I ricercatori creano modelli di sistemi sismici con migliori capacità di rilevamento

Due ricercatori dell’Università del Wyoming hanno sviluppato un modello di apprendimento automatico che migliora la precisione del rilevamento sismico del 14,5% rispetto al modello più accurato esistente oggi.

Pejman Tahmasebi, professore associato presso la Facoltà di ingegneria e scienze applicate dell’Università di Washington, ha condotto uno studio che proponeva metodi per rilevare l’attività sismica in modo più efficiente.

“Il modello che abbiamo sviluppato può elaborare in modo efficiente i dati del segnale registrati da. Sismometro.. Eventi sismici legati al terremoto e importanti per noi, Rumore sismico Inoltre, quando viene rilevato un evento sismico, il modello proposto può fornire una stima della posizione geografica in cui si verificherà. Ancora più importante, il nostro modello è più accurato in termini di accuratezza della stima della posizione geografica, ottenendo un miglioramento del 14,5% rispetto ai modelli esistenti. “

Tahmasebi è l’autore corrispondente di un documento intitolato “LSTM-FCN basato sull’attenzione sulla rilevazione e localizzazione sismica” pubblicato il 5 ottobre. Giornale di geofisica internazionale.. È una delle principali riviste di ricerca primaria al mondo sulla Terra Solida. Geofisica Pubblica articoli di ricerca di alta qualità su tutti gli aspetti della geofisica teorica, computazionale, sperimentale, applicata e osservativa.

Taobai, studente di dottorato del 4° anno presso l’Università di Washington College of Engineering and Applied Sciences è l’autore principale del trattato. Bai ha sviluppato un codice informatico per questa ricerca.

Secondo il trattato, i segnali sismici sono generalmente rumorosi e i microterremoti sono nascosti nel rumore sismico, rendendo difficile il rilevamento e la localizzazione dei terremoti. I metodi tradizionali di rilevamento e localizzazione spesso si basano su fasi selezionate manualmente o algoritmi ad alta intensità di calcolo.

Tahmasebi e Bai combinano i modelli di apprendimento automatico della memoria a lungo termine (LSTM) e della rete completamente convoluzionale (FCN) esistenti per distinguere meglio gli eventi sismici dal rumore sismico e identificare le aree in cui si verificano eventi sismici. Sviluppato un modello. Una combinazione mai utilizzata prima. Il modello LSTM viene utilizzato per acquisire la dinamica temporale dei dati o il modo in cui il segnale cambia nel tempo. Il modello FCN viene utilizzato per estrarre caratteristiche importanti e nascoste di eventi sismici che sono difficili da estrarre per l’osservazione visiva.

“Questi dati vengono raccolti nel tempo, quindi in realtà ci sono due componenti, tempo e spazio”, afferma Tahmasebi.

L’accuratezza della classificazione del modello creato dai ricercatori dell’Università di Washington è dell’89,1%, il 14,5% in più rispetto al modello ConvNet Quake all’avanguardia, afferma Tahsebi. Inoltre, il modello ConvNetQuake ha la capacità di classificare gli eventi sismici in una delle sei regioni geografiche, mentre il modello creato dai ricercatori dell’UW è superiore classificando gli eventi sismici in 15 regioni. Puoi trovare eventi sismici in risoluzione.

“Nel modello che abbiamo proposto, la stessa area è stata divisa in 15 sottoregioni più piccole, il che significa che la posizione geografica prevista degli eventi sismici è più accurata”, ha affermato Tahsebi. dire.

Secondo Tuff Masevi, i due hanno testato l’efficacia e l’efficienza del modello proposto sui dati sismici raccolti dall’Oklahoma, dove il numero di terremoti è aumentato negli ultimi anni a causa del trattamento delle acque reflue.

I dati modificati per il set di formazione dello studio includevano 2.709 eventi sismici e 700.039 misurazioni del rumore sismico e il set di test conteneva 2.111 eventi sismici e 129.170 misurazioni del rumore sismico. campo di riso. Sebbene il loro modello non abbia identificato tutti gli eventi sismici (tre sono stati trascurati), gli studi hanno dimostrato che pochi rumori sismici sono stati classificati erroneamente come eventi sismici.

“I risultati di questo studio sono terremoti. Il metodo proposto può essere utilizzato per monitorare l’attività vulcanica, la modellazione delle infrastrutture, l’energia pulita, i sistemi geotermici e altri problemi in cui l’elaborazione di grandi quantità di dati è una sfida”, ha affermato Tahmasebi. aumentare.

---

I modelli di apprendimento automatico generano forme d’onda sismiche realistiche

---

Per maggiori informazioni:
Tao Bai et al, LSTM-FCN basato sull’attenzione per il rilevamento e la localizzazione sismica, Giornale di geofisica internazionale (2021). DOI: 10.1093 / gji / ggab401

Fornito da
Università del Wyoming

Citazione: I ricercatori hanno capacità di rilevamento migliori (12 ottobre 2021) ottenute il 12 ottobre 2021 da https: //phys.org/news/2021-10-earthquake-capabilities.html Creare un modello di sistema sismico

Questo documento è soggetto a copyright. Nessuna parte può essere riprodotta senza autorizzazione scritta, fatta eccezione per transazioni eque per scopi di indagine o ricerca personale. Il contenuto è fornito a solo scopo informativo.

Ineos esplora le versioni a idrogeno ed elettriche di 拢 48K Grenadier 4×4 Come eseguire app Android su Windows 11 Riscoprire la fiducia nella sicurezza informatica | MIT Technology Review Il rapporto rivela che gli acquirenti che intendono iniziare a trascorrere le vacanze all’inizio del 2021 PCR MagSafe invece di USB-C? La trama della ricarica rapida di MacBook Pro diventa più spessa Ultime notizie sulla tecnologia

Ineos esplora le versioni a idrogeno ed elettriche di 拢 48K Grenadier 4×4 Come eseguire app Android su Windows 11 Riscoprire la fiducia nella sicurezza informatica | MIT Technology Review Il rapporto rivela che gli acquirenti che intendono iniziare a trascorrere le vacanze all’inizio del 2021 PCR MagSafe invece di USB-C? La trama della ricarica rapida di MacBook Pro diventa più spessa