Hvordan talegenkendelsesteknikker hjælper med at forudsige vulkaners adfærd

Dr. Luciano Zuccarello voksede op i skyggen af ​​Etna, en aktiv vulkan på den italienske ø Sicilien. Gårde og frugtplantager omkranser vulkanens nedre skråninger, hvor den frugtbare jord er ideel til landbrug. Men vulkanen truer stort i lokalbefolkningens liv, fordi det også er en af ​​de mest aktive vulkaner i verden.

Mere end 29 millioner mennesker globalt lever inden for 10 km fra en vulkan, og at forstå vulkaners adfærd – og at være i stand til at forudsige, hvornår de vil bryde ud eller sprøjte aske op i luften – er afgørende for at sikre folks velbefindende.

Imidlertid, Det er svært at forudsige vulkanadfærd, især hvis de har været i dvale, og at overvåge dem kan være udfordrende, da at tage prøver eller installere udstyr udgør fysiske farer. Og mens teoretiske modeller kan tilnærme, hvordan en bestemt vulkan opfører sig givet dens placering, geologisk sammensætning og opførsel af jordens magma under den (blandt andet), der er stadig mange ukendte variabler - og hver vulkan er unik.

Nu forsker ved universitetet i Granada i Spanien, Dr. Zuccarello sigter efter automatisk at analysere vulkanske aktiviteter for at udvikle tidlige advarselsmodeller, der kan redde livet for mennesker, der bor i nærheden af ​​vulkaner.

I det sidste årti, dataindsamlingsmetoder er blevet væsentligt forbedret, med nyt og mere følsomt udstyr, og forskere har nu adgang til en hidtil uset syndflod af data. For eksempel, de kan få adgang til realtidsinformation om, hvordan Jorden ryster i nærheden af ​​vulkanen (seismisk aktivitet), udbredelse af lydbølger fra dybt inde i Jorden, og de kemikalier, der findes inde i vulkanen, og hvordan de ændrer sig.

Vulkanobservatorier skal analysere store mængder data på kort tid. "Der er behov for hurtigere og fejlfri teknikker til at indsamle sådanne data, " sagde Dr. Zuccarello.

Hans VOLCANOWAVES-projekt, som omfatter forskere baseret i Spanien, Det Forenede Kongerige, Italien, Mexico, og Argentina, bruger maskinlæring til at identificere mønstre i den seismiske aktivitet omkring en vulkan i et forsøg på at forudsige hvornår, eller om det vil bryde ud. I særdeleshed, Dr. Zuccarello ser på de lavfrekvente begivenheder, såsom vulkanske rystelser, som normalt er forbundet med bevægelsen af ​​magma i en vulkans VVS.

Tale genkendelse

I det sidste årti, anvendelsen af ​​maskinlæring til mønsteridentifikation har været integreret i talegenkendelse, men forskere bruger det nu til at forudsige vulkaners adfærd. "Selvom disse felter varierer betydeligt med hensyn til kontekst og kilde, genstanden for analysen er den samme - studiet af deres harmoniske over tid på jagt efter mønstre, " sagde Dr. Zuccarello.

Projektets primære output vil være et sæt algoritmer – som skal være færdige, når projektet slutter senere i år – og han håber, at de vil blive brugt bredt i det videnskabelige samfund til at overvåge vulkaner på en daglig basis.

"Tale og seismiske signaler deler vigtige egenskaber, " sagde Dr. Guillermo Cortés, en specialist i signalbehandling og maskinlæring ved universitetet i Udine i Italien. Han drev et projekt kaldet VULCAN.ears, som også brugte talegenkendelsesteknologi til at forstå, hvad vulkaner siger.

Dr. Cortés og kolleger udviklede et vulkanovervågningssystem i realtid, som automatisk detekterer og mærker vulkanske 'hændelser' i datastrømmene, der kommer fra overvågningsstationer, der detekterer seismiske signaler. Dette system opretter derefter aktivitetskataloger for at finde adfærdsmønstre.

Dr. Roberto Carniel, en geofysiker ved Universitetet i Udine og projektets videnskabelige vejleder, siger:"Ankomsten af ​​maskinlæring og anvendte deep-learningsteknikker afdækker nye løsninger til gamle problemer. (Nu) er det lettere at blande resultater fra flere overvågningsområder, der involverer undersøgelse af seismiske signaler, infrasoniske signaler, magnetiske signaler, geokemisk analyse af gasser og væsker, deformation, termiske og videokameraer, at producere mere robuste og pålidelige forudsigelser."

Med 29 millioner mennesker rundt om i verden, der bor inden for 10 km fra en vulkan, at forudsige, hvornår de vil bryde ud, er afgørende for at sikre folks velbefindende. Billedkredit—Pexels/pixabay, licenseret under CC0

Holdet udviklede et vulkansk seismisk genkendelsessystem baseret på overvåget maskinlæring, hvor de analyserede data, der allerede var blevet mærket af andre eksperter, at lære softwaren at identificere vulkanhændelser såsom vulkanske rystelser, askefald, eller eksplosioner i vulkanen. Denne tilgang svarer til at finde ord i en samtale, at mærke deres dele af tale og finde de sprogmønstre, der er unikke for hver vulkan.

Dette er en pause fra de klassiske metoder til at bygge kataloger over vulkanadfærd, Dr. Cortés siger. Disse metoder involverer automatisk registrering af hændelser og manuel klassificering af eksperter. "Normalt udfører de denne opgave på daglig basis, som kunne være for langsom i en situation, der involverer en befolkning i fare på grund af et uventet udbrud, " han sagde.

Tid kan være af afgørende betydning, når det kommer til vulkaner, især i tilfælde af askefald, kollaps og jordskred, han siger. I de tilfælde, 'detektion og klassificering i realtidsdrift er kritisk' for at reducere beslutningstiden, hvis nærliggende samfund skal evakueres.

Dr. Cortés' ultimative mål var at udvikle et system, der er universelt og vulkanuafhængigt, som let kunne indlejres i ethvert vulkanobservatorium. For at bygge dette, forskerne har skabt en universel database fra snesevis af vulkaner rundt om i verden og brugt deres maskinlæringsteknikker til at bygge universelle modeller. En foreløbig version af dette er tilgængelig online.

Imidlertid, for Dr. Carniel, Det, der er vigtigt nu, er, at vulkanske observatorier rundt om i verden fører arbejdet fremad. "De er den virkelige nøgle til at fremme den vulkanuafhængige idé, installation af det vulkanske seismiske genkendelsessystem i deres egne observatorier, deling af ressourcer, og giver værdifuld feedback, " han sagde.

Disse observatorier er, trods alt, frontlinjen af ​​landes bestræbelser på at beskytte deres borgere mod vulkanerne inden for deres grænser – og videnskabsmænd skal være i stand til at høre vulkaners hvisken for at forudsige, hvornår de vil begynde at råbe.