Un algoritm de învățare profundă poate îmbunătăți instrumentele de monitorizare a cutremurelor prin eliminarea zgomotului produs în orașe. Acesta ar putea facilita identificarea momentului și regiunii în care are loc un cutremur.
„Monitorizarea cutremurelor în mediul urban este importantă pentru că ne ajută să înțelegem sistemele defectuoase care stau la baza orașelor vulnerabile. Prin observarea acestor vulnerabilități, putem anticipa mai bine cutremurele”, a declarat Gregory Baroza din cadrul Universității Stanford din California.
Cu toate acestea, sunetele produse de mașini, avioane, elicoptere și de forfota generală din orașe au un efect perturbator, care face dificilă analizarea semnalelor subterane ce indică un cutremur.
Pentru a încerca să îmbunătățească capacitatea de a identifica și localiza cutremure, Baroza și colegii săi au antrenat o rețea neuronală pentru ca aceasta să poată facă distincția între semnalele de cutremur și alte surse de zgomot.
Pentru a antrena, valida și testa rețeaua neuronală au fost combinate în diferite forme aproximativ 80.000 de zgomote urbane și 33.751 de semnale de cutremur. Sunetele urbane au provenit dintr-o serie de înregistrări audio realizate în Long Beach, California, iar semnalele de cutremur au fost preluate din zona rurală care înconjoară orașul San Jacinto, tot din California. „Pentru a antrena rețeaua neuronală am făcut multe milioane de combinații ale celor două tipuri de semnal”, a declarat Baroza.
Rularea sunetului prin rețeaua neuronală a îmbunătățit raportul semnal-zgomot, adică nivelul semnalului dorit în comparație cu nivelul zgomotului de fundal, cu o medie de 15 decibeli. Această valoare este de trei ori mai mare decât media obținută cu ajutorul tehnicilor anterioare.
„Cercetarea este foarte utilă”, a declarat Maarten de Hoop din cadrul Universității Rice din Houston, Texas. Totuși, el subliniază un dezavantaj: rețeaua neuronală a fost antrenată pe date etichetate de oameni, o metodă numită învățare supravegheată, iar citirile au fost dintr-o singură zonă. Faptul că modelul a fost utilizat pentru a elimina zgomotul din sunetele din California înseamnă că acesta nu ar putea fi utilizat cu succes în alte locații.
„Sfântul Graal în acest domeniu este învățarea nesupravegheată. Șansele ca acest sistem să funcționeze corect într-unul dintre marile orașe din Japonia sunt destul de mici, deoarece acesta este un algoritm supravegheat”, a declarat de Hoop.
De asemenea, nici Baroza nu este sigur de eficacitatea modelului în alte locuri decât California. „În funcție de mediu, zgomotele vor fi probabil diferite de cele pe care sistemul este antrenat”, a declarat el.
