首页 新闻 市场 科技 财经 商业 地产 手机版
国际 国内 产业 宏观 股市 公司 动态 行情 业界 电商 数码 手机 银行 理财 数据 金融 产经 生活 评论 观察 房产 家居 趋势 楼市

千古难题AI解决?日美研究人员双双研发出地震预测AI系统

http://www.tzgcjie.com 来源:前瞻网            发布时间:2018-10-16 11:09:28

地震

从古至今,预测地震就是一门大难题,在民科之中,这一直是最火热的领域,也足见人们对此事的关心。遗憾的是,科学界至今无法解决这个难题,幸运的是,AI的迅速发展,给这个领域带来了一线曙光。

最近,首都大学东京的研究人员揭示了AI在预测地震方面的一种全新用途,发表在了《IEICE通信快报》杂志上。他们使用机器学习技术来分析地磁场的微小变化,通过这种方法,他们预测地震的时间“前所未有的早”。首都大学东京副教授大久保(Kan Okubo)领导的研究团队在报告中写道:“众所周知,地震和海啸都伴随着地磁场的局部变化。

在地震时,发生的主要是所谓的压磁效应,即沿断层释放大量的累积应力,导致地磁发生局部变化;而在海啸时,是海洋突然的巨幅移动导致了大气压力的变化,紧接着电离层受到冲击,进而改变地磁场。这种方法有着明确的优势,即2种情况都可以被不同地点的观测网络直接探测到。另一大优点则是速度快,电磁波以光速传播,因此我们以观测地磁场的变化来瞬间探测,可以在事件发生的一瞬间就获知情况。

研究小组开发了一种先进的机器学习算法,模拟的是人脑神经元连接。在创建算法的过程中,他们通过历史测量结果输入大量数据,一步步将极其复杂、多层次的操作优化,最终有效地将数据映射到实际测量数据。目前,他们利用2015年采集的50万个数据点,创建了一个网络,可以以前所未有的精度估计观测点的磁场。

相较于现在的算法,用机器学习和AI计算的成本相对较低,可以相对容易地与高灵敏度探测网络相结合,以实现对地震和海啸的及早探测,提供有效预警。“开发一个更精确的预警系统可以给居民足够的时间来寻求安全,比如去地势更高的地方或者去防震所。”

无独有偶,太平洋彼岸的斯坦福大学也在研究AI在预测地震方面的应用,不过和首都大学东京的研究方向不同,他们专注于提高对微小地震的预测力,因为像2011年3月日本海岸9.0级地震这样事件并不难察觉,但只占所有地震的很小一部分。地壳运动更多的是微震,即震级在2.0或以下的小地震,几乎不会造成财产损失。由于背景噪声等因素的干扰,地震监测系统常常疏漏这种地震。

斯坦福大学地球物理系学者提出了一种可能的解决方案,他们开发了一种AI系统——被称为Cnn-Rnn地震探测器(CRED)——可以从连续数据中分离识别一系列地震信号。

这个系统的基础是哈佛大学和谷歌于8月创建的AI模型。该模型原本是用于预测大地震后一年内,余震可能发生位置,斯坦福大学研究人员对其进行了发展。

新系统由2种神经网络层组成:卷积神经网络和递归神经网络。前者从地震仪器中提取地震特征,而后者可以将记忆和数据结合起来,提高其预测的准确性,从而学习相应数据的序列特征。这两者组成了一个残差学习框架,减轻了多层神经网络面临的一个常见问题。通常情况下,随着分层节点数量的增加,精度会饱和并降低。但由于残差学习函数的计算方式,内部神经网络能够保持准确性,并从数据中集中学习更多高级特征。

为了训练并验证地震探测AI的能力,研究人员采集了2011年阿肯色州盖伊-格林布里耶(Guy-Greenbrier)录得的连续数据,收集了包含3788件事件,以及北加州889个监测站550000个30秒三分量地震记录。其中大约50000个数据集样本被研究团队用来测试AI系统预测能力。结果显示,无论地震大小,甚至是在有吵杂背景噪声的情况下,该网络都能够预测地震信号。重要的是,这个系统甚至不需要完整长度的信号来,只需部分记录,它就能足够准确地预测地震。

一个有趣的事例时,在一开始,研究人员只用笔记本电脑对模型进行了1小时的训练,但是它当时就已能从盖伊-格林布里耶的连续数据中,检测出了1102次微震和由水力压裂、废水注入和构造板块运动引起的地震,其中包括77次之前没有分类的地震。他们写道:“我们的模型能够在距离训练区域很远的地方探测到700多起小至-1.3级的微震。”

与现有2种广泛部署的地震系统相比,新模型在所有测试上都取得了相对“优越”的性能。甚至是没有被输入的地震数据,都会被模型计算出来。“一旦这个网络完成训练,就能应用于实时地震数据流,”他们写道: “该架构很灵活,容易扩展。因为地震信号的高分辨率建模基于他们的光谱结构,假阳性率是最小的。”

研究小组认为,机器学习模型可以很容易地扩展到多个传感器,可以在构造活跃区域进行实时监测,或者作为地震早期预警系统的基础。

【免责声明】 凡本站未注明来源为投资观察界:www.tzgcjie.com的所有作品,均转载、编译或摘编自其它媒体,转载、编译或摘编的目的在于传递更多信息,并不代表本站赞同其观点和对其真实性负责。其他媒体、网站或个人转载使用时必须保留本站注明的文章来源,并自负法律责任。 如您不希望作品出现在本站,可联系我们要求撤下您的作品。联系邮箱:xinxifankuui@163.com
责任编辑:
首页 | 新闻 | 市场 | 科技 | 财经 | 商业 | 地产