Команда из Ариэльского университета использовала машину опорных векторов (SVM) - набор алгоритмов машинного обучения, которые считаются эффективными при решении задач классификации и регрессии - с оценками временных рядов общего электронного содержания (TEC) GPS для поиска предвестников землетрясения и, таким образом, генерации более точные прогнозы землетрясений.

Исследователи во главе с доктором Ювалем Реувени из Департамента физики опубликовали свои выводы в рецензируемом исследовании в географическом журнале Remote Sensing.

Изучив связь между ПЭС ионосферы и геодинамической активностью, команда обнаружила, что ПЭС можно использовать для точного прогнозирования землетрясений.

«Признаки стихийных бедствий, связанные с сильными землетрясениями, могут появляться в литосфере, тропосфере и ионосфере, где современные технологии дистанционного зондирования стали ценными инструментами для обнаружения и измерения сигналов раннего предупреждения о нарастании напряжения глубоко в земной коре (предположительно связанного с землетрясением). события)», - говорят исследователи.

«Наше исследование показывает, что существует четкая корреляция между значениями ПЭС ионосферы и геодинамической активностью. Используя подход машинного обучения, мы смогли точно предсказывать землетрясения с определенной степенью успеха», - сказал Реувени.

По словам ученых, хотя это еще не надежный метод прогнозирования землетрясений, это многообещающий шаг вперед в усилиях по лучшему пониманию и прогнозированию сейсмической активности.