建筑只是一样坚实的路基。然而,坚实的基础可以变成液体在地震和整个建筑坍塌。
通常被称为液化,2011年地震的一个关键因素在克赖斯特彻奇,新西兰。6.3级的地震摧毁了很多房屋,花了近185人的生命。
媒体覆盖了不幸的事件大规模的城市已经安装各种传感器观察地震。然而,数据中心检验提供了进一步的条件土壤。
“这是一个巨大的数据量为我们,如果我们有成千上万的数据点,也许我们可以找到一个趋势,”研究员玛丽亚乔凡娜杜兰特说。
与艾伦Rathje合作,德克萨斯大学奥斯汀分校的一位工程师和美国国家科学基金会资助的首席研究员DesignSafe努力,杜兰特支持自然灾害社会研究。
Rathje一直在研究液化,希望把机器学习融入她的研究;因此,克赖斯特彻奇地震似乎是一个有趣的活动,。
在克赖斯特彻奇地震,研究人员开发的机器学习模型预测运动当地震发生煽动土壤失去其鲁棒性。研究结果发表在地震谱。
“这是第一个机器学习研究在岩土工程领域,”杜兰特说。
根据项目负责人欢乐Pauschke, NSF的工程指挥部,这一转变在数据共享和团队合作的核心是DesignSafe并将帮助我们在有关领域发展的目标。
“研究人员开始使用人工智能方法与自然灾害研究数据,与令人兴奋的结果,“Pauschke说。“DesignSafe添加机器学习工具的数据和其他资源将会导致新的见解和帮助进步速度可以提高灾难恢复能力。”
DesignSafe得克萨斯高级计算中心合作的项目,为自然灾害提供计算资源和软件工程社区。TACC Frontera的超级计算机是工作测试模型由于其速度和效率。