Erdbeben: Frühere und genauere Warnung dank neuronaler Netze

Forscher haben ein neuronales Netz trainiert, Erdbeben aus Störungen des Gravitationsfeldes vorherzusagen. Aktuell funktioniert das aber nur für eine Region.

Lesezeit: 3 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen 1 Beitrag

(Bild: Oleksandr Khoma / shutterstock.com)

Von
  • Wolfgang Stieler

Erdbeben lösen seismische Wellen im Erdinneren aus, die sich mit bis zu 14 Kilometern pro Sekunde bewegen, und damit Signale in Seismometern auslösen. Die Erdbeben-Frühwarnnetze in Japan, Mexiko und Kalifornien liefern daher Vorwarnzeiten von Sekunden oder Minuten. Bei sehr schweren Erdbeben unterliegen die seismischen Signale jedoch auch einem Sättigungseffekt – was dazu führt, dass die Vorhersage der maximalen Intensität des Bebens sehr schwierig wird.

So war beispielsweise das Tohoku-Beben vor Japan vom 11. März 2011, das auch die Atom-Katastrophe in Fukushima auslöste, wegen der seismischen Analyse als Beben der Stärke 8,1 klassifiziert worden. Zwei Minuten nachdem die größte tektonische Platte der Welt vor der Küste Japans bebte, gab die meteorologische Behörde des Landes eine entsprechende Warnung aus. Doch letztendlich erreichte das Beben eine Stärke von 9 – das heißt, es setzte mehr als 22-mal so viel Energie frei wie von den Experten vorhergesagt.

Jetzt haben Wissenschaftler eine neue Methode entwickelt, um die Größe eines Bebens schneller und genauer abzuschätzen: Sie verwenden konvolutionale neuronale Netze, die darauf trainiert wurden, schwache seismische Signale niedriger Frequenz zu erkennen, die durch eine Störung des Schwerefeldes der Erde in Folge des Erdbebens erzeugt wurden und sich mit Lichtgeschwindigkeit ausbreiten.

Erdbeben führen zu großen Massenverschiebungen; diese Verschiebungen wiederum führen zu einer – wenn auch extrem kleinen – Verzerrung in der Raumzeit. Die "Prompt Elastogravity Signals" (PEGS) genannten Signale sind von Bernard Whiting von der Universität von Florida und Kollegen erstmals 2016 registriert worden. Whiting und sein Team bemerkten, dass normale Seismometer diese Gravitationssignale vor dem Eintreffen der ersten seismischen Wellen tatsächlich registrieren – allerdings ist das Signal im Verhältnis zum Rauschen sehr klein.

Jetzt haben Andrea Licciardi von der Universität Côte d'Azur, und seine Kollegen einen Algorithmus für maschinelles Lernen entwickelt, der aus den seismischen Signalen eine Vorhersage über die Stärke des Erdbebens macht. Dafür trainierten sie ein konvolutionales neuronales Netz – die normalerweise in der Bildverarbeitung verwendet werden – mit Hunderttausenden von simulierten Erdbeben, bevor sie es mit dem realen Datensatz aus Tohoku testeten. Das Modell sagte die Stärke des Erdbebens in etwa 50 Sekunden genau voraus – viel schneller als andere moderne Frühwarnsysteme, berichten die Forscher im Fachjournal Nature. Damit könnte das Modell auch die Vorhersage von Tsunamis verbessern und beschleunigen, die oft erst zehn oder 15 Minuten nach dem Beben eintreffen.

Allerdings ist das Paper zunächst nur ein Proof of Concept. Zwar lieferte das Modell bereits nach 50 Sekunden korrekte Vorhersagen und könnte damit im Prinzip auch in Echtzeit eingesetzt werden. Bislang müssen die Daten jedoch zunächst aufbereitet werden – auf Echtzeit-Betrieb ist der Workflow noch nicht eingerichtet. Zudem ist das Modell bisher nur für Erdbeben trainiert, die von einer bestimmten, japanischen Verwerfungszone ausgelöst werden. Für den Einsatz in verschiedenen Regionen müsste es erneut trainiert werden, was die Forscher derzeit für seismische Netze in Peru und Chile tun.

Lesen Sie auch

(wst)