Aprendizaje automático revoluciona la detección de terremotos impredecibles

Nuevas técnicas identifican agitación tectónica meses antes de terremotos

Un método innovador basado en aprendizaje automático permite predecir terremotos analizando patrones de agitación tectónica de bajo nivel en grandes áreas. La técnica permite analizar grandes volúmenes de datos sísmicos, identificando patrones que podrían advertir sobre terremotos inminentes.

Társilo Girona, del Instituto Geofísico de la Universidad de Alaska Fairbanks, y Kyriaki Drymoni de la Universidad Ludwig-Maximilians de Múnich, desarrollaron un algoritmo que detecta actividad sísmica anormal antes de grandes terremotos. 

Se centraron en dos grandes terremotos: el terremoto de Anchorage de magnitud 7,1 de 2018 y la secuencia de terremotos de Ridgecrest, California, de magnitudes entre 6,4 y 7,1 de 2019.

Encontraron que aproximadamente tres meses de sismicidad regional anormal de baja magnitud habían ocurrido en alrededor del 15% al 25% del centro-sur de Alaska y el sur de California antes de cada uno de los dos terremotos estudiados.

• Noticia relacionada: Investigadores desafían teorías tradicionales sobre las causas de los terremotos

Su investigación descubre que la alteración que precede a los grandes terremotos se refleja principalmente en la actividad sísmica con una magnitud inferior a 1,5.

El terremoto de Anchorage ocurrió el 30 de noviembre de 2018 a las 8:29 a.m., con un epicentro ubicado aproximadamente a 16 kilómetros al norte de la ciudad. Causó grandes daños en algunas carreteras y autopistas, y varios edificios sufrieron daños.

Su investigación descubre que la alteración que precede a los grandes terremotos se refleja principalmente en la actividad sísmica con una magnitud inferior a 1,5.

Utilizando su programa entrenado con datos, Girona y Drymoni descubrieron que, en el caso del terremoto de Anchorage, la probabilidad de que se produjera un terremoto importante en 30 días o menos aumentó abruptamente hasta aproximadamente el 80% unos tres meses antes del terremoto del 30 de noviembre. La probabilidad aumentó a aproximadamente el 85% tan solo unos días antes de que ocurriera. 

Tambien obtuvieron resultados de probabilidad similares para la secuencia de terremotos de Ridgecrest durante un período que comenzó unos 40 días antes del inicio de la secuencia de terremotos.

Los investigadores atribuyen esta actividad precursora al aumento de la presión del fluido intersticial en las fallas, lo cual debilita la resistencia de fricción y puede desencadenar deslizamientos.

• Noticia relacionada: Dos siglos después, se sienten las réplicas de terremotos históricos 

Girona subrayó que el aprendizaje automático y la computación avanzada permiten analizar grandes volúmenes de datos sísmicos, identificando patrones que podrían advertir sobre terremotos inminentes.

 Sin embargo, también señaló los desafíos éticos y prácticos, ya que la precisión en las predicciones es vital para evitar pánico y daño económico debido a falsas alarmas.

A pesar de los avances, Girona enfatizó que se necesita un entrenamiento específico del algoritmo con la sismicidad histórica de cada área antes de aplicarlo en nuevas regiones.

Finalmente, los autores están probando su algoritmo en tiempo real, buscando mejorar la capacidad de respuesta ante posibles terremotos y equilibrar la precisión de las predicciones con la minimización de riesgos asociados a las falsas alarmas y predicciones erróneas. Con datos de Europa Press.