Stanford-seismoloog Gregory Beroza was op een dag aan het winkelen toen hij een lied hoorde dat hij niet herkende. Dus haalde hij zijn smartphone tevoorschijn en gebruikte de populaire app Shazam om het nummer te identificeren.
Shazam gebruikt een algoritme om de 'akoestische vingerafdruk' voor een nummer te vinden - het gedeelte van een nummer dat het uniek maakt - en vergelijkt dit met de nummerdatabase.
Wat als, vroeg Beroza zich af, hij een vergelijkbare techniek zou kunnen gebruiken om aardbevingen te identificeren?
Al jaren proberen seismologen 'microbevingen' te identificeren - aardbevingen die zo klein zijn dat ze niet eens registreren op traditionele meetinstrumenten. Het identificeren van microbevingen kan wetenschappers helpen aardbevingsgedrag te begrijpen en mogelijk helpen bij het voorspellen van gevaarlijke seismische gebeurtenissen.
Net als liedjes hebben aardbevingen ook vingerafdrukken.
"De structuur van de aarde verandert heel langzaam, dus aardbevingen die bij elkaar plaatsvinden hebben zeer vergelijkbare golfvormen, dat wil zeggen dat ze de grond op bijna dezelfde manier schudden", legt Beroza uit.
In de loop van de tijd hebben onderzoekers databases met vingerafdrukken van aardbevingen opgezet om bewegingen op de grond te identificeren die mogelijk microbevingen zijn. Wanneer een grondbeweging optreedt, kunnen seismologen de database gebruiken om te zien of deze overeenkomt met een bekende vingerafdruk van de aardbeving. Maar het gebruik van deze databases is een langzaam proces en seismologen proberen vaak enorme hoeveelheden gegevens in realtime te lezen.
"Je kunt je voorstellen dat als je 365 dagen per jaar, 24 uur per dag alle tijden probeert te vergelijken met alle andere tijden, het al snel een hele grote klus wordt", zegt Beroza. "In feite wordt het onmogelijk groot."
Hoe FAST werkt (Stanford) (Stanford) Maar een op algoritmen gebaseerde microquake-vingerafdruklezer op basis van Shazam zou het potentieel kunnen hebben om het werk bijna onmiddellijk te doen, dacht Beroza.
De seismoloog rekruteerde drie studenten met expertise in computationele geowetenschappen om een algoritme te maken. Samen heeft het team een programma bedacht genaamd Fingerprint and Similarity Thresholding (FAST). Het acroniem is toepasselijk: FAST kan een week van continue seismische gegevens analyseren in minder dan twee uur, 140 keer sneller dan traditionele technieken. In tegenstelling tot traditionele databases, gebruikt FAST vingerafdrukken om 'like met like' te vergelijken, waardoor het tijdverspillende proces van het vergelijken van alle aardbevingen met alle andere aardbevingen wordt voorkomen.
De resultaten van het werk van het team zijn onlangs gepubliceerd in het tijdschrift Science Advances .
"Het potentiële gebruik [van FAST] is echt overal, " zegt Beroza. "Het kan nuttig zijn om aardbevingen te vinden tijdens naschokreeksen [de kleinere aardbevingen die vaak een grotere volgen" om het proces te begrijpen waardoor de ene aardbeving tot een andere aardbeving leidt. "
Het kan ook nuttig zijn bij het begrijpen van "geïnduceerde seismiciteit" - kleine aardbevingen veroorzaakt door menselijk gedrag. Een veel voorkomende oorzaak van geïnduceerde seismiciteit is afvalwaterinjectie, waarbij verontreinigd water uit olie- en gasboringen wordt verwijderd door het in diepe ondergrondse putten te injecteren. Afvalwaterinjectie wordt verondersteld de oorzaak te zijn van de grootste door de mens veroorzaakte aardbeving in de geschiedenis van de VS, een aardbeving met een kracht van 5, 7 in Oklahoma in 2011. Mijnbouw, hydraulische breuk en de bouw van zeer grote reservoirs staan er ook om bekend aardbevingen te veroorzaken. In tegenstelling tot natuurlijke aardbevingen, waarvan het aantal door de jaren heen constant is gebleven, nemen door mensen veroorzaakte aardbevingen steeds vaker toe, zegt Beroza. FAST kan met name nuttig zijn op dit gebied, waardoor onderzoekers een beter beeld krijgen van hoeveel menselijke activiteiten de aardkorst destabiliseren.
Er zijn nog uitdagingen voordat FAST volledig kan worden geïmplementeerd. In het onderzoek van het team werd FAST alleen gebruikt met een enkel instrument op een enkele breuklijn. Om op grote schaal nuttig te zijn, moet het worden verbonden via een reeks seismische sensoren. Het moet ook nog sneller zijn, zegt Beroza. Het team werkt momenteel aan deze verbeteringen en Beroza verwacht binnen het jaar meer resultaten te publiceren.
