Для створення UrbanDenoiser було використано сукупність методів машинного навчання. Для тренування програми
Команда застосувала свою систему фільтрації досейсмічними даними, записаними в Лонг-Біч, Каліфорнія, щоб побачити, наскільки добре вона працює. Вони виявили, що рівень корисного сигналу покращився у порівнянні з фоновим шумом приблизно на 15 дБ. Потім UrbanDenoiser була використана для аналізу даних про землетрус, який стався у сусідньому районі у 2014 році. В результаті додаток зміг виявити вчетверо більше даних у порівнянні з датчиками без фільтрації.
Дослідження проводилося групою дослідників зі Стенфордського університету разом із Китайською академією наук.
Розробники стверджують, що UrbanDenoiserздатний визначити, які сейсмічні дані є природними для міського середовища, а які штучними, тобто спричинені землетрусами, та відфільтровує неприродні. Додаток також може вловлювати поштовхи різної магнітуди.
UrbanDenoiser здатний ефективно придушувативисокі рівні шуму, хоча помилкові спрацьовування і хибнонегативні результати в даних з шумозаглушенням все ж таки можливі, визнають дослідники. Хибнонегативні результати виникають, коли сейсмічний сигнал занадто слабкий або коли цільові сейсмічні фази та вибірки навчального сигналу недостатньо схожі на форми хвиль реального землетрусу.
Землетруси завдають найбільшої шкоди та шкодисаме у густонаселених містах. При цьому сейсмологи стикаються з труднощами при відділенні сейсмічних даних, пов'язаних із природним рухом ґрунту, спричиненим міським життям. Вони відзначають, що діяльність людини у містах, така як транспортні засоби та потяги, робить багато сейсмічного шуму.
Як сподіваються дослідники, новий додаток допоможе отримати чіткі дані про землетруси в містах і тим самим мінімізувати збитки.
Читати далі:
У MIT створили нерухомий тепловий двигун, який перевершив ККД турбін
Через десять років роботи вчені засумнівалися у стандартній моделі фізики
Подивіться, як виглядає схід Сонця на Марсі