden Vorwarnzeit bietet: Ein Beben sendet unterschiedlich schnelle Wellen aus – und die ersten, die so genannten P-Wellen, sind weitaus weniger zerstörerisch als die danach eintreffenden S-Wellen. Je weiter Gebäude und Infrastruktur vom Bebenherd entfernt sind, desto mehr Sekunden bleiben, um beispielsweise Gasleitungen zu schließen, die Stromzufuhr abzuschalten, Ampeln vor Brücken auf Rot zu stellen und Züge zu stoppen.

    Traditionelle Methoden der Frühwarnung sind allerdings relativ ungenau oder bieten nur sehr kurze Warnzeiten. Im Rahmen einer interdisziplinären Zusammenarbeit zwischen dem Deutschen GeoForschungsZentrum in Potsdam und der Humboldt-Universität zu Berlin haben Jannes Münchmeyer und seine Kollegen eine ursprünglich aus dem Bereich Textverständnis und automatisierte Übersetzung kommende Methode der Künstlichen Intelligenz, so genannte Transformer-Netzwerke, an die Analyse seismischer Daten angepasst. Ihr Ziel war es, schnellere und oft auch deutlich genauere Vorhersagen der zu erwartenden Erschütterungen in der Nachbarschaft eines Bebens zu erreichen.

    Die neue Methode wurde mit Datensätzen aus den stark erdbebengefährdeten Ländern Italien und Japan getestet, die beide ein sehr dichtes Netz an Erdbebenstationen haben. Wie bei „Machine Learning“ üblich, wurde das Verfahren an einem Satz von tausenden aufgezeichneten Beben getestet und gewissermaßen justiert. Danach gaben die Forscher dem Algorithmus ein weiteres Set von aufgezeichneten Beben, die der Algorithmus noch nicht „kannte“. In diesen retrospektiven Tests mit tatsächlichen Erdbeben ergab sich eine erhebliche Verbesserung der Warngenauigkeit. Jannes Münchmeyer sagt: „Wir erhielten eine höhere Zahl an korrekten und schnellen Warnungen vor stärkeren Erschütterungen als bei den bisherigen Ansätzen.“

    Ein weiterer Vorteil der neuen Methode sei, dass eine Einschätzung der Genauigkeit der Vorhersage mitberechnet wird. Frederik Tilmann vom GFZ erklärt: „Damit können Schwellenwerte, ab denen Warnungen erfolgen, an die örtlichen Gegebenheiten und Bedürfnisse der Menschen angepasst werden.“

    Die interdisziplinäre Arbeit von Seismologen und Datenwissenschaftlern (Informatiker und Mathematiker) war entscheidend für den Erfolg dieses Forschungsansatzes und wurde ermöglicht durch die von der Helmholtz-Gemeinschaft und dem Einstein Centre for the Digital Future initiierte „Helmholtz Einstein International Berlin Research School in Data Science” (HEIBRiDS) sowie das Geo.X-Netzwerk.

    Abbildungen:

    Abb. 1:

    Eingestürzte Klosterkirche der Benediktiner in Norcia, Italien. (CC0)

    Link:
    https://media.gfz-potsdam.de/gfz/wv/pm/21/11365_norcia-earthquake_CC0.jpg

    Abb. 2:

    Retrospektive Demonstration der neuen Methode für das 2016 Norcia Magnitude 6,5 Erdbeben in Norditalien.

    a. 3,5 s nach der Nukleation des Bebens haben erst wenige Stationen in unmittelbarer Nähe die ersten Signale des Bebens aufgezeichnet. Der äußere Kreis zeigt die Position der schnell laufenden P Welle an; außerhalb dieses Kreises ist noch kein Signal des Bebens zu sehen.

    b. Das „Transformer Earthquaker Alert Model“ bekommt Wellenformen und geographische Positionen der Stationen als Input und liefert Wahrscheinlichkeitsverteilungen der Bodenbeschleunigung (Erschütterung) als Output.

    c. Für jeden beliebigen Punkt wird eine Wahrscheinlichkeitsverteilung der zu erwartenden Bodenbeschleunigung berechnet, hier visualisiert für 6 Lokationen (in a. markiert) außerhalb der P Wellenfront.

    d. Abschätzung der ‚Erschütterungskarte‘, die nur 3,5 s nach dem Beben zur Verfügung gestanden hätte (plus eine kleine Verzögerung zur Datenübertragung) und die für jeden Punkt auf der Karte ein spezifisches Warnlevel erstellt, das mit einer Wahrscheinlichkeit von 40% überschritten wird. (% g entspricht Prozent der Erdbeschleunigung; signifikante Schäden treten üblicherweise ab ca. 10 % g auf)

    (Quelle: Fig. 3 aus: Jannes Münchmeyer; Dino Bindi; Ulf Leser; Frederik Tilmann, 2021. The transformer earthquake alerting model: A new versatile approach to earthquake early warning. Geophysical Journal International. DOI: 10.1093/gji/ggaa609)

    Link:
    https://media.gfz-potsdam.de/gfz/wv/pm/21/11366_scheme_Tilmann-GFZ.png


    Wissenschaftliche Ansprechpartner:

    Jannes Münchmeyer
    Sektion Seismologie
    Helmholtz-Zentrum Potsdam
    Deutsches GeoForschungsZentrum GFZ
    Telegrafenberg
    14473 Potsdam
    Tel.: +49 331 288-1228
    E-Mail: jannes.muenchmeyer@gfz-potsdam.de

    Prof. Frederik Tilmann
    Sektionsleiter Seismologie
    Helmholtz-Zentrum Potsdam
    Deutsches GeoForschungsZentrum GFZ
    Telegrafenberg
    14473 Potsdam
    Tel.: +49 331 288-1240
    E-Mail: frederik.tilmann@gfz-potsdam.de


    Originalpublikation:

    Originalstudie: Jannes Münchmeyer; Dino Bindi; Ulf Leser; Frederik Tilmann, 2021. The transformer earthquake alerting model: A new versatile approach to earthquake early warning. Geophysical Journal International. DOI: 10.1093/gji/ggaa609
    https://doi.org/10.1093/gji/ggaa609


    Merkmale dieser Pressemitteilung:
    Journalisten, Lehrer/Schüler, Studierende, Wirtschaftsvertreter, Wissenschaftler
    Geowissenschaften, Informationstechnik, Mathematik
    überregional
    Buntes aus der Wissenschaft, Forschungsergebnisse
    Deutsch


    Retrospektive Demonstration der neuen Methode für das 2016 Norcia Magnitude 6,5 Erdbeben in Norditalien.


    Zum Download

    x

    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).