DOI: https://doi.org/10.1038/s41598-024-61887-6
PMID: https://pubmed.ncbi.nlm.nih.gov/38821969
تاريخ النشر: 2024-05-31
المؤلف: Mayu Tsuchiya وآخرون
الموضوع الرئيسي: الاشعاع وقياسات الرادون
نظرة عامة
تبحث هذه الدراسة في استخدام تركيزات الرادون في الغلاف الجوي كمؤشر للتنبؤ بالزلازل، مع التركيز على العنصر المشع الرادون ($^{222}\text{Rn}$). تستخدم الدراسة تحليل الغابات العشوائية لمقارنة مستويات الرادون المرصودة بالقيم المتوقعة بناءً على الأنماط السنوية النموذجية، بهدف تعزيز موضوعية اكتشاف الشذوذ. تم تحليل بيانات من جامعة كيوبي للصيدلة (KPU) قبل زلزال كيوبي عام 1995 وجامعة فوكوشيما الطبية (FMU) قبل زلزال توهوكو-أوكي عام 2011. كشفت النتائج أن الفجوات بين تركيزات الرادون المتوقعة والمرصودة تجاوزت ثلاث انحرافات معيارية قبل كلا الحدثين الزلزاليين، مما يشير إلى فعالية تحليل الغابات العشوائية في تحديد الشذوذات الهامة.
في الختام، تُظهر الدراسة أن استخدام تحليل الغابات العشوائية يسمح بالكشف عن الشذوذات في تركيزات الرادون في الغلاف الجوي بشكل أكثر دقة وموضوعية، مقارنة بالطرق السابقة. تشير النتائج إلى انحرافات ملحوظة في بيانات تيار التأين، والتي يمكن تحليلها مباشرة دون تحويلها إلى تركيزات رادون، مما يسهل اكتشاف الشذوذات في الوقت الحقيقي. قد يؤدي هذا النهج إلى إنشاء شبكة مراقبة وطنية للزلازل وحركات القشرة الأرضية. يُوصى بإجراء أبحاث مستقبلية للتحقق من هذه النتائج عبر مواقع وأطر زمنية مختلفة، بالإضافة إلى تحسين نموذج التنبؤ لتركيزات الرادون في الغلاف الجوي لتعزيز دقة اكتشاف الشذوذات.
النتائج
في هذه الدراسة، تم تطوير نموذج تنبؤ باستخدام الغابات العشوائية لتحليل النشاط الزلزالي من خلال تصنيف البيانات إلى فترات طبيعية وما قبل الزلزال، تحديدًا لجامعة كيوبي للصيدلة (KPU) وجامعة فوكوشيما الطبية (FMU). تم تعريف الفترة الطبيعية على أنها الإطار الزمني بدون زلازل كبيرة، بينما شملت الفترة ما قبل الزلزال الفترات التي تسبق الأحداث الزلزالية. من الجدير بالذكر أن KPU شهدت نقصًا في البيانات لمدة تقارب شهر واحد بعد زلزال كيوبي بسبب الأضرار الهيكلية، بينما سجلت FMU زيادة في تيار التأين بعد زلزال توهوكو-أوكي، والتي تعزى إلى زيادة الإشعاع البيئي الناتج عن حادث محطة فوكوشيما دايئشي للطاقة النووية.
تم بناء النماذج التنبؤية باستخدام بيانات من الفترة الطبيعية، وتم تقييم الدقة من خلال معامل التحديد. كانت تاريخ الملاحظة هو المتغير التفسيري، بينما شكلت البيانات المرصودة المتغيرات الموضوعية. بالإضافة إلى ذلك، استكشفت الدراسة إمكانية اكتشاف الشذوذات في الوقت الحقيقي من خلال تدريب النماذج على البيانات المرصودة دون استبعاد القيم الشاذة، مما يشير إلى التركيز على تبسيط عملية التحليل للتطبيقات العملية في مراقبة الزلازل.
المناقشة
في قسم المناقشة من ورقة البحث، يقوم المؤلفون بتحليل بيانات تركيز الرادون في الغلاف الجوي من KPU وFMU لتطوير نماذج تنبؤية لتحديد النشاط الزلزالي. بالنسبة لـ KPU، أظهر نموذج التنبؤ الذي تم إنشاؤه من البيانات بين عامي 1984 و1988 معامل تحديد مرتفع ($R^2 = 0.816$)، مما يدل على قدرة تنبؤية قوية. من الجدير بالذكر أنه خلال الفترة ما قبل الزلزال من 1990 إلى 1991، كانت مستويات الرادون المرصودة غالبًا ما تنخفض عن القيم المتوقعة، مما يشير إلى هدوء زلزالي، وهو ظاهرة تم ربطها سابقًا بزلازل كبيرة. كشفت التحليلات عن زيادة كبيرة في تركيزات الرادون التي تجاوزت $3\sigma$ قبل زلزال كيوبي عام 1995، والتي تعزى إلى الانتقال من حقل ضغط إلى حقل تمدد، مما يعزز انبعاث الرادون.
بالنسبة لـ FMU، تم استخدام بيانات تيار التأين من 2002 إلى 2007 للتنبؤ بتركيزات الرادون في الغلاف الجوي، مما أسفر عن نموذج قوي مع $R^2 = 0.727$. أشارت النتائج إلى تحول في التغيرات الموسمية لتيار التأين قبل زلزال توهوكو-أوكي، مع ملاحظات لانحرافات كبيرة عن القيم المتوقعة في عام 2011. يؤكد المؤلفون على إمكانية استخدام تحليل الغابات العشوائية لمراقبة تركيزات الرادون في الغلاف الجوي في الوقت الحقيقي، مما قد يسهل إنشاء شبكة وطنية للتنبؤ بالزلازل. يدعون إلى مزيد من التحقق من الطريقة عبر إعدادات تكتونية مختلفة وعلى مدى فترات طويلة لتعزيز قابليتها ودقتها في اكتشاف المؤشرات الزلزالية.
DOI: https://doi.org/10.1038/s41598-024-61887-6
PMID: https://pubmed.ncbi.nlm.nih.gov/38821969
Publication Date: 2024-05-31
Author(s): Mayu Tsuchiya et al.
Primary Topic: Radioactivity and Radon Measurements
Overview
This research investigates the use of atmospheric radon concentrations as a precursor for earthquake prediction, focusing on the radioactive element radon ($^{222}\text{Rn}$). The study employs Random Forest analysis to compare observed radon levels with predicted values based on typical annual patterns, aiming to enhance the objectivity of anomaly detection. Data from Kobe Pharmaceutical University (KPU) prior to the 1995 Kobe Earthquake and Fukushima Medical University (FMU) before the 2011 Tohoku-oki Earthquake were analyzed. The findings revealed that the discrepancies between predicted and observed radon concentrations exceeded three standard deviations before both seismic events, suggesting the efficacy of Random Forest analysis in identifying significant anomalies.
In conclusion, the study demonstrates that utilizing Random Forest analysis allows for a more precise and objective detection of anomalies in atmospheric radon concentrations, as opposed to previous methods. The results indicate notable deviations in ionization current data, which can be analyzed directly without conversion to radon concentrations, facilitating real-time anomaly detection. This approach could potentially lead to the establishment of a nationwide monitoring network for earthquakes and crustal movements. Future research is recommended to validate these findings across different locations and timeframes, as well as to refine the prediction model for atmospheric radon concentrations to enhance the accuracy of anomaly detection.
Results
In this study, a Random Forest prediction model was developed to analyze seismic activity by categorizing data into normal and preseismic periods, specifically for Kobe Pharmaceutical University (KPU) and Fukushima Medical University (FMU). The normal period was defined as the timeframe without significant earthquakes, while the preseismic period encompassed the intervals leading up to seismic events. Notably, KPU experienced a data deficit of approximately one month post-Kobe Earthquake due to infrastructural damage, while FMU recorded an increase in ionization current following the Tohoku-oki Earthquake, attributed to heightened environmental radiation from the Fukushima Daiichi Nuclear Power Plant incident.
The predictive models were constructed using data from the normal period, with the accuracy assessed through the coefficient of determination. The date of observation served as the explanatory variable, while the observed data constituted the objective variables. Additionally, the study explored the potential for real-time anomaly detection by training the models on the observed data without excluding outliers, indicating a focus on simplifying the analysis process for practical applications in seismic monitoring.
Discussion
In the discussion section of the research paper, the authors analyze atmospheric radon concentration data from KPU and FMU to develop predictive models for identifying seismic activity. For KPU, a prediction model created from data between 1984 and 1988 demonstrated a high coefficient of determination ($R^2 = 0.816$), indicating strong predictive capability. Notably, during the preseismic period from 1990 to 1991, observed radon levels frequently fell below predicted values, suggesting seismic quiescence, a phenomenon previously linked to significant earthquakes. The analysis revealed a significant increase in radon concentrations exceeding $3\sigma$ just before the 1995 Kobe Earthquake, attributed to a transition from a compressional to an extensional stress field, enhancing radon emanation.
For FMU, the ionization current data from 2002 to 2007 were used to forecast atmospheric radon concentrations, yielding a robust model with $R^2 = 0.727$. The results indicated a phase shift in seasonal variations of ionization current leading up to the Tohoku-oki Earthquake, with significant deviations from predicted values observed in 2011. The authors emphasize the potential of using Random Forest analysis for real-time monitoring of atmospheric radon concentrations, which could facilitate the establishment of a nationwide earthquake prediction network. They call for further validation of the method across different tectonic settings and over extended periods to enhance its applicability and accuracy in detecting seismic precursors.