Conecta con nosotros

A Fondo

Cómo puede llegar el machine learning a predecir un terremoto

Publicado el

Cómo puede llegar el machine learning a predecir un terremoto

Los terremotos son uno de los fenómenos naturales más devastadores y terribles que suceden en el mundo. Hasta no hace mucho, prácticamente en todos casos cogían por sorpresa a la población en las zonas en las que sucedían. Salvo algunos detalles prácticamente imperceptibles para los humanos, nada los delataba, aunque sí que muchos relataban comportamientos extraños en algunos animales un tiempo antes de que sucediesen. Pero nada más.

Afortunadamente, ya hay sistemas capaces de predecirlos unos minutos antes de que sucedan, y en varias zonas se han instalado sistemas de avisos mediante sirenas para que la población pueda ponerse a salvo en la medida de lo posible. Las hay en Mexico City, Estados Unidos, Japón, Turquía, Italia o Rumanía, entre otros países.

En algunos de ellos también se utilizan los avisos mediante móviles unos segundos antes de que empiece el terremoto. Se activan cuando las herramientas encargadas de la medición de los terremotos detectan los primeros signos de que van a comenzar las sacudidas, y a partir de estos se determina su probable potencia con unos algoritmos específicos.

Si la intensidad que se prevé que tenga es de moderada a fuerte, se envía un aviso mediante móviles inmediato. Así no solo se puede poner a salvo al gente, sino también desconectar la luz o el gas, sacar los vehículos de la carretera y poner a los bomberos y las autoridades en alerta para que se movilicen.

Pero estos sistemas tienen sus limitaciones. Y fallan, con falsos positivos y negativos. Además solo reaccionan ante un terremoto que ya se ha iniciado. Porque no se pueden predecir con tanta antelación como el tiempo. Sobre todo en las regiones propensas a los temblores, esto es un problema grave. Contar con un sistema capaz de predecirlos con mucha más antelación daría tiempo incluso a poder evacuar una zona que va a verse afectada. Esto no era posible hace solamente diez años. Pero algo está cambiando desde el inicio de esta década, gracias al machine learning y los avances de la tecnología.

El machine learning como futuro de la predicción temprana

Muchos científicos se han empezado a tomar en serio las posibilidades de la tecnología, en particular las del machine learning, para predecir acontecimientos, según MIT Technology Review. Como los terremotos. Para ello la están adoptando en muchos sectores. Algunos grupos estudian movimientos lentos en las líneas de fallas, que podrían ser un indicador de que se avecina un terremoto de gran intensidad.

También los hay que estudian otros acontecimientos y señales que puedan indicar que se avecinan temblores: señales en el ruido sísmico, el comportamiento de los animales, o el electromagnetismo. Todo para dar con la clave que permita poner en marcha sistemas de predicción de terremotos con mucha más antelación que ahora.

Los científicos dedicados al estudio de los terremotos no pueden ver bajo tierra, pero usan sistemas para saber lo que pasa en las profundidades cuando hay temblores. Para ello utilizan distintas ciencias: sismología (estudio de las ondas sonoras generadas por los movimientos internos), geodesia (uso de herramientas para medir cómo cambia la superficie de la Tierra con el tiempo) y paleosismología (estudio de los restos de terremotos pasados en capas geológicas del terreno). Aún así, hay mucho que no saben y podría ayudarles, o que se conoce desde hace solo unos pocos años. No se ha avanzado mucho más allá de los descubrimientos sobre las placas tectónicas, en la década de los 60 del siglo pasado.

Aún no se ha avanzado mucho más aparte de la idea de que los temblores llegan después de que se alcanzan ciertos niveles de estrés en las placas, y que ese estrés se libera en forma de terremoto. Se sabe que hay varios factores que hacen que un lugar sea más susceptible que otros a sufrir terremotos, como la presencia o no de ciertos fluidos en una zona. Pero se desconoce lo que sucede en una línea de falla en gran medida. No se sabe por ejemplo el nivel de estrés que hay en cada punto de ella, ni dónde se producirán los temblores cuando se libere.

Durante mucho tiempo, todo lo que podía hacerse es tener una idea de la frecuencia con la que se daban los terremotos en una región determinada. Por ejemplo, se sabe más o menos que en una zona en la que ha habido un terremoto de gran magnitud pasan entre 100 y 180 años hasta que se da otro. Pero puede variar, aunque sí son recurrentes. Los márgenes de error que hay en la predicción con la medición de temblores en una zona tienen un margen de error muy elevado. Con eso, poco se puede hacer.

Muchos creen que predecir terremotos es imposible, pero a medida que los investigadores vayan conociendo con más exactitud qué es lo que sucede bajo tierra, y sus herramientas sean más avanzadas, es posible esperar que su capacidad de predecirlos mejore de manera notable.

Los terremotos lentos, la clave para las predicciones futuras

A principios de este siglo, dos descubrimientos comenzaron a abrir esa posibilidad. En el primero, un grupo de sismólogos descubrió una señal sísmica de baja amplitud en una zona tectónica al sudoeste de Japón. Podía durar unas horas o varias semanas, y se notaba a intervalos bastante regulares. No se parecía a nada que hubiesen visto antes, y lo llamaron temblor tectónico.

El segundo descubrimiento, realizado por un grupo de geodestas que estudiaban la región de la depresión del Noroeste del Pacífico donde hay una placa metiéndose bajo otra, encontraron evidencias de que había veces que parte de la corteza se movía en dirección contraria de lo habitual. Este fenómeno se daba en una sección fina de la corteza situada bajo una zona que genera terremotos con regularidad, donde las elevadas temperaturas y las presiones tiene más impacto en el comportamiento de las rocas y en cómo interactúan.

Estos científicos encontraron el mismo fenómeno en Japón, y determinaron que sucedía en el mismo punto y lugar en el que se daban temblores, descubriendo un nuevo tipo de terremoto: los terremotos lentos, que redistribuyen el estrés en la corteza y que pueden durar desde segundos hasta varios años. En algunos puntos suceden con regularidad, y en otros son casos aislados.

Los científicos, a partir de estos terremotos lentos, descubrieron que cuando se daban, podía subir el riesgo de que donde sucedían pudiese haber terremotos convencionales. Sobre todo en zonas de depresión. Por eso, muchos investigadores se plantean si pueden utilizarlos para predecir los terremotos convencionales.

Desde este descubrimiento casi todos los grandes terremotos han dado lugar a, después de un tiempo de estudio, artículos que muestran que fueron precedidos de al menos un terremoto lento. Pero también se sabe que un terremoto lento no siempre va seguido de uno convencional, y aún no se sabe qué es lo que hace que se generen o no después de un terremoto lento, para saber cuáles podrían ser precursores de un temblor convencional.

Algunos indicios apuntan a cambios y procesos que se dan en una falla en las horas previas a un gran terremoto, relacionadas con la deformación de la corteza. Estudios de 90 de ellos detallan que en las dos horas anteriores a un terremoto, la corteza que cubre la falla empieza a deformarse con más velocidad en la dirección de la rotura del terremoto hasta que este empieza. Esto nos dice es que hay un proceso de aceleración  en la falla antes de los temblores, muy parecido al de un terremoto lento. Pero por ahora, se sabe que hay algo que sucede antes, pero no se pueden medir o detectar bien todavía.

Machine learning para aprovechar información y mejorar la identificación

Para realizar su estudio, varios científicos utilizan análisis estadístico tradicional de los datos de GPS, dado que pueden tener información más avanzada que los modelos y marcos tradicionales de referencia. Es aquí donde está entrando ya en juego el machine learning, que podría desvelar estructuras ocultas y relaciones causales entre acontecimientos que de otra manera solo serían datos inconexos.

Los investigadores de terremotos han aplicado machine learning de muy diversas maneras para intentar mejorar en su predicción. Algunos han estudiado cómo utilizar esta tecnología con datos sísmicos de una estación para predecir la magnitud de un terremoto. Esto puede ser muy útil para los sistemas de alerta temprana, y puede ser de ayuda para concretar qué factores determinan esta magnitud.

Otros predicen ya los puntos en los que habrá réplicas de terremotos mediante redes neuronales, y otros usan deep learning para extraer ondas sísmicas de datos, aunque tengan niveles elevados de ruido ambiente, lo que podría derivar en la detección de más temblores. Y por supuesto, se utiliza machine learning para encontrar un sentido a los datos de los teremotos que se generan en los laboratorios, para lo que se apoyan en sensores situados en puntos en los que la muestra en la que se genera el terremoto se deforman.

En 2017, un estudio demostró que el machine learning podía ayudar a predecir, con bastante precisión, cuánto iba a tardar una falla creada por investigadores en empezar a temblar. Para ello no utilizaron datos, sino solo vibraciones que emitía la falla. Un dato crucial: lo que los investigadores humanos habían descartado como ruido de amplitud baja resultó ser la señal que permitió que el machine learning hiciese sus predicciones.

Esta tecnología permite que los sismólogos puedan establecer correlaciones que no podrían hacerse sin ella. También puede ayudar a generar más datos que estudiar. Por ejemplo, identificando muchos más terremotos que con otros sistemas, dado que está preparada para ello.

Comportamiento animal y electromagnetismo como apoyo

Aparte de todo esto, hay otros científicos que utilizan como apoyo los datos sobre los comportamientos de animales previos a terremotos pasados, ya que cuanto más cerca están de la fuente de uno, con más tiempo muestran un comportamiento que indica pánico y huida. Esto está documentado incluso en la antigüedad, y se sabe por ejemplo que en la mañana antes del terremoto de San Francisco los caballos relinchaban sin parar y algunos huyeron de la ciudad despavoridos.

Los estudiosos del comportamiento animal han realizado experimentos en una zona sísmica del centro de Italia que les permitieron comprobar que perros, vacas y ovejas se agitaban antes de ocho de cada nueve terremotos de una magnitud superior a 4, y sin falsos positivos. Además, cuanto más cerca estaban del epicentro del terremoto, más se agitaban.

En cuanto al electromagnetismo, estudia las luces que se producen antes de los terremotos, ya que hay zonas en las que antes o durante muchos de ellos se han visto fenómenos parecidos a las auroras boreales. Los científicos las atribuyen a las cargas eléctricas que se activan por los movimientos a lo largo de las fallas en ciertos tipos de rocas, como el basalto.

Todo esto, apoyado por el machine learning, puede ayudar a que en el futuro, la predicción de terremotos sea mucho más precisa que en la actualidad, y se haga con más tiempo para poner a salvo a la población y minimizar daños personales e incluso materiales. Pero por ahora habrá que esperar, puesto que todas estas investigaciones están en etapas muy tempranas.

Relacionados:

Redactora de tecnología con más de 15 años de experiencia, salté del papel a la Red y ya no me muevo de ella. Inquieta y curiosa por naturaleza, siempre estoy al día de lo que pasa en el sector.

Lo más leído