infos.ro

Senzorii de cutremur pot fi ajutați de IA care elimină zgomotul orașului

Autor:, www.newscientist.com

Sunetele orașelor pot face dificilă discernământul semnalelor subterane care indică un cutremur, dar algoritmii de învățare profundă ar putea filtra acest zgomot.


Pământ


13 aprilie 2022

Un prim-plan al unui ac de mașină seismograf care desenează o linie roșie pe hârtie milimetrică care ilustrează activitatea seismică și cutremură - randare 3D;  ID Shutterstock 714451717;  comandă de achiziție: -;  loc de munca: -;  client: -;  alte: -

Seismografele pot capta zgomotul orașului, precum și tremurul

Shutterstock / Pixeli cu cerneală

Un algoritm de învățare profundă poate elimina zgomotul orașului din instrumentele de monitorizare a cutremurelor, potențial facilitând identificarea când și unde are loc un cutremur.

„Monitorizarea cutremurelor în mediul urban este importantă, deoarece ne ajută să înțelegem sistemele de defecțiuni care stau la baza orașelor vulnerabile”, spune Grigore Baroza la Universitatea Stanford din California. „Văzând unde se duc defecțiunile, putem anticipa mai bine evenimentele de cutremur.”

Cu toate acestea, sunetele orașelor – de la mașini, avioane, elicoptere și forfota generală – adaugă zgomot care face dificilă discernământul semnalelor subterane care indică un cutremur.

Pentru a încerca să ne îmbunătățim capacitatea de a identifica și localiza cutremure, Baroza și colegii săi au antrenat o rețea neuronală profundă pentru a face distincția între semnalele de cutremur și alte surse de zgomot.

Aproximativ 80.000 de mostre de zgomot urban și 33.751 de mostre de semnale de cutremur au fost combinate în diferite forme pentru a antrena, valida și testa rețeaua neuronală. Mostrele de zgomot au provenit din audio înregistrate în Long Beach, California, în timp ce semnalele de cutremur au fost preluate din zona rurală din jurul San Jacinto, tot în California. „Am făcut multe milioane de combinații ale celor două pentru a antrena rețeaua neuronală”, spune Baroza.

Rularea sunetului prin rețeaua neuronală a îmbunătățit raportul semnal-zgomot – nivelul semnalului pe care doriți să-l auziți în comparație cu nivelul zgomotului de fundal – cu o medie de 15 decibeli, de trei ori mai mare decât media tehnicilor anterioare de dezgomot.

Cercetarea este foarte utilă pentru domeniu, spune Maarten de Hoop la Universitatea Rice din Houston, Texas. „Este foarte bine făcut și cred că o muncă frumoasă”, spune el.

Dar el subliniază un dezavantaj: rețeaua neuronală a fost antrenată pe date etichetate de oameni, o metodă numită învățare supravegheată, iar citirile au fost toate dintr-o zonă. Faptul că modelul a fost supravegheat special pentru a elimina zgomotul din sunetele din California înseamnă că este mai puțin probabil să aibă succes atunci când este prezentat cu zgomot din altă parte.

„Sfântul Graal în acest domeniu este învățarea nesupravegheată”, spune de Hoop. „Dacă merg într-unul dintre marile orașe din Japonia, șansele ca acest lucru să funcționeze direct sunt destul de mici, deoarece este supravegheat.”

De asemenea, Baroza nu este sigur cât de bine ar funcționa modelul în alte locuri decât California. „În funcție de mediu, semnăturile de zgomot vor fi probabil diferite de cele pe care este antrenat”, spune el.

Referința jurnalului: Progresele științei, DOI: 10.1126/sciadv.abl3564

Mai multe despre aceste subiecte:

You might also like