Er is gebruik gemaakt van een combinatie van machine learning-methoden om UrbanDenoiser te creëren. Voor trainingstoepassing
Het team paste hun filtersysteem toe op:seismische gegevens opgenomen in Long Beach, Californië om te zien hoe goed het presteert. Ze ontdekten dat het gewenste signaalniveau met ongeveer 15 dB verbeterde ten opzichte van achtergrondruis. UrbanDenoiser werd vervolgens gebruikt om gegevens te analyseren van een aardbeving die in 2014 een nabijgelegen gebied trof. Hierdoor kon de app vier keer meer data detecteren dan ongefilterde sensoren.
De studie werd uitgevoerd door een team van onderzoekers van de Stanford University in samenwerking met de Chinese Academie van Wetenschappen.
De ontwikkelaars beweren dat UrbanDenoiserkan bepalen welke seismische gegevens natuurlijk zijn voor de stedelijke omgeving en welke kunstmatig zijn, dat wil zeggen veroorzaakt door aardbevingen, en onnatuurlijke gegevens eruit filteren. De app kan ook trillingen van verschillende omvang detecteren.
UrbanDenoiser is in staat effectief te onderdrukkenhoge ruisniveaus, hoewel valse positieven en valse negatieven nog steeds mogelijk zijn in ruisvrije gegevens, erkennen de onderzoekers. Valse negatieven treden op wanneer het seismische signaal te zwak is of wanneer de seismische doelfasen en monsters van het trainingssignaal niet voldoende vergelijkbaar zijn met de golfvormen van de echte aardbeving.
Aardbevingen veroorzaken de meeste schadevooral in dichtbevolkte steden. Tegelijkertijd ondervinden seismologen problemen bij het scheiden van seismische gegevens die verband houden met natuurlijke grondbewegingen veroorzaakt door het stadsleven. Ze merken op dat menselijke activiteiten in steden, zoals voertuigen en treinen, veel seismisch geluid produceren.
De onderzoekers hopen dat de nieuwe applicatie zal helpen om duidelijke gegevens te krijgen over aardbevingen in steden en zo de schade te minimaliseren.
Lees verder:
MIT creëert een stationaire warmtemotor die beter presteert dan turbines
Na tien jaar werk zetten wetenschappers vraagtekens bij het standaardmodel van de natuurkunde
Zie hoe zonsopgang eruit ziet op Mars