Εφαρμογές της Τεχνητής Νοημοσύνης στη Σεισμολογία με τη χρήση Python.
ENGLISH ABSTRACT Informatics and the field of Information Systems is a branch of science where it finds applications in many of the sciences as it provides several tools that can act as a solution to several problems that they face or help to extract results more easily. The field of artificial intelligence (AI) has seen tremendous growth in recent years, with a wide range of applications across various industries. One area where artificial intelligence can be important is the analysis of seismic data to predict earthquakes. Seismic data, collected through the use of seismic waves, provides highly detailed information about the subsurface and is used in the exploration and production of natural resources. However, interpreting seismic data can be a challenging and time-consuming process. The incorporation of artificial intelligence techniques, such as machine learning and deep learning, has the potential to improve the efficiency and accuracy of seismic data analysis which may lead to early earthquake prediction. This thesis focuses on whether it is possible to utilize data from seismographs and whether they are capable of giving a prediction for a possible earthquake, whether of long duration or of short duration, as well as which Machine Learning model is the one that will perform best based on data to be processed. The aim is to demonstrate the potential of these techniques to improve the interpretation of seismic data and provide new insights into the prediction of seismic phenomena.
Thesis
Η Πληροφορική και ο τομέας των Πληροφοριακών Συστημάτων αποτελεί έναν κλάδο της επιστήμης όπου βρίσκει εφαρμογές σε πολλές από τις επιστήμες καθώς παρέχει αρκετά εργαλεία τα οποία μπορούν να λειτουργήσουν ως λύση σε αρκετά προβλήματα τα οποία αντιμετωπίζουν είτε να βοηθήσουν στην πιο εύκολη εξαγωγή αποτελεσμάτων. Ο τομέας της τεχνητής νοημοσύνης (AI) έχει δει τεράστια ανάπτυξη τα τελευταία χρόνια, με ένα ευρύ φάσμα εφαρμογών σε διάφορους κλάδους. Ένας τομέας όπου η τεχνητή νοημοσύνη μπορεί να είναι σημαντικός είναι η ανάλυση των σεισμικών δεδομένων για την πρόβλεψη σεισμών. Τα σεισμικά δεδομένα, που συλλέγονται μέσω της χρήσης σεισμικών κυμάτων, παρέχουν με μεγάλη λεπτομέρεια πληροφορίες για το υπεδάφος και χρησιμοποιείται στην εξερεύνηση και παραγωγή φυσικών πόρων. Ωστόσο, η ερμηνεία των σεισμικών δεδομένων μπορεί να είναι μία μεγάλη πρόκληση και διαδικασία που απαιτεί αρκετό χρόνο. Η ενσωμάτωση τεχνικών τεχνητής νοημοσύνης, όπως η μηχανική μάθηση και βαθιάς μάθησης, έχει τη δυνατότητα να βελτιώσει την αποτελεσματικότητα και την ακρίβεια της ανάλυσης σεισμικών δεδομένων τα οποία θα μπορέσουν αν οδηγήσουν στην έγκαιρη πρόγνωση σεισμών. Η παρούσα διατριβή, εστιάζει στο κατά πόσο είναι δυνατό να αξιοποιηθούν δεδομένα από σεισμογράφους και εάν αυτά είναι ικανά να δώσουν κάποια πρόβλεψη για κάποιο πιθανό σεισμό είτε μακράς διάρκειας είτε μικρής διάρκειας, καθώς και πιο μοντέλο Machine Learning είναι αυτό που θα αποδώσει καλύτερα με βάση τα δεδομένα τα οποία θα επεξεργαστεί.Στόχος είναι να δείξουμε τις δυνατότητες αυτών των τεχνικών ώστε να βελτιώσουν την ερμηνεία των σεισμικών δεδομένων και να παρέχουν νέες γνώσεις για την πρόγνωση των σεισμικών φαινομένων.