تم استخدام مجموعة من أساليب التعلم الآلي لإنشاء UrbanDenoiser. لتطبيق التدريب
طبق الفريق نظام التصفية الخاص بهم علىتم تسجيل البيانات الزلزالية في لونج بيتش ، كاليفورنيا لمعرفة مدى أدائها. ووجدوا أن مستوى الإشارة المطلوب قد تحسن على ضوضاء الخلفية بحوالي 15 ديسيبل. ثم تم استخدام UrbanDenoiser لتحليل البيانات من زلزال ضرب منطقة قريبة في عام 2014. نتيجة لذلك ، كان التطبيق قادرًا على اكتشاف بيانات أكثر بأربعة أضعاف من أجهزة الاستشعار غير المفلترة.
أجرى الدراسة فريق من الباحثين من جامعة ستانفورد بالاشتراك مع الأكاديمية الصينية للعلوم.
يدعي المطورون أن UrbanDenoiserقادر على تحديد البيانات الزلزالية الطبيعية للبيئة الحضرية وأيها مصطنعة، أي الناجمة عن الزلازل، وتصفية البيانات غير الطبيعية. يمكن للتطبيق أيضًا اكتشاف الهزات بدرجات متفاوتة.
UrbanDenoiser قادر على القمع بشكل فعاليعترف الباحثون بمستويات ضوضاء عالية، على الرغم من أن الإيجابيات والسلبيات الكاذبة لا تزال ممكنة في البيانات منخفضة الضوضاء. تحدث السلبيات الكاذبة عندما تكون الإشارة الزلزالية ضعيفة للغاية أو عندما لا تكون المراحل الزلزالية المستهدفة وعينات إشارة التدريب متشابهة بشكل كافٍ مع الأشكال الموجية للزلزال الحقيقي.
الزلازل تسبب أكبر قدر من الضرر والضررخاصة في المدن المكتظة بالسكان. في الوقت نفسه ، يواجه علماء الزلازل صعوبات في فصل البيانات الزلزالية المرتبطة بحركة الأرض الطبيعية التي تسببها الحياة الحضرية. وأشاروا إلى أن الأنشطة البشرية في المدن ، مثل المركبات والقطارات ، تنتج الكثير من الضوضاء الزلزالية.
يأمل الباحثون أن يساعد التطبيق الجديد في الحصول على بيانات واضحة عن الزلازل في المدن وبالتالي تقليل الأضرار.
قراءة المزيد:
ينشئ معهد ماساتشوستس للتكنولوجيا محركًا حراريًا ثابتًا يتفوق على التوربينات
بعد عشر سنوات من العمل ، شكك العلماء في النموذج القياسي للفيزياء
شاهد كيف يبدو شروق الشمس على سطح المريخ