Uma nova ferramenta de previsão de terremotos baseada em inteligência artificial (IA) consegue prever o risco de sismos secundários alguns segundos após o tremor inicial, segundo uma pesquisa recente da Universidade de Edimburgo, do Serviço Geológico Britânico e da Universidade de Pádua.
Os modelos de aprendizado de máquina (ML) podem prever onde e quantos abalos sísmicos secundários ocorrerão após um terremoto em tempo quase real, afirmam os autores do estudo.
Previsão rápida
Os tremores secundários podem ser mais mortais do que o terremoto inicial, mas os métodos atuais para prever esses eventos podem levar várias horas, ou até mesmo dias. A tomada de decisões sobre medidas de segurança pública e alocação de recursos em áreas atingidas por esses desastres poderia ser aprimorada por previsões rápidas baseadas em IA.
Os pesquisadores do estudo usaram aprendizado de máquina (ML) para treinar modelos com dados de terremotos de áreas que sofrem terremotos regularmente, como Califórnia, Nova Zelândia, Itália, Japão e Grécia.
Em seguida, eles analisaram a capacidade da sua ferramenta de previsão baseada em IA para prever a quantidade de sismos secundários que ocorreriam nas 24 horas seguintes a terremotos de magnitude 4 ou superior e compararam seu desempenho com o modelo ETAS (Epidemic-Type Aftershock Sequence), o sistema de previsão mais utilizado no mundo e atualmente em operação na Itália, na Nova Zelândia e nos Estados Unidos.
Ambos os modelos apresentaram desempenho comparável na previsão do risco de abalos sísmicos, mas o modelo ETAS levou muito mais tempo para produzir resultados – até várias horas ou dias em um único computador de gama média – pois envolve a execução de muitas simulações, segundo os pesquisadores, em comparação com apenas alguns segundos para o modelo baseado em IA.
Foteini Dervisi, doutoranda da Escola de Geociências da Universidade de Edimburgo e do Serviço Geológico Britânico, afirmou: “Este estudo demonstra que os modelos de aprendizado de máquina podem produzir previsões de abalos secundários em segundos, apresentando qualidade comparável à das previsões do ETAS. Sua velocidade e baixo custo computacional oferecem grandes benefícios para o uso operacional: aliados ao desenvolvimento quase em tempo real de catálogos de terremotos de alta resolução baseados em aprendizado de máquina, esses modelos aprimorarão nossa capacidade de monitorar e compreender as crises sísmicas à medida que evoluem”.
Como sua ferramenta de IA é treinada com registros de terremotos passados em regiões com diferentes paisagens tectônicas, os pesquisadores afirmam que seus modelos poderiam ser usados para prever o risco de abalos secundários na maioria das partes do mundo que sofrem terremotos.
Referência da notícia
Towards a deep learning approach for short-term data-driven spatiotemporal seismicity rate forecasting. 25 de novembro, 2025. Dervisi, et al.
