Naturkatastrophe und geologische Gefahr: Erdrutsch, Erdbeben und Verflüssigung

Gewinne:

• Verstehen Sie den Einsatz von KI bei der Kartierung der Erdrutschanfälligkeit, der Erdbebengefährdung und der Verflüssigungsbewertung.
• Möglichkeit zur Erstellung von Risikoklassifizierungs- und Frühwarn-Workflows aus multivariaten Gefahrendaten
• Fähigkeit, Gefahrenausgaben mit Lebenssicherheitshaftung, Fehlalarmbilanz und Feldbeweisen zu überprüfen

Das Thema dieser Einheit ist der anspruchsvollste Bereich der Geologie: Naturkatastrophen und geologische Gefahrenbewertung. Der Preis eines Fehlers ist hier nicht Geld, sondern Menschenleben. Wenn eine Erdrutschanfälligkeitskarte ein Viertel fälschlicherweise als „sicher“ anzeigt, werden keine Maßnahmen ergriffen. Wenn eine Verflüssigungsbewertung den Boden unter einem Krankenhaus falsch einschätzt, könnte das Bauwerk bei einem Erdbeben einsinken. In diesem Bereich leistet künstliche Intelligenz einen echten Mehrwert bei der Verarbeitung multivariater Daten, der Erfassung von Mustern und der Filterung von Frühwarnsignalen. Aber gerade in diesem Bereich muss die Verifizierung am strengsten, die Zustimmung des Ingenieurs am absolutsten und das Management von Unsicherheiten am präzisesten sein, da die Kosten einer fehlerhaften Ausgabe am höchsten sind.

In dieser Einheit werden wir drei Arten von Gefahren durch die Linse der künstlichen Intelligenz betrachten: Kartierung der Erdrutschanfälligkeit (Vorhersage anhand multivariater Daten, welche Hänge rutschgefährdet sind), seismische Gefahr (mögliche Intensität der Erdbeben-Bodenbewegung) und Verflüssigung (wenn gesättigter loser Sand während eines Erdbebens wie eine Flüssigkeit wirkt und seine Tragfähigkeit verliert). Unser gemeinsames Thema ist, warum ein falsches Negativ bei Gefahrenausgängen (die Einstufung eines tatsächlich gefährlichen Bereichs als sicher) tödlich ist und wie Schwellenwerte zugunsten der Lebenssicherheit festgelegt werden können.

Balance zwischen falsch-negativen und falsch-positiven Ergebnissen

Es gibt zwei Arten von Fehlern bei der Gefahrenklassifizierung. Ein falsch positives Ergebnis ist die Einstufung eines sicheren Bereichs als gefährlich; Das Ergebnis sind unnötige Kosten, zusätzliche Prüfungen und möglicherweise die Verzögerung eines Projekts – was die Lebensdauer betrifft, ist man auf der sicheren Seite. Ein falsch negatives Ergebnis ist die Einstufung eines gefährlichen Bereichs als sicher; Die Folge sind unterlassene Vorsichtsmaßnahmen und der mögliche Verlust von Leben/Sachwerten. Diese beiden Fehler sind nicht gleich. In Bereichen der Lebenssicherheit wird der Schwellenwert vorsichtig gewählt, um falsch negative Ergebnisse zu minimieren. Das heißt, im Zweifelsfall rollt es auf die gefährliche Seite und wird durch Feldbestätigung bestätigt.

KI-Modelle wählen im Allgemeinen Schwellenwerte, die die Gesamtgenauigkeit maximieren. Aber in der Gefahrenwissenschaft geht es nicht um absolute Genauigkeit, sondern darum, falsch-negative Ergebnisse gering zu halten. Daher sollte die Ausgabe des Modells eine kalibrierte Wahrscheinlichkeit und keine „Klasse“ sein, und der Schwellenwert sollte vom Gefahrenexperten festgelegt werden, der die Konsequenzen kennt. Die 92-prozentige Genauigkeit eines Erdrutschmodells ist wertlos, wenn es die Hälfte der tatsächlichen Erdrutsche übersieht.

Achtung: Lassen Sie sich nicht von der hohen Gesamtgenauigkeit eines Gefahrenmodells täuschen. Schauen Sie sich die Fehlerkennungsrate (falsch negativ) für seltene, aber tödliche Ereignisse (Erdrutsche, Verflüssigung) an. Das Kriterium der Lebenssicherheit besteht nicht darin, im Durchschnitt richtig zu liegen, sondern das Gefährliche nicht zu übersehen.

Kartierung der Anfälligkeit für Erdrutsche

Anfälligkeit für Erdrutsche: „Wird dieser Ort abrutschen, wenn alle Bedingungen erfüllt sind?“ beantwortet die Frage mit geologischen und topografischen Variablen. Eingaben sind typischerweise: Neigung, Ausrichtung, Lithologie, Diskontinuitätsorientierung, Landnutzung, Niederschlag, historischer Erdrutschbestand und Grundwasser. Künstliche Intelligenz verschmilzt diese Schichten und erstellt eine Anfälligkeitskarte, indem sie das Muster vergangener Erdrutsche lernt.

Es gibt zwei kritische Punkte. Erstens lernt das Modell aus vergangenen Erdrutschinventuren; Wenn die Bestandsaufnahme unvollständig ist (viele Erdrutsche werden nicht erfasst), kann das Modell diese Muster überhaupt nicht erkennen und erzeugt falsch-negative Ergebnisse. Zweitens gibt die Sensibilität nicht den Auslöser (wann man sich verlagern sollte) an, sondern die Anfälligkeit (wohin man sich verlagern sollte, wenn die Bedingungen eintreten); Es ist gefährlich, beides zu verwechseln. Die Karte kann nicht als Entscheidungsgrundlage verwendet werden, ohne dass sie durch die Beobachtung des Aufschlusses, die Messung der Diskontinuität und vergangene Bewegungsspuren des Feldgeologen überprüft wird.

Erdbebengefahr und Verflüssigung

Die Bewertung der seismischen Gefährdung liefert eine probabilistische Schätzung der Bodenbewegung (Beschleunigung), die in einem bestimmten Zeitraum an einem Standort voraussichtlich überschritten wird. Künstliche Intelligenz hilft bei der Verarbeitung von Datensatzdatenbanken, dem Vergleich von Beziehungen zur Bodenbewegungsvorhersage und der Erstellung von Szenarien. Allerdings erfordert die Definition von Störungsquellen, Wiederholungsintervallen und Bodenverstärkung geologisch-seismologisches Fachwissen; das Modell passt nicht zu ihnen.

Die Verflüssigungsbewertung misst das Risiko, dass gesättigter loser Sand durch Erdbebenerschütterungen seine Tragfähigkeit verliert. Die klassische Methode besteht darin, den SPT-N-Wert (oder CPT-Wert) mit der durch das Erdbeben erzeugten Spannungszyklusrate zu vergleichen und einen Sicherheitsfaktor abzuleiten. KI organisiert Daten und sucht schnell nach Verflüssigungspotenzial in einem Feld mit mehreren Bohrlöchern; Das Ergebnis wird jedoch durch manuelle Berechnung unter Verwendung der Standardmethode (z. B. lokaler Erdbebencode) überprüft. Ein falsch negatives Ergebnis bedeutet hier, dass ein Bauwerk bei einem Erdbeben im Boden versinkt.

Drei Mini-Hüllen: In Zahlen

Fall 1 – Erfassung fehlender Bestände. Auf einer Erdrutschkarte des Landkreises sah das Modell mit einer Genauigkeit von 89 % „gut“ aus; Aber der Feldgeologe fand drei alte Erdrutschnarben (nicht aufgezeichnet) an einem Talhang, die auf der Karte als sicher galten. Das Modell konnte dieses Muster nicht lernen, da die Bestandsaufnahme unvollständig war. Als das Inventar aktualisiert und die Karte erneuert wurde, wurde diese Neigung auf hohe Empfindlichkeit umgestellt. Die Genauigkeit von 89 % verbarg das Fehlen des kritischsten Bereichs.

Fall 2 – Verflüssigungsschwelle. An einer Strandauffüllstelle markierte das Modell 6 von 42 Bohrungen als „Verflüssigungsrisiko“ mit der höchsten durchschnittlichen Genauigkeitsschwelle. Als der Experte die Schwelle auf die konservative Seite verschob, um falsch negative Ergebnisse zu reduzieren, wurden 11 Sondierungen gemeldet; Weitere fünf wurden durch Standard-Handberechnung als wirklich riskant bestätigt. Der konservative Schwellenwert ersparte fünf potenziell falsch-negative Ergebnisse; Der Kostenanstieg war im Vergleich zum potenziellen Lebensrisiko vernachlässigbar.

Fall 3 – Frühwarnsignal. Künstliche Intelligenz, die Radar- und Hangsensordaten an einem Tagebauhang verarbeitete, zeigte eine langsame Beschleunigung der Verformungsrate an und löste einen Alarm aus. Das Team evakuierte das Gebiet; 40 Stunden später kam es am Hang zu einem schweren Rutschen, bei dem niemand verletzt wurde. Das Modell hat den genauen Tag/die genaue Uhrzeit nicht angegeben; Es machte die sich beschleunigende Bewegung sichtbar und gab der menschlichen Entscheidungsfindung Zeit.

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwache Eingabeaufforderung:

Besteht in dieser Region Erdrutschgefahr? Schauen Sie sich die Daten an und sagen Sie, ob sie sicher oder gefährlich sind.[Ebenendaten]

Kraftvolle Aufforderung:

Ihre Rolle: Assistent des Naturgefahrengeologen. Vergabe der GENAUEN Kennzeichnung „sicher/gefährlich“ mit den folgenden Variablen. Stattdessen: 1) Erklären Sie die Faktoren, die zur Stimmung beitragen, und deren Richtung. 2) Etablieren Sie eine kalibrierte Wahrscheinlichkeitslogik anstelle einer Klasse; Geben Sie an, warum der Schwellenwert für die Lebenssicherheit mit Vorsicht gewählt werden sollte, um falsch-negative Ergebnisse zu reduzieren. 3) Schreiben Sie, wie die Ausgabe irreführend sein könnte, wenn das historische Erdrutschinventar unvollständig ist. 4) Listen Sie 4 Punkte auf, die vor Ort bestätigt werden müssen. Die endgültige Bewertung obliegt dem autorisierten Ingenieur. Die Daten sind anonym.

Vier kopierbare Vorlagen

1) Wahrscheinlichkeit statt Gefahrenklasse abfragen:

Interpretieren Sie die Ausgabe des Gefahrenmodells als kalibrierte Wahrscheinlichkeit und nicht als scharfe Klasse. Vergleichen Sie die Folgen falsch-negativer und falsch-positiver Ergebnisse in diesem Bereich und begründen Sie, in welche Richtung die Schwelle für die Lebenssicherheit verschoben werden sollte.

2) Bestandsengpassprüfung:

Listen Sie alle Hinweise darauf auf, dass das Inventar, auf dem das Erdrutschanfälligkeitsmodell trainiert wird, möglicherweise unvollständig ist (Rekordjahre, abgedeckte Fläche, Datenlücken). Markieren Sie, in welchen Bereichen dieser Mangel das Risiko falsch negativer Ergebnisse erhöhen würde.

3) Verflüssigungs-Screening-Skizze:

Für das Verflüssigungspotenzial an einem Standort mit mehreren Bohrungen: Empfehlen Sie eine Überprüfung, welche Bohrlöcher gesättigten losen Sand enthalten und eine primäre Handberechnung erfordern. Geben Sie an, dass die Überprüfung mit der Standardmethode erfolgen muss. Geben Sie keinen genauen Sicherheitskoeffizienten an.

4) Interpretation des Frühwarnsignals:

Zusammenfassung der Geschwindigkeits- und Beschleunigungsänderungen in der Verformungsüberwachungsreihe (Steigung/Radar); Gibt es ein alarmierendes Beschleunigungsmuster? Abgabe einer genauen Zeitschätzung; Geben Sie an, wann/Daten für die menschliche Beurteilung benötigt werden.

Gefahrentyp, falsch negativ und Überprüfung

Gefahr

KI-Beitrag

Ergebnis eines falsch negativen Ergebnisses

Obligatorische Überprüfung

Anfälligkeit für Erdrutsche

Schichtfusion, Muster

Ich denke, der schwimmende Bereich ist sicher

Feld + aktueller Bestand

seismische Gefahr

Datenbank/Szenario

Unterschätzung der Bodenbewegung

Seismologischer Experte + Standard

Verflüssigung

Multiwell-Scannen

Gebäude versinkt im Boden

SPT/CPT-Handberechnung + Regulierung

Hangfrühwarnung

Trace-Signalfilterung

Ejakulation verzögern

Menschliches Urteil + Feldbestätigung

Tipp: Überprüfen Sie die Notrufausgabe immer mit der Frage „Handelt es sich um einen Fehlalarm oder einen Fehlalarm?“ Lesen Sie mit der Frage. Im Bereich der Lebenssicherheit ist es weitaus akzeptabler, ein paar Fehlalarme zu ertragen als eine einzige übersehene Gefahr.

Häufige Fehler

• Von der allgemeinen Wahrheit getäuscht werden. Bei hoher Genauigkeit können seltene tödliche Ereignisse übersehen werden. Die wahre Messgröße ist die Falsch-Negativ-Rate.
• Die Schwelle dem Modell überlassen. Die Lebenssicherheitsschwelle wird sorgfältig von einem Experten festgelegt, der die Konsequenzen kennt; kein automatischer „bester“ Schwellenwert.
• Fehlendes Inventar wird ignoriert. Das Modell kann das Muster, das es nicht gelernt hat, nicht erkennen; Fehlt das Inventar, täuscht die Karte auf der sicheren Seite.
• Verwechslung von Veranlagung und Auslöser. Die Sensibilität ist eine Frage des „Wo“, der Auslöser ist eine Frage des „Wann“; Beide bedürfen einer gesonderten Prüfung.
• Eine Frühwarnung mit einer endgültigen Prophezeiung verwechseln. Das System spart Zeit; Die Entscheidung und Verantwortung für die Evakuierung liegt bei der Person.

Zusammenfassend

• Naturgefahren sind der schwerste Aufgabenbereich der Geotechnik; Die Kosten einer falschen Ausgabe können lebenslang sein.
• Falsch negativ (Verwechslung von gefährlich mit sicher) ist weitaus schwerwiegender als falsch positiv; Die Schwelle wird behutsam zugunsten des Lebens gewählt.
• Die allgemeine Genauigkeit ist irreführend; Das Kriterium ist die Rate der übersehenen seltenen tödlichen Ereignisse; Die Ausgabe sollte eine kalibrierte Wahrscheinlichkeit sein, nicht eine Klasse.
• Das Erdrutschmodell kann nicht aus einer unvollständigen Bestandsaufnahme lernen; Jede Gefahrenkarte wird durch Feld- und Expertenüberprüfung überprüft.
• Frühwarnung spart Zeit, ist aber keine Prophezeiung; Die Entscheidung über die Evakuierung und das Ergreifen von Vorsichtsmaßnahmen obliegt dem autorisierten Ingenieur und Beamten.

Anwendungsaufgabe

Rufen Sie ein anonymisiertes Gefahrenszenario ab (Erdrutschschichten oder Verflüssigungsbohrungen; repräsentative Daten). Halten Sie das Modell davon ab, scharfe Bezeichnungen zu vergeben, und sorgen Sie dafür, dass das falsche Negativ-/Positiv-Gleichgewicht mit der Vorlage „Nach Wahrscheinlichkeit statt nach Gefahrenklasse fragen“ diskutiert wird. Verwenden Sie dann die Vorlage „Lagerengpassprüfung“, um herauszufinden, wo der Ausdruck möglicherweise irreführend ist, und notieren Sie eine Liste mit drei Punkten, die eine Überprüfung vor Ort erfordern.

Checkliste

• [ ] Ich habe den Unterschied zwischen falsch negativ und falsch positiv und seine Bedeutung für die Lebenssicherheit verstanden.
• [ ] Ich bewerte die Gefahrenausgabe anhand der Fehlschlagsrate und nicht anhand der Gesamtgenauigkeit.
• [ ] Ich glaube, dass die Schwelle von einem Experten behutsam und lebensfreundlich festgelegt werden sollte.
• [ ] Ich verstehe, dass das Erdrutschmodell nicht aus einer unvollständigen Bestandsaufnahme lernen kann und eine Bestätigung vor Ort erfordert.
• [ ] Ich nutze das Frühwarnsystem nicht als Prophezeiung, sondern als Werkzeug, das menschlichen Entscheidungen Zeit spart.