以最佳精度分析地震信號(hào)的挑戰(zhàn)隨著可用地震數(shù)據(jù)的量而增長(zhǎng)。在卡爾斯魯厄理工學(xué)院(KIT)，研究人員已經(jīng)部署了一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)確定地震波的到達(dá)時(shí)間，從而精確定位地震的震中。他們?cè)?ldquo; 地震學(xué)研究快報(bào) ”雜志的報(bào)告中指出，人工智能能夠以與經(jīng)驗(yàn)豐富的地震學(xué)家相同的精度評(píng)估數(shù)據(jù)。

為了精確定位地震事件，確定地震臺(tái)站大部分地震波的準(zhǔn)確到達(dá)時(shí)間(所謂的相位到達(dá))至關(guān)重要。沒(méi)有這方面的知識(shí)，就不可能進(jìn)行更準(zhǔn)確的地震評(píng)估。這種評(píng)估對(duì)于預(yù)測(cè)余震有時(shí)非常有用，余震有時(shí)會(huì)造成比最初的主要地震更嚴(yán)重的破壞。通過(guò)精確定位震中，甚至可以更好地區(qū)分發(fā)生在地球深處的物理過(guò)程，這反過(guò)來(lái)又可以推斷出地球內(nèi)部的結(jié)構(gòu)。“我們的研究結(jié)果表明，人工智能可以顯著改善地震分析 - 不僅可以支持大量數(shù)據(jù)，而且只有有限的數(shù)據(jù)集可用，”

記錄的地震圖的評(píng)估，稱為相位拾取，有助于確定各個(gè)階段的到達(dá)時(shí)間。傳統(tǒng)上，這是一個(gè)手動(dòng)程序。手動(dòng)相位揀選的精度可能受到負(fù)責(zé)地震學(xué)家的主觀性的影響。然而，最值得注意的是，由于地震數(shù)據(jù)的增加和地震計(jì)網(wǎng)絡(luò)密度的增加，人工評(píng)估同時(shí)需要不可接受的時(shí)間和人力資源。為了快速利用所有可用數(shù)據(jù)，自動(dòng)評(píng)估已成為必要。實(shí)際上，到目前為止開(kāi)發(fā)的相位拾取算法無(wú)法提供經(jīng)驗(yàn)豐富的地震學(xué)家通過(guò)手動(dòng)拾取實(shí)現(xiàn)的精度 - 由于地震的形成和傳播的極端復(fù)雜性，許多物理過(guò)程 作用于地震波場(chǎng)。

然而，人工智能(AI)能夠在評(píng)估該數(shù)據(jù)時(shí)匹配人的精確度?，F(xiàn)在，GPI，利物浦大學(xué)和格拉納達(dá)大學(xué)的科學(xué)家已經(jīng)揭示了這一點(diǎn)。根據(jù)他們?cè)诘卣鹧芯靠靾?bào)雜志上的報(bào)告，研究人員使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)來(lái)確定智利地震網(wǎng)絡(luò)中的相位發(fā)生。CNN受到生物神經(jīng)系統(tǒng)的啟發(fā)，并被安排在不同層次的相互連接的人工神經(jīng)元中。在所謂的深度學(xué)習(xí)中，這是機(jī)器學(xué)習(xí)方法之一，檢測(cè)和學(xué)習(xí)的功能從一個(gè)層傳遞到下一個(gè)層，在此過(guò)程中越來(lái)越精細(xì)化。

在地震期間，不同類型的地震波在地球中傳播。主要類型稱為壓縮波或主波(P波)和剪切或二次波(S波)。首先，較快的P波到達(dá)地震臺(tái)站，然后是較慢的S波。地震波可以記錄在地震圖中。研究人員使用一個(gè)覆蓋智利北部411個(gè)地震事件的相對(duì)較小的數(shù)據(jù)集對(duì)CNN進(jìn)行了培訓(xùn)。然后，CNN確定未知P相和S相的到達(dá)時(shí)間，同時(shí)將精確度作為經(jīng)驗(yàn)豐富的地震學(xué)家與手動(dòng)揀選相匹配，或者甚至提供比經(jīng)典揀選算法更高的精度。