Il 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) riguarda un algoritmo per la valutazione probabilistica di forti repliche basato su dati e informazioni dei cataloghi sismici della California.
Una prima scossa sismica particolarmente forte è spesso seguita da una serie di repliche successive, anche a distanza di settimane o mesi nella medesima area. A volte può accadere che ad una scossa di magnitudo elevata, seguano repliche simili o di magnitudo maggiore. Algoritmi di machine learning sono stati applicati per valutare la probabilità che un evento di magnitudo superiore a 4 sia seguito da un forte evento.
Per validare statisticamente il metodo e favorirne l’applicazione ad un ampio numero di eventi in diverse aree tettoniche, – informano Ingv e Ogs – il software verrà reso disponibile alla comunità scientifica. Il paper, intitolato “Forecasting strong subsequent earthquakes in California clusters by machine learning”, 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’Istituto nazionale di oceanografia e di geofisica sperimentale – Ogs, e a cui partecipano l’Ingv e l’ente di ricerca giapponese The institute of statistical mathematics (Ism).
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. L’obiettivo è di migliorare le capacità di stimare la probabilità di futuri forti repliche, già a partire da poche ore dopo la prima scossa rilevante, rendendo l’algoritmo sempre più robusto, ovvero addestrandolo affinché fornisca stime di probabilità sempre più affidabili.
Fonte: Corcom