الخلاصة: يعمل مركز البحث CRAAG على تحديث شبكته الزلزالية الرقمية المكونة من 70 جهاز استشعار بتحليل مدعوم بالذكاء الاصطناعي قادر على تحديد خصائص الزلازل في غضون ثوانٍ من وصول الموجة P، وهي ترقية حاسمة لبلد يعيش فيه 70% من السكان في مناطق نشطة زلزالياً.
تقع الجزائر على واحدة من أكثر المناطق الزلزالية نشاطاً في حوض البحر الأبيض المتوسط. يظل زلزال بومرداس عام 2003، الذي أودى بحياة أكثر من 2,200 شخص وتسبب في أضرار بقيمة 5 مليارات دولار، تذكيراً حياً بحجم المخاطر. مع تركز 70% من سكان الجزائر في منطقة الأطلس التلي المعرضة للزلازل على طول الساحل الشمالي، فإن استثمار البلاد في المراقبة الزلزالية وأنظمة الإنذار المبكر ليس مجرد أولوية علمية — بل هو مسألة أمن وطني.
CRAAG والشبكة الزلزالية الرقمية الجزائرية
يدير مركز البحث في علم الفلك والفيزياء الفلكية والجيوفيزياء (CRAAG)، ومقره الجزائر العاصمة، البنية التحتية الرئيسية لمراقبة الزلازل في الجزائر. عقب كارثة بومرداس، أجرى CRAAG ترقية كبرى للشبكة بدعم من الإدارة الصينية للزلازل (CEA)، حيث تم تركيب الشبكة الزلزالية الرقمية الجزائرية (ADSN) بدءاً من عام 2006.
اليوم، تضم ADSN حوالي 70 جهاز استشعار زلزالي، منها 20 محطة ذات نطاق عريض و20 مقياس تسارع و50 جهاز استشعار قصير المدى موزعة عبر شمال الجزائر. تغذي الشبكة بياناتها إلى منشأة المعالجة المركزية في CRAAG، التي يمكنها إصدار تنبيهات في غضون دقائق من اكتشاف نشاط زلزالي كبير.
لكن الدقائق قد لا تكون كافية. تهدف أنظمة الإنذار المبكر بالزلازل الحديثة المدعومة بالذكاء الاصطناعي إلى تقديم تنبيهات في غضون ثوانٍ.
ثورة الذكاء الاصطناعي في الكشف الزلزالي
يُحوّل التعلم الآلي علم الزلازل على مستوى العالم. يمكن لنماذج الشبكات العصبية الآن تحليل أول 3 ثوانٍ من بيانات الموجة P من محطة زلزالية واحدة وتقدير موقع الزلزال وعمقه وقوته بشكل موثوق. يمثل نظام E3WS (نظام الإنذار المبكر بالزلازل)، الذي طوره باحثون في عام 2023، أول نظام إنذار مبكر مبني بالكامل على خوارزميات الذكاء الاصطناعي — ويعمل بمحطة واحدة فقط.
تشمل التطورات الأحدث معماريات CNN-LSTM الهجينة التي تجمع بين الشبكات العصبية التلافيفية للتعرف على الأنماط المكانية وشبكات الذاكرة الطويلة قصيرة المدى لتحليل التسلسلات الزمنية. يمكن لهذه النماذج التمييز بين الإشارات الزلزالية والضوضاء بدقة تتجاوز 98%، حتى في المناطق ذات البنى الجيولوجية المعقدة مثل الأطلس التلي الجزائري.
أثبتت نماذج الشبكات العصبية الشاملة المدربة على مجموعات بيانات زلزالية معممة قدرتها على الإبلاغ عن مواقع وقوى الزلازل في غضون 4 ثوانٍ من وصول الموجة P الأولى، بمتوسط أخطاء في الموقع من 2.6 إلى 7.3 كيلومتر وأخطاء في القوة من 0.05 إلى 0.32 وحدة.
لماذا تحتاج الجزائر إلى إنذار مبكر مدعوم بالذكاء الاصطناعي
تمنح فيزياء الموجات الزلزالية الجزائر نافذة ضيقة لكنها حاسمة. تصل الموجات P، التي تنتقل أسرع ولكنها تسبب ضرراً أقل، قبل الموجات S المدمرة والموجات السطحية. في الأطلس التلي، حيث تقع معظم المراكز السكانية على بعد 50-150 كيلومتراً من خطوط الصدع الرئيسية، يمكن أن توفر هذه الفجوة 5-30 ثانية من وقت التحذير.
تلك الثواني مهمة للغاية. يمكن للأنظمة الآلية إيقاف أنابيب الغاز وتوقيف القطارات وفتح أبواب محطات الإطفاء وتفعيل تنبيهات إخلاء المباني. في نظام الإنذار المبكر بالزلازل في اليابان، الذي تدرسه الجزائر كنموذج، حتى 10 ثوانٍ من الإنذار المسبق أنقذت أرواحاً ومنعت أضراراً في البنية التحتية.
بالنسبة للجزائر تحديداً، تعالج المراقبة المعززة بالذكاء الاصطناعي عدة تحديات تشغيلية. تتميز الشبكة الزلزالية للبلاد، رغم اتساعها، بكثافة محطات غير متساوية — بعض مناطق الأطلس التلي الغربي بها فجوات في التغطية. تساعد نماذج الذكاء الاصطناعي القادرة على تحديد خصائص الزلازل من بيانات محطة واحدة في تعويض هذه الفجوات.
إعلان
جهود التحديث الحالية
يعمل CRAAG على دمج الأساليب الحسابية الحديثة في سير عمل التحليل الزلزالي. تحافظ المؤسسة على شراكات بحثية نشطة مع المراكز الزلزالية الدولية ونشرت دراسات حول تحسين أداء وجودة بيانات ADSN.
يوفر الدفع الأوسع نحو الرقمنة في الجزائر، المدعوم من وزارة البريد والمواصلات السلكية واللاسلكية، بيئة مواتية لترقية البنية التحتية الزلزالية. يخلق نشر شبكات 4G و5G الناشئة عبر المناطق الحضرية مسارات جديدة لتوزيع تنبيهات الزلازل على الأجهزة المحمولة في غضون ثوانٍ.
يساهم النظام الجامعي في البلاد أيضاً. نشر باحثون في جامعة العلوم والتكنولوجيا هواري بومدين (USTHB) ومؤسسات أخرى أعمالاً حول تطبيق التعلم الآلي على البيانات الزلزالية الجزائرية، وتطوير نماذج خاصة بالمنطقة تراعي الخصائص الجيولوجية المميزة للأطلس التلي.
بناء نظام وطني لتوزيع التنبيهات
الكشف ليس سوى نصف التحدي. يتطلب توصيل التحذيرات إلى الجمهور قبل وصول الموجات المدمرة بنية تحتية قوية لتوزيع التنبيهات. يوفر إطار الحماية المدنية الحالي في الجزائر، الذي تديره المديرية العامة للحماية المدنية (DGPC)، العمود الفقري المؤسسي لاتصالات الطوارئ.
إن دمج الكشف الزلزالي المدعوم بالذكاء الاصطناعي مع أنظمة الإشعار الجماهيري — بما في ذلك تقنية البث الخلوي وأنظمة مكبرات الصوت العامة والتطبيقات المحمولة — سيخلق سلسلة إنذار مبكر شاملة. إن معدل انتشار الهاتف المحمول المرتفع في الجزائر (أكثر من 100 مليون شريحة SIM نشطة لسكان يبلغ عددهم 46 مليوناً) يعني أن التنبيهات الخلوية يمكن أن تصل إلى معظم المواطنين في غضون ثوانٍ.
التعاون الإقليمي وتبادل المعرفة
لا تعمل الجزائر بمعزل عن الآخرين. يوفر المركز الزلزالي الأورو-متوسطي (EMSC) إطاراً تعاونياً لتبادل البيانات الزلزالية عبر منطقة البحر الأبيض المتوسط. يساهم CRAAG في قواعد البيانات الزلزالية الدولية ويشارك في مبادرات الإنذار المبكر الإقليمية.
التعاون في شمال أفريقيا لا يقل أهمية. يتشارك المغرب وتونس والجزائر مخاطر زلزالية مماثلة على طول حدود الصفيحتين الأفريقية والأوراسية. يمكن للاستثمارات المشتركة في المراقبة المدعومة بالذكاء الاصطناعي تحسين التغطية للمنطقة بأكملها مع توزيع التكاليف ومشاركة الخبرات التقنية.
الطريق إلى الأمام
يخلق تقارب الحوسبة الميسورة للذكاء الاصطناعي وتقنيات الاستشعار المحسنة والبنية التحتية الزلزالية القائمة في الجزائر فرصة واضحة. يمكن لترقية ADSN بتحليل مدعوم بالذكاء الاصطناعي أن يحوّل استجابة الجزائر للزلازل من نظام تنبيه بمقياس الدقائق إلى نظام إنذار مبكر بمقياس الثواني — مما قد ينقذ مئات الأرواح في الحدث الزلزالي الكبير القادم.
الاستثمار المطلوب متواضع مقارنة بالخسائر المحتملة. كلف زلزال بومرداس عام 2003 خمسة مليارات دولار. سيكلف نظام إنذار مبكر شامل معزز بالذكاء الاصطناعي، بما في ذلك ترقيات الشبكة والبنية التحتية الحاسوبية وأنظمة توزيع التنبيهات، جزءاً بسيطاً من تلك التكلفة مع توفير الحماية لعقود.
الأسئلة الشائعة
المصادر والقراءات الإضافية
- The New Algerian Digital Seismic Network (ADSN): Towards an Earthquake Early Warning System — Copernicus
- Universal Neural Networks for Real-Time Earthquake Early Warning — Nature Communications Earth & Environment
- Machine Learning in Earthquake Seismology — Annual Reviews
- Earthquake Early Warning Starting From 3 Seconds on a Single Station — Wiley AGU
- A Hybrid CNN-LSTM Architecture for Seismic Event Detection — MDPI Sensors
