Anzeige
Anzeige
News

Deep Learning sorgt für bessere Vorhersagen von Erdbeben weltweit

Das neue Recast-Modell nutzt Deep Learning, um erheblich größere Erdbebendatenmengen effizient zu verarbeiten, und übertrifft dabei das ältere Etas-Modell, insbesondere bei umfangreichen Erdbebenkatalogen.

2 Min.
Artikel merken
Anzeige
Anzeige

Das Modell könnte Leben retten. (Foto: Destina Design/Shutterstock)

Deep Learning trägt dazu bei, die Vorhersage von Erdbeben weltweit zu verbessern. Ein neues, von Wissenschaftlern der University of California und der Technischen Universität München entwickeltes Modell nutzt Deep Learning, um große Datensätze effektiver zu verarbeiten.

Anzeige
Anzeige

Im Zentrum dieser neuen Methode steht das sogenannte Recurrent Earthquake Forecast (Recast), ein Modell, welches sie in einem wissenschaftlichen Paper vorstellen. Bislang setzten die Forscher das Modell Epidemic Type Aftershock Sequence (ETAS) ein, das allerdings für Daten konzipiert war, die in den Achtziger- und Neunzigerjahren erfasst wurden, als es nur wenige Beobachtungen von Erdbeben gab.

Durch den Einsatz von Deep Learning und des Recast-Modells ist es nun möglich, die mittlerweile enorm gewachsenen Datenmengen effizient zu analysieren und dadurch die Erdbebenvorhersagen signifikant zu verbessern.

Anzeige
Anzeige

Das neue Modell performt besser bei großen Datensätzen

In der heutigen Zeit verfügen Erdbebenforscher über deutlich verbessertes Equipment, das umfangreichere Daten erheben kann. Hierfür soll das Recast-Modell zum Einsatz kommen. Die Wissenschaftler haben demonstriert, dass es bei Erdbebenkatalogen von 10.000 Events und mehr besser performt als das alte Modell.

Eine der größten Herausforderungen bei den Tests bestand darin, das alte Etas-Modell dazu zu bringen, die großen Datensätze zu verarbeiten, um einen adäquaten Vergleich zu erhalten.

Anzeige
Anzeige

„Wir haben begonnen, Kataloge mit Millionen von Erdbeben aufzubauen, und das alte Modell konnte einfach nicht mit dieser Datenmenge umgehen“, sagte Emily Brodsky, Professorin für Erd- und Planetenwissenschaften an der UC Santa Cruz und Co-Autorin des Papers Scitechdaily.

Das Recast-Modell besitzt die Fähigkeit, sich selbst das Lernen beizubringen, und zeigte bereits eine bessere Performance als das alte Modell, insbesondere bei größeren Datenmengen.

Anzeige
Anzeige

Recast ist flexibler bei der Vorhersage

Das neue Recast-Modell stellt im Vergleich zum alten Modell eine deutliche Flexibilitätssteigerung dar und eröffnet den Forschern neue Möglichkeiten. Beispielsweise kann es Daten aus erdbebenreichen Gebieten wie Japan, Kalifornien oder Neuseeland verarbeiten und diese Erkenntnisse auf Regionen anwenden, die traditionell eher weniger Daten produzieren, um auch dort Erdbeben vorherzusagen.

Darüber hinaus kann das Recast-Modell eine breitere Palette an Datentypen verarbeiten. Während momentan nur die Daten genutzt werden, die als Erdbeben klassifiziert werden, besitzt das neue Modell die Fähigkeit, auch mit anderen seismischen Daten zu arbeiten, um genauere Vorhersagen zu treffen.

Mehr zu diesem Thema
Fast fertig!

Bitte klicke auf den Link in der Bestätigungsmail, um deine Anmeldung abzuschließen.

Du willst noch weitere Infos zum Newsletter? Jetzt mehr erfahren

Anzeige
Anzeige
Kommentare

Community-Richtlinien

Bitte schalte deinen Adblocker für t3n.de aus!
Hallo und herzlich willkommen bei t3n!

Bitte schalte deinen Adblocker für t3n.de aus, um diesen Artikel zu lesen.

Wir sind ein unabhängiger Publisher mit einem Team von mehr als 75 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Schon jetzt und im Namen der gesamten t3n-Crew: vielen Dank für deine Unterstützung! 🙌

Deine t3n-Crew

Anleitung zur Deaktivierung
Artikel merken

Bitte melde dich an, um diesen Artikel in deiner persönlichen Merkliste auf t3n zu speichern.

Jetzt registrieren und merken

Du hast schon einen t3n-Account? Hier anmelden

oder
Auf Mastodon teilen

Gib die URL deiner Mastodon-Instanz ein, um den Artikel zu teilen.

Community-Richtlinien

Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.

Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.

Dein t3n-Team

Kommentar abgeben

Melde dich an, um Kommentare schreiben und mit anderen Leser:innen und unseren Autor:innen diskutieren zu können.

Anmelden und kommentieren

Du hast noch keinen t3n-Account? Hier registrieren

Anzeige
Anzeige