Комбинация нейросетей определяет землетрясения лучше других моделей

Исследователи из Университета Вайоминга разработали модель машинного обучения, которая повышает точность прогнозирования землетрясений на 14.5% по сравнению с наиболее точным используемым аналогом.

1920 0 0

отправить по e-mail

Комбинация нейросетей определяет землетрясения лучше других моделей

Новая модель эффективно обрабатывает сигналы сейсмометров, а затем автоматически классифицирует интенсивные сейсмические показатели, отличая их от остальных сигналов. И больше: модель способна указать на приблизительную географическую локацию землетрясения.

Модель основана на комбинации методов: длинной цепи элементов краткосрочной памяти (один из типов рекуррентных нейросетей) и свёрточной нейросети. Первая распознаёт, как сигнал изменяется во времени, а вторая выделяет скрытые в шуме сигналов параметры сейсмической активности, чтобы выявить как крупные, так и маломасштабные землетрясения.

Алгоритм был обучен на примере данных о 2709 событиях сейсмической активности и 700039 случайных сейсмических сигналах. По словам разработчиков, технология может использоваться не только для распознавания землетрясений, но и для мониторинга вулканической активности, моделирования инфраструктуры, наблюдения геотермальных систем и в прочих сферах, связанных с обработкой большого количества данных.

Фото: Pixabay

Наш журнал ММ Поддержать ММ

Наука

Антон Тальский

Машины и Механизмы

Теги: Природа

Всего 0 комментариев

Комментарии

Авторизуйтесь

Участвовать в дискуссии могут только зарегистрированные пользователи, после модерации.
Пожалуйста, войдите в свой аккаунт или зарегистрируйтесь.