Za izradu UrbanDenoisera korištena je kombinacija metoda strojnog učenja. Za primjenu na treningu
Tim je primijenio svoj sustav filtriranja naseizmički podaci snimljeni u Long Beachu u Kaliforniji kako bi vidjeli koliko dobro djeluje. Otkrili su da se željena razina signala poboljšala u odnosu na pozadinsku buku za oko 15 dB. UrbanDenoiser je zatim korišten za analizu podataka iz potresa koji je pogodio obližnje područje 2014. godine. Kao rezultat toga, aplikacija je uspjela otkriti četiri puta više podataka od nefiltriranih senzora.
Studiju je proveo tim istraživača sa Sveučilišta Stanford u suradnji s Kineskom akademijom znanosti.
Programeri tvrde da UrbanDenoisermože odrediti koji su seizmički podaci prirodni za urbanu sredinu, a koji su umjetni, odnosno uzrokovani potresima, te filtrira neprirodne. Aplikacija također može otkriti podrhtavanje različitih magnituda.
UrbanDenoiser je u stanju učinkovito suzbitivisoke razine šuma, iako su lažno pozitivni i lažno negativni i dalje mogući u denoised podacima, priznaju istraživači. Lažno negativni rezultati se javljaju kada je seizmički signal preslab ili kada ciljne seizmičke faze i uzorci signala za obuku nisu dovoljno slični valnim oblicima pravog potresa.
Najviše štete i štete uzrokuju potresiosobito u gusto naseljenim gradovima. Istodobno, seizmolozi se suočavaju s poteškoćama u odvajanju seizmičkih podataka povezanih s prirodnim kretanjem tla uzrokovanim urbanim životom. Napominju da ljudske aktivnosti u gradovima, poput vozila i vlakova, proizvode veliku seizmičku buku.
Istraživači se nadaju da će nova aplikacija pomoći u dobivanju jasnih podataka o potresima u gradovima i na taj način minimizirati štetu.
Čitaj više:
MIT stvara stacionarni toplinski motor koji nadmašuje turbine
Nakon deset godina rada, znanstvenici su doveli u pitanje standardni model fizike
Pogledajte kako izgleda izlazak sunca na Marsu