Une étude récente, conduite par des géophysiciens de l’Université d’Alaska à Fairbanks et de l’Université Ludwig-Maximilians de Munich, propose une nouvelle technique d’apprentissage automatique permettant de prévoir les puissants séismes plusieurs mois à l’avance. L’étude a été publiée dans Nature Communications en août 2024.
La nouvelle méthode utilisée par les chercheurs consiste à analyser des volumes importants de données sismiques pour identifier des schémas d’activité sismique de faible magnitude susceptibles d’annoncer de puissants événements. L’algorithme d’apprentissage automatique utilisé, qui se base sur des données sismiques historiques, peut détecter ces précurseurs, avec la capacité à prévoir une catastrophe majeure.des mois à l’avance.
Les chercheurs se sont concentrés sur deux puissants séismes récents: celui de magnitude M 7,1 d’Anchorage en 2018 et l’essaim sismique enregistré à Ridgecrest, en Californie, en 2019. Dans les deux cas, ils ont découvert des signes d’activité sismique anormale dans les mois précédant les principaux événements. La probabilité d’un puissant séisme était de plus de 80 % trois mois avant le séisme d’Anchorage et de 85 % quelques jours seulement avant qu’il se produise.
Les scientifiques ont testé leurs hypothèses dans des zones sismiques actives telles que le centre-sud de l’Alaska et le sud de la Californie. Ces régions ont fourni des données importantes pour tester la capacité de la méthode à prévoir les séismes de grande ampleur. Les résultats de l’étude pourraient être utilisés dans d’autres zones sujettes aux séismes, notamment la faille de San Andreas en Californie et la fosse de Nankai au Japon.
La nouvelle étude représente plusieurs années de collecte et d’analyse de données. Les résultats les plus récents indiquent une amélioration significative de la prévision sismique. L’objectif principal est d’améliorer la sécurité publique et la préparation aux catastrophes. La plupart des technologies traditionnelles de prévision sismique ne sont pas parvenues à fournir un avertissement préalable adéquat. Les auteurs de l’étude espèrent développer une méthode plus fiable. Cela permettrait de sauver des vies et de réduire les dommages économiques grâce à des évacuations rapides des populations menacées.
La méthode de prévision utilisée par les chercheurs a recours à des algorithmes d’apprentissage automatique basés sur des catalogues de séismes afin de repérer les schémas d’activité sismique aberrante de faible magnitude qui précèdent souvent les puissants séismes. Selon eux, ces précurseurs de faible magnitude sont peut-être causés par une augmentation de la pression des fluides interstitiels dans les failles, ce qui modifie les propriétés mécaniques de ces dernières. La méthodologie utilisée par les scientifiques a permis de découvrir cette activité antérieure dans 15 à 25 % des zones touchées, environ trois mois avant les séismes d’Anchorage et de Ridgecrest. La capacité du modèle à prévoir la probabilité qu’un puissant séisme se produise dans un laps de temps donné constitue un grand pas en avant dans la prévision sismique.
Les chercheurs font remarquer que l’approche basée sur l’apprentissage automatique présentée dans l’étude ne nécessite que des informations mises à jour et archivées de manière routinière dans les catalogues de séismes. Une telle approche pourrait permettre de mieux comprendre la dynamique des réseaux de failles et à identifier les variations dans le champ de contrainte régional. Elle pourrait être facilement mise en œuvre par les agences de surveillance pour contrôler la sismicité de faible magnitude en temps quasi réel. À terme, cette nouvelle approche pourrait aider à concevoir des stratégies de niveaux d’alerte sismique basées sur la détection de l’activité tectonique régionale, et à améliorer la prévision des séismes de forte magnitude plusieurs semaines à plusieurs mois à l’avance dans le sud de la Californie, le centre-sud de l’Alaska, mais aussi dans d’autres régions du monde.
L’étude est en libre accès à cette adresse :
https://doi.org/10.1038/s41467-024-51596-z
Voir aussi l’article sur le site The Watchers.
La faille de San Andreas et ses homologues en Californie sont susceptibles de provoquer de puissants séismes (Photos: C. Grandpey)
————————————————–
A recent study by geophycists of the University of Alaska Fairbanks and Ludwig-Maximilians-Universität in Munich proposes a new machine learning technique for predicting big earthquakes months in advance. The study was published in Nature Communications in August 2024.
The new method entails analyzing massive volumes of seismic data to identify minor patterns of low-magnitude earthquake activity that may foreshadow big quakes. The machine learning algorithm, trained on historical earthquake data, may detect these precursors, potentially providing months of notice before a large-magnitude disaster.
The researchers concentrated on two recent significant earthquakes: the 2018 M 7.1 Anchorage earthquake and the 2019 Ridgecrest, California, earthquake series. In both cases, they discovered signs of aberrant seismic activity in the months preceding up to the main events, with the probability of a significant earthquake climbing up to over 80% three months before the Anchorage quake and 85% just days before it occurred.
The scientists test their conclusions in seismically active areas such as Southcentral Alaska and Southern California. These regions, recognized for their high seismic activity, supplied important data to test the method’s ability to forecast big earthquakes. The study’s findings have far-reaching ramifications for other earthquake-prone areas, including California’s San Andreas Fault and Japan’s Nankai Trough.
The new study represents several years of data collecting and analysis, with the most recent findings indicating a significant improvement in earthquake prediction. The major goal of this research was to enhance public safety and catastrophe preparedness. Traditional earthquake prediction technologies have frequently failed to provide adequate advance warning. The authors of the study hope to develop a more reliable method of anticipating seismic events. This would allow to save lives and decrease economic damages through timely evacuations and preparedness.
The researchers forecast method used machine learning algorithms trained on earthquake catalogs to spot patterns of aberrant, low-magnitude seismic activity, which frequently precede big earthquakes. In their opinion, these precursory low-magnitude earthquakes could be caused by increased pore fluid pressure within faults, which changes the faults’ mechanical properties. Their methodology discovered this antecedent activity in 15% to 25% of the afflicted zones about three months before the Anchorage and Ridgecrest earthquakes. The model’s capacity to forecast the likelihood of a big earthquake occurring within a given timeframe is a huge step forward in earthquake prediction.
The researchers say that it is worth noting that the machine learning-based approach presented in the study only requires information that is currently being archived routinely in earthquake catalogs; could help to better understand the dynamics of fault networks and identify variations in the regional stress field; and can be easily implemented by surveillance agencies to monitor low-magnitude seismicity in near-real time. Eventually, this new approach could help to design earthquake alert level strategies based on the detection of regional tectonic unrest, and to improve the forecast of large-magnitude earthquakes from weeks to months in advance in Southern California, Southcentral Alaska, and potentially elsewhere.
The study is in Open access at this address :
https://doi.org/10.1038/s41467-024-51596-z
See the article on the website The Watchers.
Claude Grandpey : Volcans et Glaciers 