Un algoritmo può valutare probabilisticamente le repliche sismiche a partire da dati e informazioni dai cataloghi sismici della California. È questo il focus del nuovo studio di Stefania Gentili dell’Istituto Nazionale di Oceanografia e di Geofisica Sperimentale OGS e di Rita Di Giovambattista dell’Istituto Nazionale di Geofisica e Vulcanologia INGV.
Algoritmi di machine learning valutano le probabilità di repliche sismiche
I terremoti non si verificano in maniera omogenea. Una prima scossa sismica particolarmente forte, infatti, è spesso seguita da una serie di repliche successive. Possono avvenire anche a distanza di settimane o mesi nella medesima area. “Gli algoritmi di machine learning funzionano per apprendimento e hanno bisogno di una grande quantità di dati per essere addestrati”, spiega Gentili. “Quello che abbiamo proposto, chiamato NESTORE, sin dalle prime ore dopo il primo forte evento fornisce indicazioni sulla probabilità che avvengano repliche di intensità simile o maggiore”, continua. Per validare statisticamente il metodo e favorirne l’applicazione ad un ampio numero di eventi in diverse aree tettoniche, il software verrà reso disponibile alla comunità scientifica.
NESTORE può prevedere terremoti anche con largo anticipo
Spiega ancora Gentili: “In questo studio, abbiamo utilizzato cataloghi di terremoti avvenuti in California, una zona sismicamente molto attiva e per questo molto ben monitorata e analizzata. NESTORE è stato in grado di prevedere l’accadimento di forti terremoti anche con ampio anticipo nell’ottanta percento dei casi analizzati, con un numero di falsi allarmi inferiore al 20%. Le repliche di magnitudo rilevante possono avere ulteriori impatti su edifici, strutture e infrastrutture già danneggiati dai sismi precedenti e comportare nuovi rischi per la popolazione“, continua la ricercatrice, precisando che “avere possibili indicazioni probabilistiche sul loro accadimento sarebbe estremamente utile“.
Il paper è intitolato “Forecasting strong subsequent earthquakes in California clusters by machine learning”. Il documento è frutto di una lunga ricerca che si inserisce nell’ambito del progetto “Analisi di sequenze sismiche per la previsione di forti repliche”, coordinato dall’OGS con INGV e ISM, ente di ricerca giapponese. Il progetto è inserito nel Protocollo Esecutivo 2021-2023 di cooperazione scientifico-tecnologica bilaterale tra Italia e Giappone e compreso tra gli undici progetti di grande rilevanza ammessi dall’accordo sottoscritto a gennaio dello scorso anno. È stato recentemente pubblicato su Physics of the Earth and Planetary Interiors.
