Flertallet regler, når man leder efter jordskælv, eksplosioner

En sovende vulkan i Antarktis hjalp forskere ved Sandia National Laboratories med at forbedre sensordataaflæsning for bedre at opdage jordskælv og eksplosioner og justere hverdagens lyde som trafik og fodspor.

Find de ideelle indstillinger for hver sensor i et netværk til at registrere vibrationer i jorden, eller seismisk aktivitet kan være en omhyggelig og manuel proces. Forskere på Sandia arbejder på at ændre det ved at bruge software, der automatisk justerer de seismiske aktivitetsdetektionsniveauer for hver sensor.

Sandia testede den nye software med seismiske data fra vulkanen Erebus i Antarktis og opnåede 18 procent færre falske detektioner og 11 procent færre ubesvarede detektioner end sensorernes originale ydelse på Erebus.

Indtil nu, den vigtigste måde at sikre, at sensorer optog usædvanlig seismisk aktivitet og ikke rapporterede regelmæssig aktivitet, var at manuelt justere indstillingerne for hver sensor til dens specifikke omgivelser. Desværre, det er svært at få disse indstillinger helt rigtige, især fordi de ideelle indstillinger ændres med årstider og vejrmønstre.

Under et treårigt projekt finansieret af Laboratory Directed Research and Development, forskere udviklede software, der automatisk justerer detektionsindstillingerne for de data, der kommer fra hver sensor i et netværk ved hjælp af en 'majoritetsregler' tilgang, hvilket førte til færre falske påvisninger af seismisk aktivitet og færre ubesvarede opdagelser af faktiske begivenheder. Værket blev for nylig udgivet i en Bulletin fra Seismological Society of America papir, "Dynamisk tuning af seismiske signaldetektors udløserniveauer til lokale netværk" og open source Python-baseret software kan downloades.

'Afstemning i kvarteret' for at opdage seismisk aktivitet

Forskergruppen, ledet af Tim Draelos, en maskinlærings- og signalbehandlingsforsker hos Sandia, udviklet en algoritme, der læser dataene fra et kvarter af sensorer og sammenligner detekteringerne foretaget af hver sensor. Hvis et flertal af sensorer på et lignende sted opdagede seismisk aktivitet på samme tid, derefter markerer programmet begivenheden som legitim. Hvis de fleste sensorer ikke registrerede seismisk aktivitet, så markerer programmet ikke hændelsen, og detektionsniveauerne for de sensorer, der fejlagtigt rapporterede en hændelse, justeres.

"Et kvarter er en lille delmængde af sensorer i et netværk, der alle har et lignende syn på verden eller et lignende sansende fodaftryk, "Sagde Draelos." De burde blive enige om alt, hvad de ser. Hvis de ikke gør det, vi er i stand til at bestemme, hvilken sensor der skal indstilles, så vi får bedre enighed i fremtiden, hvilket fører til bedre overordnet netværksdetekteringskvalitet. Vi vil aldrig gå glip af en begivenhed som en atomeksplosion, for eksempel."

Denne "flertalsregler" tilgang til seismisk sensordatabehandling er automatisk, mens algoritmen kører og tillader kontinuerlige justeringer af triggerniveauerne, der registrerer en seismisk hændelse, gør aflæsninger fra sensorerne mere nøjagtige end aflæsninger fra statiske sensorer med faste indstillinger.

Draelos og teamet, herunder Hunter Knox, Matt Peterson og Chris Young, testet algoritmen ved hjælp af Mt. Erebus seismiske sensornetværk. De oprettede en database over seismiske hændelser på vulkanen ved manuelt at se al sensoraktivitet registreret over 24 timer og derefter markere seismiske hændelser. For at blive klassificeret som en begivenhed, tre eller flere sensorer i samme kvarter måtte registrere den seismiske aktivitet.

Teamet kørte derefter de rå sensordata gennem den nye algoritme for regler for flertal for at se, hvordan det udførte og sammenlignede resultaterne mod databasen med legitime detektioner til resultaterne af sensorerne, der fungerer uden dynamisk tuning af algoritmen.

Forbedringerne i nøjagtige detektionshastigheder er vigtige, fordi sensornetværk genererer mange data. For eksempel, International Data Center-analytiker-gennemgåede bulletin for 2014 omfattede kun 8 procent af de mere end 5,5 millioner seismiske detektioner fra det internationale overvågningssystem, der oprindeligt blev registreret af sensorer. Dette verdensomspændende netværk hjælper med at verificere overholdelsen af ​​traktaten om omfattende forbud mod atomprøve, som er underskrevet, men ikke ratificeret af USA, ved at opdage begivenheder, der kan vise, at traktaten er blevet overtrådt.

"En stor portion, men ikke alle, af de resterende 92 procent af detektioner var sandsynligvis falske positive, hvilket fører til fremmed datalagring og behandling, "Sagde Draelos." Derudover, 39 procent af opdagelserne i bulletinen blev fundet eller modificeret af en menneskelig analytiker, hvilket angiver en stor procentdel af glemte detektioner og forkert målte detektioner fra sensorerne, som tager tid og kræfter at ændre. "

Der findes nogle dynamiske signaldetektorer, men indtil nu har ingen brugt sensornetværk til at optimere detektioner af seismiske hændelser. Den nye tilgang til tuning af data kan også anvendes på miljøovervågning, bevægelsessensorovervågning med kameraer, kemisk overvågning, infralydsovervågning og mere.

"Dette er en generel idé, "Sagde Draelos." Det behøver ikke at være seismiske data. Denne algoritme kan potentielt bruges overalt, hvor du har et netværk eller en samling sensorer til at registrere begivenheder. "