과학자들이 여진(aftershocks) 패턴을 계산하기 위해 머신러닝(machine learning, 기계학습)을 사용하고 있다.

최근 BBC사이언스와 글로벌 과학저널 네이처(Nature)에 따르면 지진이 어디에서 발생할수 있는지 찾기위해 처음으로 지진 연구에 기계학습이 사용됐다. 연구자들은 이와 유사한 기술이 지진의 행동에 대한 이해를 향상시킬 것으로 기대한다.

하버드대학 브랜든 미드 (Brendan Meade)교수는 “지진 예측에 대해 3가지 관점에서 관찰한다. 언제 발생하고, 규모는 얼마이며, 어디서 발생 될 것인가를 예측하는 것”이라며 “하고자 하는연구는 지진 발생 여파, 즉 여진이 일어날 곳을 찾는 것”이라고 말했다.

여진은 지진 발생에 뒤이은 작은 진동이나 느끼지 못하는 지진이다.

연구진은 2011 년 일본 지진을 포함하여 10 만개 이상의 지진과 여진에 대한 데이터베이스로 여진 패턴을 인식하는 신경망( neural network)을 훈련했다. 이전에 보지 못했던 다른 지진에서 이 패턴을 예측하도록 했다.

신경망은 인간 뇌의 과정과 패턴을 모델로 한다. 따라서 현재 여진 예측방법인 일련의 계산 세트를 통한 주 지진에 대한 데이터를 입력하기보다, 네트워크가 여러 가지 가능한 경로를 탐색 할 수 있는 처리 능력을 갖추도록 했다.

그것은 지진이 발생하는 지구의 지각의 단절, 지진 단층(fault) 주위의 어느 부분에서 주 충격 이후에 적어도 하나의 후속 여진을 경험할 가능성이 있는지를 판별할 수 있다.

네이처 논문 ‘거대 지진에 따른 여진 패턴의 딥러닝(Deep learning of aftershock patterns following largearthquakes)’ 주저자인 코네티컷 대학 (University of Connecticut) 피비 드 브리(Phoebe DeVries) 박사는 “신경 네트워크가 더욱 개선됐다”고 말한다. 이 연구에는 참여하지 않은 미국 지질 조사국 (USGS) 지진학자 엘리자베스 코크란(Elizabeth Cochran)박사는 이를 “흥미로운 접근법”이라며 “그것은 여진이 있을 것으로 예상하는 지진단층을 어디에 둘 것인지에 대한 정말 멋진 그림을 제공한다”고 말했다.

미국 서해안의 ‘ShakeAlert’ 조기 경보 시스템과 통합 할 수 있는 접근 방식은 아니지만 신경망은 지진과 여진에 관해 수집된 광범위한 정보를 처리 할 수 있는 새로운 방법을 제공 할 수 있다.

여진, 주 지진파이후 한시간에서 하루 사이 대부분 발생 

캘리포니아와 같은 많은 지진 발생 지역은 지진 계의 자체 영구 네트워크를 가지고 있어 모든 지상 진동 활동을 탐지하고 기록한다.

그러나 때때로 지진 학자들은 어디서 여진이 오는지에 대한 정보를 원한다. 지질 학자들이 지진의 현장으로 나가서 뒤이어 발생할 수천 번의 여진을 감지 할 수 있는 장비를 설치하는 것이 폭풍을 쫓는 것보다 쉬운 일은 아니다.

코크란(Cochran) 박사는 캘리포니아, 오클라호마, 멕시코의 지진 발생 지역에 지진계를 배치하기 위해 여행했다. 주 충격이 발생한 후 첫 한 시간이나 하루 후 대부분의 여진이 일어나고 그 이후 발생빈도는 내려간다. 여진은 몇 개월 지속될 수도 있기에 비교적 빨리 현장에 도착하려고 노력하지만 몇 시간이상 소요 할 수있다.

때로는 계측기가 살아있는 데이터를 되돌려 보낼 수 있다. 이 데이터는 거주자에게 이후의 여진을 알리는 데 사용할 수 있지만 주요 목표는 지진 현장 자체에 대해 더 많이 배우고 향후 활동을 더 잘 이해하는 것이다.