Die Warnsignale vor einem schweren Erdbeben sind, wenn es sie überhaupt gibt, oft in Tausenden kleineren Erschütterungen verborgen, die auf den ersten Blick gewöhnlich wirken. Das Problem für Geowissenschaftler ist nicht nur, diese Signale zu finden, sondern zu wissen, ob sie vor dem eigentlichen Bruch von Bedeutung sind.
Forscher des GFZ Helmholtz-Zentrums für Geowissenschaften um Dr. Sadegh Karimpouli und Prof. Dr. Patricia Martínez-Garzón haben eine datengetriebene Methode entwickelt, die Veränderungen in der seismischen Aktivität vor großen Erdbeben erkennt. Statt einem Computer vorzugeben, nach welchem Warnmuster er suchen soll, nutzten sie unüberwachtes maschinelles Lernen – eine KI-Form, die ohne vorgegebene Labels nach Strukturen in Daten sucht.
Die Methode wurde an mehreren großen Erdbebensequenzen getestet: Kahramanmaraş (Türkei, 2023), Iquique (Chile, 2014) und L'Aquila (Italien, 2009). In jedem Fall erkannte die Analyse deutliche Vorbebenmuster, die Wochen bis Monate vor dem Hauptbeben auftraten.
Die Studie wurde in Nature Communications veröffentlicht und vom ERC-Projekt QUAKEHUNTER unterstützt.
