Il modello RECAST: un nuovo approccio alla previsione dei terremoti
Il modello RECAST e il suo funzionamento
La Università della California ha recentemente introdotto un rivoluzionario progresso nella previsione delle scosse di assestamento dei terremoti, che potrebbe trasformare radicalmente il modo in cui gli scienziati prevedono l’attività sismica in futuro. Questo nuovo e innovativo modello, denominato Recurrent Earthquake foreCAST (RECAST), utilizza l’apprendimento profondo per prevedere le scosse di assestamento. A differenza dei modelli tradizionali, come il modello ETAS (Epidemic Type Aftershock Sequence), RECAST eccelle nel gestire grandi set di dati sismici.
Si ritiene che le capacità di apprendimento profondo del modello apriranno la strada all’utilizzo di diverse fonti di dati nella previsione sismica. Il modello ETAS è stato progettato in un’epoca in cui le osservazioni erano limitate, rendendolo meno adattabile ai vasti e dettagliati cataloghi di terremoti attuali. Tuttavia, l’archiviazione moderna dei dati e le apparecchiature sensibili hanno portato alla creazione di cataloghi di milioni di terremoti, che hanno superato la capacità del modello precedente. La superiorità del modello RECAST risiede nella sua capacità di gestire con facilità questi grandi set di dati.
Simulazione delle scosse di assestamento dei terremoti
Per verificare l’efficacia del modello, i ricercatori hanno simulato cataloghi di terremoti con un modello ETAS e successivamente hanno testato il modello RECAST con dati reali del catalogo dei terremoti del sud della California. Hanno constatato che, man mano che aumentava il volume dei dati, il modello RECAST – che apprende continuamente – superava di gran lunga l’ETAS nella previsione delle scosse di assestamento. Inoltre, ha richiesto meno tempo e sforzo di calcolo per set di dati più grandi.
Il futuro della previsione sismica con RECAST
Si ritiene che le capacità di apprendimento profondo del modello apriranno la strada all’utilizzo di diverse fonti di dati nella previsione sismica. Negli ultimi anni, l’apprendimento automatico è stato esplorato in una certa misura per la previsione dei terremoti, ma fino ad ora ha incontrato limitazioni. Tuttavia, i recenti progressi nell’apprendimento automatico hanno garantito che RECAST sia più preciso e adattabile, rendendolo un’opzione più realistica per i geologi.
La flessibilità del modello RECAST
Per questo motivo, i ricercatori ritengono che la flessibilità del modello apra nuove vie di previsione, potendo raggruppare informazioni da diverse regioni per migliorare le previsioni in aree meno studiate. Si ritiene che le capacità di apprendimento profondo del modello apriranno la strada all’utilizzo di diverse fonti di dati nella previsione sismica, sfruttando in ultima analisi i registri continui dei movimenti del suolo.
Il potenziale rivoluzionario di RECAST
Inoltre, i ricercatori ritengono che il potenziale di RECAST potrebbe rivoluzionare la previsione dei terremoti e stimolare il dibattito sulle sue applicazioni future, che potrebbero contribuire a salvare vite umane.