التعلّم الآلي للتقدير السريع لشدة الاهتزاز الماكروزميل من بيانات مقياس الزلازل في إيطاليا

لماذا تهم التقييمات السريعة للهزات

عندما يبدأ الأرض بالاهتزاز، تتوافر أمام فرق الطوارئ دقائق قليلة فقط لتقرير أين ترسل رجال الإنقاذ والموارد. ومع ذلك فإن الطريقة التقليدية لوصف مدى شعور الناس بالزلزال على السطح — الشدة الماكروزميلية، مثل مقياس ميركالي المستخدم في إيطاليا — غالباً ما تصل بعد ساعات أو أيام أو حتى أشهر، بعد أن يملأ الناس استبيانات ويجري الخبراء مسوحات للأضرار. يستكشف هذا المقال كيف يمكن للتعلّم الآلي الحديث تحويل أول قراءات مقياس الزلازل إلى خرائط سريعة ودقيقة إلى حد معقول لمدى الشعور بالزلزال، مما يساعد السلطات على الاستجابة بشكل أسرع وبثقة أكبر.

من تقارير الشعور إلى تقديرات سريعة

تستند تقديرات الشدة التقليدية في إيطاليا إلى مصدرين رئيسيين للبيانات. الأول يتكون من مسوحات ميدانية خبرية مسجلة في قاعدة بيانات رسمية، تركز على المواقع المتضررة لكنها تستغرق وقتاً للتنظيم. والثاني يأتي من نظام «هل شعرت بالزلزال» عبر الإنترنت، حيث يبلغ المواطنون عما شعروا به ورأوه، موفّرين العديد من الملاحظات ذات الشدات المنخفضة والمتوسطة. كلا المصدرين يقيسان الشدة على مقياس ميركالي-كانشاني-سيبيرغ، الذي يصنف الاهتزاز من ضعيف جداً إلى مدمر بناءً على استجابات البشر والمباني. لربط هذه القياسات المرتكزة على البشر مع قراءات الأجهزة، دمج المؤلفون المجموعتين حول كل محطة زلزالية، محسبين متوسط كل الشدات المبلغ عنها ضمن دائرة نصف قطرها 5 كيلومترات للحصول على قيمة ممثلة واحدة لتلك المنطقة وتقريبها إلى فئة صحيحة من 1 إلى 8.

تعليم غابة من النماذج على قراءة الاهتزاز

أطر الباحثون مشكلة تقدير الشدة كمشكلة تصنيف: بالنظر إلى القياسات المبكرة، التنبؤ أي من ثماني فئات شدة ستنطبق على محيط كل محطة. استخدموا نموذج الغابة العشوائية، وهو تجميع لكثير من أشجار القرار التي يقوم كل واحد منها بسلسلة بسيطة من تقسيمات «إذا–فإن» على البيانات، مثل تراكيب المقدار، العمق، المسافة من المصدر، وقياسات الحركة الأرضية المباشرة مثل التسارع الأقصى للأرض، والسرعة، والإزاحة. مدرَّباً على 5,466 ملاحظة من 523 زلزالاً عبر إيطاليا (2008–2020)، تعلّم النموذج روابط معقدة وغير خطية بين ما تسجله الأجهزة وما يبلّغ عنه الناس. ولمعالجة حقيقة أن الاهتزاز القوي أندر في البيانات، عدّل المؤلفون التدريب بحيث تُحتسب كل مستويات الشدة على قدم المساواة، مانعين النموذج من التركيز فقط على الحوادث الأضعف الأكثر شيوعاً.

التحقق مقابل القواعد المعروفة

لمعرفة ما إذا كانت النهج القائمة على التعلّم الآلي تضيف قيمة فعلية، قارن الفريق تنبؤاته مع عائلتين مستخدمتين على نطاق واسع من العلاقات التجريبية. الأولى، المسماة معادلات توقع الشدة، تُقدّر الشدة أساساً من مقدار الزلزال وعمقه والمسافة، مفترضة أن الاهتزاز يتلاشى مع المسافة بطريقة سلسة. الثانية، معادلات تحويل حركة الأرض إلى شدة، تحوّل قراءات الأجهزة لحركة الذروة إلى فئات شدة متوقعة. هذه الصيغ مختصرة وسهلة التطبيق، لكنها لا تستطيع التقاط كيف تؤثر الجيولوجيا المحلية، وتركيبة المباني، أو اتجاه الموجة على الشعور بالهزة بالكامل. على النقيض من ذلك، تدمج الغابة العشوائية طبيعياً كل من معلمات المصدر وقياسات حركة الأرض، ويمكنها التكيّف مع أنماط دقيقة في مجموعة بيانات إيطاليا دون تحديد شكل رياضي صارم مسبقاً.

النظر داخل الصندوق الأسود وحدوده

لأن مديري الطوارئ بحاجة لفهم أساس القرارات الآلية، بنى المؤلفون أشجار قرار«بديلة» أبسط تُحاكي سلوك الغابة العشوائية. يمكن رسم هذه الأشجار الصغيرة كرسوم بيانية، تُظهر أي عتبات لحركة الأرض تفصل بين الشدة المنخفضة والعالية وأين تهيمن متغيرات مثل التسارع والسرعة. كشفت هذه التحليلات أن قياسات حركة الأرض المباشرة، وخاصة التسارع والسرعة القصوى، لها وزن أكبر من المقدار أو العمق بمفردهما. قدم المؤلفون أيضاً طريقة بسيطة لوضع علامة على درجة عدم اليقين لكل تنبؤ لشجرة بديلة، باستخدام مقاييس لمدى اختلاط أمثلة التدريب داخل كل فرع نهائي. في الوقت نفسه، وجدوا أن التنبؤ بالشّدات القوية جداً يبقى صعباً، جزئياً لأنها نادرة بطبيعتها في السجل التاريخي، مما يؤدي أحياناً إلى التقليل من تقدير أعلى مستويات الاهتزاز.

اختبار ميداني أثناء زلزال إيطالي حديث

قيّم الفريق إطاره على حدث حقيقي بارز: زلزال بقوة 5.5 قبالة ساحل الأدرياتيك قرب بيسارو-أوربينو في 2022. خلال نحو 15 دقيقة، امتلك علماء الزلازل المعلومات اللازمة عن المصدر وحركة الأرض، لكن لم تُسجل سوى نحو 90 تقارير شدة عامة، مانحة صورة متناثرة جداً. باستخدام بيانات الأجهزة وحدها، ولّدت الغابة العشوائية وشجرتها البديلة تقديرات شدة مفصّلة حول مئات المحطات في أقل من ثانيتين على كمبيوتر عادي. عند المقارنة لاحقاً مع الخريطة الأكثر كثافة المبنية من أكثر من 12,000 تقرير مواطن جُمعت على مدى أيام، التقطت خرائط التعلّم الآلي كل من المنطقة العامة التي شعر بها الناس وانتشار الاهتزاز المتوسط بشكل جيد بشكل ملحوظ، وتطابقت أو تفوّقت على المعادلات الكلاسيكية.

ما يعنيه هذا للناس الذين يعيشون مع الزلازل

بشكل عام، تُظهر الدراسة أن نظاماً مُدرّباً بعناية على التعلّم الآلي يمكنه أن يأخذ الدقائق الأولى من بيانات مقياس الزلازل وينتج خرائط سريعة وذات شفافية معقولة لتأثير الزلزال. هذه الخرائط لا تحل محل المسوحات المفصلة أو التقارير الجماهيرية، لكنها يمكن أن تسد الفجوة المبكرة الخطرة عندما يجب على السلطات اختيار أين ترسل سيارات الإسعاف ورجال الإطفاء ومفتشي الهياكل بمعلومات محدودة جداً. من خلال الجمع بين خوارزميات متقدمة ونماذج مبسطة قابلة للتفسير وعلامات بسيطة لعدم اليقين، يقدم الإطار خطوة عملية نحو استجابة أسرع وأكثر اطلاعاً للزلازل في إيطاليا ويمكن تكييفه لمناطق أخرى تواجه مخاطر زلزالية مماثلة.

الاستشهاد: Patelli, L., Cameletti, M., De Rubeis, V. et al. Machine learning for prompt estimation of macroseismic intensity from seismometric data in Italy. Sci Rep 16, 7265 (2026). https://doi.org/10.1038/s41598-026-35740-x

الكلمات المفتاحية: شدة الزلزال, التعلّم الآلي, الغابة العشوائية, مخاطر زلزالية, إيطاليا