Fifty-year seismicity analysis of the East Anatolian Fault System (1976–2026): leakage-safe probabilistic forecasting for seismic-risk resilience
تحلل هذه الدراسة سجلاً للنشاط الزلزالي لمدة 50 عاماً لنظام صدع شرق الأناضول لتوضيح أنه في حين تتفوق التوقعات الاحتمالية قصيرة المدى القابلة للتكرار على المعدلات التاريخية الثابتة، فإن مكونات النمذجة الأكثر تعقيداً تفتقر حالياً إلى المهارة الاستشرافية المستقلة، مما يدعم إطاراً للتواصل الحذر بشأن المخاطر بدلاً من التنبؤ الحتمي.
لا تعلن الزلازل عن وصولها بصفارة إنذار، لكن الأرض تحت أقدامنا لا تتحدث بصوت واحد ثابت؛ بل تتحدث من خلال أنماط من الحركة، ومن خلال الطريقة التي يتراكم بها الإجهاد ويتحرر على طول الشقوق في قشرة الأرض. بالنسبة للعلماء الذين يدرسون هذه الأحداث، لا يتمثل الهدف في التنبؤ باللحظة الدقيقة التي سيهتز فيها منزل معين، وهي مهمة لا تزال خارج نطاق قدرتنا، بل في فهم الاحتمالات المتغيرة لمكان وزمان تحرك الأرض لاحقاً. هذا المجال، المعروف باسم التنبؤ التشغيلي بالزلازل، يعامل المخاطر مثل تقرير حالة الطقس: فهو لا يقول إن عاصفة ستضرب شارعاً معيناً بالتأكيد، ولكنه يحسب احتمالية هطول الأمطار بناءً على الظروف الجوية الحالية. وفي المناطق التي تطحن فيها الصفائح الأرضية بعضها البعض، مثل نظام صدع شرق الأناضول في تركيا، تكون هذه الاحتمالات حيوية لإعداد المجتمعات، وتعزيز المباني، وإنقاذ الأرواح. ويكمكم التحدي في التمييز بين إشارة خطر حقيقية وبين الضجيج الخلفي للاهتزازات الطفيفة المستمرة للأرض، خاصة عندما تتغير البيانات نفسها بمرور الوقت مع تحسن التكنولوجيا.
لقد تناولت دراسة حديثة مدتها خمسون عاماً لهذا النظام الصدعي، غطت الفترة من 1976 إلى 2026، السؤال الصعب المتمثل في ما إذا كان بإمكاننا استخدام الماضي لتقديم تخمينات موثوقة قصيرة المدى للمستقبل. قام الباحثون بجمع مجموعة ضخمة من سجلات الزلازل، ودمجوا البيانات من مختلف الوكالات الدولية والمحلية لإنشاء تاريخ متسق واحد للنشاط الزلزالي. وركزوا على ممر محدد من نظام الصدع، وتتبعوا أكثر من 73,000 حدث مسجل، رغم أنهم ركزوا نمذجتهم على أكثر من 5,000 حدث كانت كبيرة بما يكفي ليتم اكتشافها بشكل موثوق عبر فترة الخمسين عاماً بأكملها. كان جوهر عملهم هو معرفة ما إذا كان معرفة ما حدث في الأيام والأسابيع التي سبقت لحظة معينة يمكن أن يساعدهم في تقدير فرصة وقوع زلزال كبير في الأسبوع التالي. لقد اختبروا هذه الفكرة من خلال النظر إلى الصدع في مقاطع يومية، وطرحوا سؤالاً بسيطاً: بناءً على النشاط الزلزالي للأيام السابقة، هل من المحتمل أن ينتج مقطع صدعي زلزالاً بقوة 4.0 أو أكثر في الأيام السبعة القادمة؟
ولضمان أن تكون نتائجهم جديرة بالثقة وليست مجرد تخمين محظوظ، صمم العلماء دراستهم بحذر شدًى. فقد قسموا بياناتهم إلى فترات زمنية متميزة، مستخدمين العقود الأولى لبناء نماذجهم، وفترة وسطى لضبطها، والسنوات الأخيرة لاختبارها دون النظر مسبقاً إلى المستقبل. وقد منع هذا النهج من استخدام معلومات مستقبلية لتفسير الماضي عن طريق الخطأ، وهو خطأ شائع في تحليل البيانات. كما أخذوا في الاعتبار حقيقة أن اكتشاف الزلازل قد تحسن بشكل كبير خلال نصف القرن الماضي؛ حيث فات السجلات المبكرة العديد من الهزات الصغيرة التي كانت المستشعرات الحديثة ستلتقطها. ومن خلال التعديل لمراعاة هذه التغييرات في الحساسية، أنشأوا مقارنة عادلة تعاملت مع تاريخ الصدع كقصة مستمرة بدلاً من مجموعة من اللقطات المنفصلة. واختبروا تسلسلاً هرمياً من الأساليب، بدءاً من عمليات العد البسيطة للزلازل الماضية وصولاً إلى نماذج حاسوبية معقدة تحاول محاكاة فيزياء انتقال الإجهاد أو استخدام الذكاء الاصطناعي المتقدم للعثور على أنماط خفية.
وجدت الدراسة أن التاريخ الزلزالي الأخير يحتوي بالفعل على معلومات مفيدة. فقد تمكن نموذج نظر ببساطة إلى وتيرة وحجم الزلازل في الأيام التي سبقت التنبؤ من التفوق على مرجع ثابت يفترض أن المخاطر هي نفسها كل يوم. وقد ظل هذا النجاح قائماً حتى عندما اختبر الباحثون النموذج على سلسلة الزلازل الاستثنائية التي ضربت في عام 2023، ومرة أخرى عندما نظروا إلى السنوات التي أعقبت ذلك الحدث. نجح النموذج في تحديد أن خطر وقوع زلزال كبير كان أعلى في الأيام التي تلت تجمعاً من الهزات الأصغر، مما وفر إشارة قابلة للتكرار يمكن استخدامها للتواصل بشأن المخاطر. ومع ذلك، فقد استبعدت الدراسة أيضاً فكرة أن إضافة المزيد من التعقيد تؤدي تلقائياً إلى نتائج أفضل. فعندما أضاف الباحثون ميزات تهدف إلى تمثيل الإجهاد الفيزيائي بين خطوط الصدع، أو عندما استخدموا خوارزميات تعلم آلي متطورة وشبكات عصبية عميقة، لم توفر هذه الأدوات المتقدمة أي تحسين إضافي وموثوق على النموذج البسيط القائم على التاريخ. وفي الواقع، كان أداء النماذج المعقدة أسوأ أحياناً عند اختبارها على بيانات جديدة وغير مرئية.
خلص الباحثون إلى أنه بينما يقدم سلوك الأرض الأخير دليلاً واضحاً وقصير المدى حول المخاطر، فإن الطريقة الأكثر فعالية لاستخدام هذا الدليل هي من خلال نهج مباشر ومعاير بدلاً من المحاكاة شديدة التعقيد. أظهرت الدراسة أن النموذج القائم على الملاحظة البسيطة بأن "النشاط الأخير يزيد من فرصة حدوث المزيد من النشاط" قوي بما يكفي للتعامل مع التحولات الدراماتيكية في السلوك الزلزالي التي شهدتها الخمسون عاماً الماضية. وأظهرت أن إشارة الخطر حقيقية ويمكن اكتشافها، لكنها أيضاً هشة؛ إذ إن إضافة طبقات من الفيزياء النظرية أو الذكاء الاصطناعي لم تجعل الإشارة أقوى، وفي بعض الحالات، أدت إلى طمسها. والخلاصة النهائية هي خلاصة حذرة: يمكننا تحسين فهمنا لمخاطر الزلازل من خلال الاهتمام الوثيق بالماضي القريب، ولكن يجب أن نكون حذرين من افتراض أن الأدوات الأكثر تعقيداً هي دائماً الأفضل. وبالنسبة للمجتمعات التي تعيش على طول هذا الصدع، تكمن قيمة هذا البحث ليس في التنبؤ الحتمي بالهزة الكبيرة القادمة، بل في تقديم صورة أوضح وأكثر صدقاً لكيفية تغير الاحتمالات من يوم لآخر، مما يسمح باستعداد أفضل ومرونة أكبر في مواجهة مستقبل غير مؤكد.
ملخص تقني: تحليل النشاط الزلزالي لمدة خمسين عاماً لنظام صدع شرق الأناضول (1976–2026): التنبؤ الاحتمالي الآمن من التسريب لتعزيز المرونة في مواجهة المخاطر الزلزالية
بيان المشكلة يُظهر نظام صدع شرق الأناضول (EAFS) تغيرات زمنية واضحة في معدلات النشاط الزلزالي، وحساسية السجلات، وسلوك المتواليات على مدى خمسة عقود. وبينما قدمت الدراسات الحديثة أوصافاً عالية الدقة لمناطق التصدع المحددة (مثل متوالية كاهرامانماراش 2023)، إلا أن هناك نقصاً في المعايير المرجعية طويلة الأمد والقابلة للتدقيق المصدري والتي تغطي تغيرات أنظمة السجلات. ويتمثل أحد التحديات الحرجة في التنبؤ الزلزالي التشغيلي (OEF) في التمييز بين النماذج التي تكتفي بمجرد إعادة إنتاج التكتل التاريخي (الملاءمة الاسترجاعية) وتلك التي تمتلك مهارة تنبؤية قصيرة المدى قابلة لإعادة الإنتاج تحت ظروف مستقبلية غير مرئية. وتواجه نماذج تعلم الآلة القياسية غالباً مشكلة "تسريب البيانات"، حيث تؤثر المعلومات المستقبلية دون قصد على المعالجة المسبقة أو تدريب النموذج، مما يؤدي إلى تقديرات أداء مبالغ فيها. تعالج هذه الدراسة الحاجة إلى إطار عمل صارم وآمن من التسريب لاختبار ما إذا كان النشاط الزلزالي التاريخي يدعم تحديثات احتمالية قصيرة المدى قابلة لإعادة الإنتاج لرفع الجاهزية للمخاطر الزلزالية.
المنهجية تقوم الدراسة ببناء سجل نشاط زلزالي لمدة 50 عاماً (1976–2026) عبر دمج سجلات USGS وAFAD، مع استبعاد بيانات KOERI صراحةً بسبب عدم توفر الخدمة في سير العمل المنفذ. تعتمد المنهجية تصميماً صارماً "آمناً من التسريب":
تنقية البيانات: تم تطبيق بروتوكول محافظ لمطابقة النسخ المكررة (45 ثانية زمنياً، 25 كم مسافة، 0.6 فرق في القدر) وتوحيد القدر قبل الاختبار (باستخدام البيانات حتى 31 ديسمبر 2019 فقط).
التحكم في الاكتمال: تم تقدير قدر الاكتمال (Mc) سنوياً. وفُرِض حد مشترك محافظ بقيمة Mc=3.4 لسجل النمذجة (2000–2026) لضمان القابلية للمقارنة الطولية، مما نتج عنه 5,026 حدثاً.
وحدة التنبؤ: الهدف هو حدث ثنائي: وقوع زلزال واحد على الأقل بقدر M≥4.0 مرتبط بمسار صدع محدد ضمن نافذة زمنية مدتها 7 أيام (t+1 إلى t+7).
هندسة الميزات: تم إنشاء 1.5 مليون ملاحظة يومية لمسارات الصدوع عبر 157 مسار صدع يمكن تتبع مصدرها. وشملت المتنبئات التاريخ الزلزالي المتأخر (العد، القدر الأقصى، العزم القياسي)، واحتمالات تحفيز نمط ETAS (بمعاملات مجمدة لما قبل 2020)، وتقارب رسم بياني للصدع، ونماذج الإجهاد الساكن (M0/r3).
التقسيم الزمني: تم تقسيم البيانات زمنياً: التدريب (2000–2019)، التحقق (2020–2022)، الاختبار المغلق (2023، بما في ذلك متوالية كاهرامانماراش)، والاحتفاظ الأمامي (2024–29 يوليو 2026).
التسلسل الهرمي للنماذج: تم تقييم تسلسل هرمي من النماذج، بدءاً من مرجع المعدل التاريخي البايزي الثابت وصولاً إلى الانحدار اللوجستي الديناميكي (التاريخ، التاريخ + ETAS)، والنماذج المعقدة (اللوجستي الكامل مع ميزات الفيزياء/الرسم البياني، وXGBoost، والمنافس من التعلم العميق المسمى CAL-SEQ).
التقييم: استخدم الاستدلال الرسمي فترات زمنية غير متداخلة مدتها 7 أيام وفترات ثقة بنظام "الكتل المتحركة" (moving-block bootstrap) لمدة 28 يوماً. ركزت المقاييس على مساحة منحنى الدقة والاستدعاء (PR-AUC) ودرجة براير (Brier score)، مع مراعاة طبيعة الأحداث النادرة.
المساهمات الرئيسية
معيار مرجعي قابل للتدقيق المصدري: توفر الدراسة مجموعة بيانات لنظام EAFS لمدة 50 عاماً، متتبعة المصدر، وتتحكم صراحة في تغيرات حساسية السجلات وتوحيد القدر، مما يفصل النشاط الزلزالي الوصفي طويل الأمد عن فترة توليد الميزات الأكثر كثافة.
بروتوكول آمن من التسريب: يفرض سير العمل عزلاً زمنياً صارماً، مما يضمن أن تحويلات القدر، ومعاملات ETAS، وهندسة الميزات تعتمد حصرياً على بيانات ما قبل الاختبار، مما يمنع التحسين الاسترجاعي للتنبؤات.
تدقيق الادعاءات المتزايدة: تطبق الدراسة استراتيجية "بوابة الادعاء" حيث يجب على المكونات المعقدة (ETAS، نماذج الفيزياء، التعلم العميق) أن تثبت مهارة متزايدة ذات دلالة إحصائية فوق الخطوط المرجعية الأبسط في كل من الاختبار المغلق والاحتفاظ الأمامي لاعتبارها صالحة.
النتائج
مهارة التنبؤ الأساسية: أظهر نموذج اللوجستي (التاريخ + ETAS) المختار للتحقق مهارة قابلة لإعادة الإنتاج. فقد تفوق بشكل ملحوظ على المرجع التاريخي البايسي الثابت في كل من اختبار 2023 المغلق (زيادة في PR-AUC بلغت 0.314، بفترة ثقة 95% [0.157–0.443]) وفي الاحتفاظ الأمامي 2024–2026 (زيادة في PR-AUC بلغت 0.0201، بفترة ثقة 95% [0.00888–0.03844]).
تدقيق التعقيد: رغم نجاح النموذج الديناميكي الأساسي، لم تضف أي مكونات معقدة مهارة مستقلة قابلة لإعادة الإنتاج:
ETAS: لم يُظهر نموذج (التاريخ + ETAS) مكسباً متزايداً موثوقاً إحصائياً فوق نموذج الانحدار اللوجستي (التاريخ فقط).
الفيزياء/الرسم البياني: لم تؤدِ إضافة ميزات الرسم البياني للصدع ونماذج الإجهاد إلى تحسين الأداء فوق نموذج (التاريخ + ETAS).
تعلم الآلة: فشلت نماذج XGBoost ونموذج التعلم العميق CAL-SEQ في التفوق على المرجع اللوجستي المعاير في الاحتفاظ الأمامي. كما فشل رأس التنبؤ بالقدر المساعد في CAL-SEQ (معامل R2 سالب).
تباين المتواليات: لاحظت الدراسة تبايناً كبيراً في معاملات أوموري-أوتسو (Omori-Utsu) عبر المتواليات (على سبيل المثال، متوالية Mw 7.8 لعام 2023 مقابل متوالية إيلازيغ Mw 6.7 لعام 2020)، مما يشير إلى أن بارامترات ETAS المجمدة قد تكون جامدة للغاية بالنسبة للتنبؤ التكيفي.
التعميم المكاني: بينما كانت مكاسب PR-AUC إيجابية عبر الكتل المكانية، إلا أن مقدار المكسب تباين، وأظهرت بعض الكتل مهارة براير (Brier skill) سلبية طفيفة، مما يشير إلى أن تحسين التصنيف لا يعني دائماً تحسين معايرة الاحتمالات.
الأهمية والادعاءات تزعم الورقة أن التاريخ الزلزالي الأخير يحتوي على معلومات قصيرة المدى قابلة لإعادة الإنتاج تتجاوز المرجع التاريخي الثابت لمعدل الصدع، حتى بعد متوالية 2023 الاستثنائية. ومع ذلك، فإن الدراسة متواضعة فيما يتعلق بالآليات التي تقود هذه المهارة. وتخلص إلى أن التعقيد في النماذج لا ينبغي أن يُنسب إلى أهمية فيزيائية أو تشغيلية ما لم يثبت مهارة مستقلة مستقبلياً.
تكمن الأهمية الأساسية في البرهان المنهجي على أن:
التبسيط هو الأفضل: النموذج اللوجستي البسيط القائم على التاريخ لا يقل تنافسية عن النماذج المعقدة القائمة على التعلم العميق أو الفيزياء، بل قد يكون أفضل منها في هذه المهمة المحددة.
النتائج السلبية مفيدة: إن فشل معاملات ETAS المجمدة، وميزات الرسم البياني، والتعلم العمفي في إضافة مهارة متزايدة يحد من التفسير، ويمنع نسب قوة التنبؤ خطأً إلى آليات فيزيائية محددة دون دليل.
التواصل بشأن المخاطر: يدعم إطار العمل التواصل الحذر بشأن المخاطر الاحتمالية (توفير طبقات لتحديد الأولويات النسبية للتخطيط للطوارئ) بدلاً من التنبؤ الزلزالي الحتمي. وتتجنب الدراسة صراحةً ادعاء القدرة التنبؤية الحتمية أو انتقال الإجهاد السببي، مشيرة إلى أن نماذج الإجهاد المستخدمة ليست حسابات ΔCFS لكولوم.
يؤكد المؤلف أن النتائج خاصة بمعيار EAFS وتصميم النموذج المثبت والآمن من التسريب، ويدعو إلى إجراء أعمال مستقبلية لاختبار صيغ ETAS التكيفية وانتقال الإجهات الحقيقي للصدع المحدود في عمليات نشر النماذج المستقبلية المثبتة.