Un modello di deep learning è in grado di rilevare terremoti che prima sarebbero stati classificati come semplici vibrazioni generate dalle attività umane cittadine
di Rhiannon Williams
Traffico, treni e macchinari generano molto rumore. A prima vista, potrebbe sembrare un semplice inconveniente, ma può diventare un problema mortale quando si tratta di rilevare i terremoti. Questo perché è difficile distinguere il segnale rivelatore di un terremoto in avvicinamento nei dati dei sensori sismici tra le vibrazioni normalmente generate dall’uomo nelle città frenetiche, note come rumore sismico urbano.
I ricercatori di Stanford hanno trovato un modo per ottenere un segnale più chiaro. Hanno creato un algoritmo, descritto in un articolo pubblicato su “Science Advance”, che a loro parere implementa la capacità di rilevamento delle reti di monitoraggio dei terremoti nelle città e in altri centri abitati. Filtrando il rumore sismico urbano, il sistema di deep learning può migliorare la qualità complessiva del segnale e recuperare segnali che in precedenza potrebbero essere stati troppo deboli per essere registrati.
Gli algoritmi addestrati per vagliare il rumore sismico urbano potrebbero essere di particolare utilità per le stazioni di monitoraggio all’interno e intorno a città soggette spesso a terremoti in Sud America, Messico, Mediterraneo, Indonesia e Giappone.
Normalmente, i terremoti sono monitorati da sensori sismici, noti anche come sismometri, che misurano continuamente le onde sismiche registrando le vibrazioni del terreno. L’algoritmo di apprendimento profondo del team di Stanford, chiamato UrbanDenoiser, è stato addestrato su set di dati di 80.000 campioni di rumore sismico urbano e altri 33.751 che indicano l’attività sismica.Le rilevazioni sono state effettuate in California rispettivamente nell’affollata Long Beach e nella zona rurale di San Jacinto.
Con i dati dell’area di Long Beach, gli algoritmi hanno rilevato un numero sostanzialmente maggiore di terremoti e hanno permesso di capire con più facilità come e dove sono iniziati. Quando il sistema è stato applicato ai dati di un terremoto del 2014 a La Habra, sempre in California, il team ha osservato quattro volte più fenomeni sismici nei dati in cui era stato cancellato il rumore rispetto al numero registrato ufficialmente.
Non è l’unico lavoro che applica l’AI alla “caccia” ai terremoti. I ricercatori della Penn State hanno addestrato algoritmi di deep learning per prevedere con precisione come i cambiamenti nelle misurazioni potrebbero indicare i terremoti imminenti, un obiettivo ricercato da secoli. I ricercatori di Stanford hanno già in passato addestrato modelli per la selezione di fase o la misurazione dei tempi di arrivo delle onde sismiche all’interno di un segnale di terremoto, ossia tecniche che possono essere utilizzati per definire la posizione del sisma.
Gli algoritmi di deep learning sono particolarmente utili per il monitoraggio dei terremoti perché possono alleggerire l’onere dei sismologi umani, afferma Paula Koelemeijer, sismologa della Royal Holloway University di Londra, che non è stata coinvolta in questo studio. In passato, i sismologi esaminavano i grafici prodotti dai sensori che registravano il movimento del suolo durante un terremoto e identificavano i modelli a vista. “Il deep learning”, conclude la sismologa, “potrebbe rendere questo processo più rapido e accurato, permettendo di tagliare grandi volumi di dati”.
(rp)
