سامانه هشدار زودهنگام زلزله

تعداد بازدید: ۹۷

 

 

زلزله یکی از پدیده‌های طبیعی است که می‌تواند منجر به خسارت‌های جبران ناپذیر جانی و مالی شود. تشخیص زودهنگام زلزله و صدور اعلان برای انجام اقدام‌های لازم جهت کاهش این خسارت‌‎ها از اهمیت ویژ‌ه‌ای برخوردار است. اما تشخیص سریع این پدیده و صدور بموقع اعلان‌های لازم با چالش‌هایی همراه است که پژوهش‎گران طی سالیان متمادی در صدد رفع آن‎ها برآمده‌اند. امروزه تقریبا تمامی تلفن‎های همراه هوشمند دارای حسگر شتاب‎سنج هستند که توانایی ثبت لرزه‌ای رخ داده را دارند. اما تشخیص صحیح زلزله با استفاده از این حسگرها که کیفیت پایین‎تری در مقایسه با لرزه‌نگارهای پیشرفته‌ی مورد استفاده در ایستگاه‌های لرزه‌شناسی دارند، با چالش‌‎هایی همراه است.

 

 

یکی از رویکردهای نوین برای تشخیص سریع زلزله، استفاده از مفاهیم یادگیری ماشین، شبکه‌‎های عصبی و هوش مصنوعی است که انتظار می‎رود با بکارگیری صحیح این روش‎ها، در عین کاهش زمان تشخیص لرزش، بهبود قابل توجهی در صحت تشخیص لرزه‌‎ها، بخصوص برای لرزه‌‎های ثبت شده توسط تلفن‌‎های همراه، صورت گیرد.

 

در همین راستا، در این طرح قصد داریم با استفاده از این روش‎ها، صحت تشخیص لرزه‌‎های حس شده توسط تلفن‌‎های همراه را بهبود داده و در عین حال زمان مورد نیاز برای تشخیص وقوع زلزله را کاهش دهیم. علاوه بر الگوریتم مورد استفاده برای تشخیص زلزله، نرم افزاری مبتنی بر سامانه‌ی عامل آندروید طراحی می‎‌‌شود که لرزه‌های ثبت شده توسط تلفن‌‎های همراه را به سرور ارسال کرده و سرور در صورت تشخیص وقوع زلزله، اقدام به ارسال هشدار به نواحی جغرافیایی که لرزه در آن‎ها حس شده و احتمال بروز خسارت وجود دارد، می‌‎کند. بدین ترتیب، علاوه بر ارسال هشدار به تلفن‌‎های همراه، می‌توان با طراحی سامانه‌‎هایی جهت کنترل تاسیسات حیاتی مانند پالایشگاه‎ها که نیازمند قطع سریع برق و یا گاز برای پیشگیری از وقوع خسارات جبران ناپذیر هستند، تاثیر بسزایی در کاهش این خسارات گذاشت.


 

تیم پروژه: دکتر ایمان سلطانی محمدی

مقالات مرتبط: 

  • Mousavi, S. Mostafa, et al. "Earthquake transformer—an attentive deep-learning model for simultaneous earthquake detection and phase picking." Nature communications 11.1 (2020): 3952.
  • Lara, Pablo, et al. Earthquake Early Warning with 3 seconds of records on a single station. No. EGU23-6433. Copernicus Meetings, 2023.
  • Mousavi, S. Mostafa, et al. "STanford EArthquake Dataset (STEAD): A global data set of seismic signals for AI." IEEE Access 7 (2019): 179464-179476.
  • Cremen, Gemma, and Carmine Galasso. "Earthquake early warning: Recent advances and perspectives." Earth-Science Reviews 205 (2020): 103184.