Исследователи из Токийского столичного университета применили методы машинного обучения для получения быстрых и точных оценок локальных геомагнитных полей с использованием данных, полученных в нескольких точках наблюдения, что потенциально позволяет обнаруживать изменения, вызванные землетрясениями и цунами. Модель глубокой нейронной сети (DNN) была разработана и обучена с использованием существующих данных; Результатом стал быстрый и эффективный метод оценки магнитных полей для беспрецедентно раннего обнаружения стихийных бедствий. Это жизненно важно для разработки эффективных систем оповещения, которые могут помочь уменьшить количество жертв и масштабный ущерб.
Разрушения, вызванные землетрясениями и цунами, не оставляют сомнений в том, что эффективные средства прогнозирования их возникновения имеют первостепенное значение. Конечно, уже существуют системы для предупреждения людей непосредственно перед приходом сейсмических волн; тем не менее, часто случается так, что S-волна (или вторичная волна), то есть более поздняя часть землетрясения, уже прибыла, когда дается предупреждение. Крайне необходимы более быстрые и точные средства, чтобы дать местным жителям время для поиска безопасности и минимизировать потери.
Известно, что землетрясения и цунами сопровождаются локальными изменениями геомагнитного поля. Для землетрясений это прежде всего то, что известно как пьезомагнитный эффект, когда высвобождение огромного количества накопленного напряжения вдоль разлома вызывает локальные изменения геомагнитного поля; для цунами это внезапное обширное движение моря, которое вызывает колебания атмосферного давления. Это, в свою очередь, влияет на ионосферу, впоследствии изменяя геомагнитное поле. Оба могут быть обнаружены сетью пунктов наблюдения в различных местах. Основным преимуществом такого подхода является скорость; помня, что электромагнитные волны распространяются со скоростью света, мы можем мгновенно определить возникновение события, наблюдая за изменениями в геомагнитном поле.
Но как мы можем определить, является ли обнаруженное поле аномальным или нет? Геомагнитное поле в различных местах представляет собой флуктуирующий сигнал; весь метод основан на знании того, что такое «нормальное» поле в данном месте.
Таким образом, Юта Катори и доц. Профессор Кан Окубо из Токийского столичного университета задался целью разработать метод проведения измерений в нескольких местах по всей Японии и оценки геомагнитного поля в разных конкретных точках наблюдения. В частности, они применили современный алгоритм машинного обучения, известный как глубокая нейронная сеть (DNN), смоделированный на том, как нейроны связаны внутри человеческого мозга. Подавая в алгоритм огромное количество входных данных, полученных из исторических измерений, они позволяют алгоритму создавать и оптимизировать чрезвычайно сложный, многоуровневый набор операций, который наиболее эффективно сопоставляет данные с тем, что было фактически измерено. Используя полмиллиона точек данных, полученных в 2015 году, они смогли создать сеть, которая может оценивать магнитное поле в точке наблюдения с беспрецедентной точностью.
Учитывая относительно низкую вычислительную стоимость DNN, система потенциально может быть соединена с сетью высокочувствительных детекторов для молниеносного обнаружения землетрясений и цунами, обеспечивая эффективную систему предупреждения, которая может свести к минимуму ущерб и спасти жизни.