В новом изучении в Научных Достижениях исследователи в Колумбийском университете говорят о том, что методы машинного обучения имели возможность выбрать разные типы землетрясений с трех лет записей землетрясения в Гейзерах в Калифорнии, одном из старейших и наибольших геотермических водохранилищ в мире. Повторяющиеся образцы землетрясений, думается, соответствуют падению и сезонному взлёту потоков закачивания воды в тёплые горов ниже, предлагая сообщение с механическими процессами, каковые заставляют скалы уменьшаться либо раскалываться, приводя к землетрясению.
«Это – всецело новый метод изучить землетрясения», сообщил соавтор изучения Бенджамин Холцмен, геофизик в Земной Обсерватории Ламонта-Доэрти Колумбии. «Эти способы машинного обучения выбирают тонкие различия в данных, каковые мы трактовать».Подход нов несколькими методами. Исследователи собрали каталог 46 000 записей землетрясения, любой представленный как энергетические волны в сейсмограмме. Они тогда нанесли на карту трансформации в частоте волн в течение времени, которое они подготовили как спектрограмма – собственного рода музыкальная дорожная карта передач трансформации волн, были они, дабы быть преобразованными в звук.
Сейсмологи, в большинстве случаев, разбирают сейсмограммы, дабы оценить величину землетрясения и где она случилась. Но рассмотрение информации о частоте землетрясения вместо этого разрешило исследователям использовать инструменты машинного обучения, каковые смогут выбрать образцы в человеческой речи и музыке с минимальным людской входом. С этими инструментами исследователи уменьшили каждое землетрясение до спектрального «отпечатка пальца», отражающего его узкие различия от вторых землетрясений, и после этого применяли группирующийся метод, дабы сортировать отпечатки пальцев в группы.Машинное обучение оказывает помощь, помог исследователям сделать сообщение с колеблющимися количествами введенного belowground воды на протяжении процесса энергетического извлечения, дав исследователям вероятное объяснение того, из-за чего компьютер сгруппировал сигналы, как это сделало. «Работа сейчас обязана изучить эти группы с классическими способами и видеть, можем ли мы осознать физику сзади них», сообщил соавтор изучения Феликс Валдхаузер, сейсмолог в Ламонте-Доэрти. «В большинстве случаев Вы имеете догадку и контролируете ее.
Тут Вы строите догадку из примера, что отыскала машина».В случае если землетрясения в разных группах смогут быть связаны с тремя механизмами, каковые, в большинстве случаев, создают землетрясения в геотермическом водохранилище – стригут перелом, гидравлическое взламывание и тепловой перелом – это могло быть быть может, исследователи говорят, дабы повысить выходную мощность в геотермических водохранилищах. В случае если инженеры смогут осознать то, что происходит в водохранилище в близости, в настоящем времени, они смогут экспериментировать с управлением потоками воды, дабы создать более мелкие трещины, и так, нагретая вода, дабы произвести пар и в конечном итоге электричество. Эти способы имели возможность кроме этого оказать помощь уменьшить возможность вызова громадных землетрясений – в Гейзерах, и где-либо еще жидкость накачана метрополитен, включая в жидких гидроразрывом свалках.
Наконец, инструменты имели возможность оказать помощь выяснить предупредительные символы громадного продвигающегося – один из Святых Граалей сейсмологии.Изучение выросло из необыкновенного артистического сотрудничества.
Как музыкант, Холцмен продолжительно настраивался к необычным звукам землетрясений. Со звукорежиссером Джейсоном Кэндлером Холцмен преобразовал сейсмические волны записей известных землетрясений в звуки, и после этого ускорил их, дабы сделать их понятными людской уху.
Их сотрудничество, с соавтором изучения Дугласом Репетто, стало основанием для Seismodome, повторяющегося шоу в планетарии Хейдена Американского музея естественной истории, что помещает людей в почве, дабы испытать живущую планету.Потому, что выставка развилась, Холцмен начал задаваться вопросом, имело возможность ли бы у человеческого уха быть интуитивное схватывание физики землетрясения. В ряде опытов он и соавтор изучения Артур Пэйт, тогда постдокторский исследователь в Ламонте-Доэрти, подтвердили, что люди имели возможность различать землетрясения, размножающиеся через дно моря либо более жёсткую континентальную корку, и происходящие из неточности промаха забастовки либо толчка.
Поощренный, и сохраняющий надежду расширять изучение, Холцмен протянулся, дабы изучить соавтора Джона Пэйсли, электротехнического учителя в Научном Институте и Разработке Колумбии Данных Колумбии. Холцмен желал знать, имели возможность ли бы инструменты машинного обучения найти что-то новое в огромном комплекте данных землетрясений. Он решил начать с данных из Гейзеров из-за давешнего интереса к геотермической энергии.
«Это была обычная неприятность объединения в кластеры», говорит Пэйсли. «Но с 46 000 землетрясений это не была прямая задача».Пейсли внес предложение ответ с тремя шагами.
Во-первых, тип метода моделирования темы выбрал самый распространенные частоты в комплекте данных. После этого, второй метод выяснил самый распространенные комбинации частоты в каждой 10-секундной спектрограмме, дабы вычислить ее неповторимый звуковой отпечаток пальца.
Наконец, группирующийся метод, не будучи сообщённым, как организовать эти, сгруппировал эти 46 000 отпечатков пальцев подобием. Число, хрустящее, что, быть может, забрал компьютерную группу пара недель, было сделано за пара часов на ноутбуке благодаря второму инструменту, стохастическому вариационному выводу, Пейсли ранее помог развиваться.
В то время, когда исследователи соответствовали группам против средних ежемесячных количеств закачивания воды через Гейзеры, пример выскочил: большой темп инъекции зимний период, в то время, когда города отправляют больше сточной воды в область, был связан с громадным одним типом и количеством землетрясений сигнала. Низкий темп инъекции летнего периода соответствовал меньшему отдельному сигналу и количеству землетрясений, с переходными сигналами весной и осень.
Исследователи планируют после этого применить эти способы к записям вторых естественных землетрясений, и моделируемых в лаборатории, дабы видеть, смогут ли они связать типы сигнала с разными обвиняющими процессами. Второе изучение, опубликованное в прошедшем сезоне в Геофизических Письмах об Изучении, предполагает, что они находятся на многообещающем следе. Команда во главе с исследователем Лос-Аламоса Полом Джонсоном продемонстрировала, что инструменты машинного обучения имели возможность выбрать узкий звуковой сигнал в данных из лабораторных опытов и угадать, в то время, когда следующее микроскопическое землетрясение случится.
Не смотря на то, что естественные неточности более сложны, изучение предполагает, что машинное обучение имело возможность привести к пониманию для идентификации предшественников громадных землетрясений.Текущее изучение финансировалось с грантом Увеличения 2016 года из Офиса Колумбии Аккуратного вице-президента.
Это кроме того вдохновило новый курс, «Звуковое и Визуальное Представление Данных», каковые Холцмен и Пэйсли преподавали прошедшей весной в Музыкальном Отделе Колумбии и развивали с грантом Collaboratory Колумбии: «Поиск Значения в Громадных данных».