地震预警系统使用AI预测震动

地震预警系统使用AI预测震动

使用人工智能(AI)预测地震发生时地面如何运动的地震预警系统可以提前几秒钟通知即将发生震动。

美国西海岸已经存在使用更多传统计算能力的类似系统。它被称为ShakeAlert,它的工作原理是检测地震运动的第一波(称为P波),然后计算何时会导致引起大部分震动的一组波(运动较慢的S波)到达。

正在开发的新系统称为DeepShake,它还旨在在地震开始后为即将发生的震动提供几秒钟的警告。但是,DeepShake使用一种深度学习神经网络(一种AI学习)来识别过去地震的模式,以预测新地震的震动将如何传播。这可能会导致在地震多发地区之间更快的处理速度和更容易推广。

斯坦福大学电气工程学硕士生Avoy Datta表示:“当我们开始这个项目时,我们的目标是击败目前使用的地面运动预测方程式”来对振动预警系统进行编程。开发了DeepShake。“它们往往非常慢。您需要在超级计算机上运行的数值求解器,并且它们可能需要几分钟和几小时来处理。”

相比之下,“如果我们运行25个DeepShake模型,则在单个研究GPU(图形处理单元)上花费大约6.1毫秒。” Datta告诉Live Science。“这将很快发展起来。”

预测震动

在4月23日举行的美国地震学会虚拟会议上的一次演讲中,达塔和他的斯坦福大学本科生丹尼尔·吴(Daniel Wu)报告了他们在训练DeepShake以预测加利福尼亚里奇克莱斯特附近地震的地震动后的结果。里奇克莱斯特(Ridgecrest)在地震活跃的东加州剪切带(Eastern California Shear Zone)中,2019年,一系列地震撼动了该地区。7月5日发生的最大地震为7.1级地震。

Datta,Wu和他们的同事使用此地震序列训练DeepShake,以预测该地区的地面震动。他们首先从2019年7月至2019年9月袭击Ridgedrest的超过36,000地震的数据集开始(大多数地震规模很小)。他们将80%的数据集输入到深度神经网络中,从而节省了10%的调整网络参数,最后节省了10%的测试网络结果是否符合实际。

研究人员对网络进行了编程,以便将地震序列的权重分配给相对较少的较大地震,以便它可以作为早期预警系统发挥更好的性能。毕竟,最大的地震是人们需要对最大地震进行预警的地震。

发出警告

Wu告诉Live Science,尽管DeepShake没有获得有关地震的位置或类型的信息,但它能够在地震发生前的3到13秒钟内警告网络中其他地震台发生晃动。这与ShakeAlert的提前通知量相似。Wu和Datta并不认为其他系统是竞争对手。他们说,相反,可以使用DeepShake技术来补充ShakeAlert。研究人员希望将测试扩展到其他断层和地震序列。

在任何给定位置进行地面震动可能很难预测。例如,ShakeAlert在2019年Ridgecrest序列最大的地震中未能发出警告,因为在某些确实经历了轻微摇晃的区域中,预期摇晃不会达到程序的“轻微摇晃”阈值。自2019年以来,ShakeAlert的开发人员已对其进行了更改,以吸收这些经验教训。Wu说,深度学习网络的优势在于,它们会自动结合该站点的怪癖,因为它们是基于该位置过去的震动经验。与ShakeAlert使用更多的带有内置假设的通用方程式不同,DeepShake必须在使用它的每个单独区域中进行重新训练。但是,这次培训

吴说:“深度学习真正蓬勃发展的地方是有很多数据和许多复杂模式需要发现的地方。”

为您推荐