Une nouvelle recherche pourrait réduire le travail manuel et améliorer la détection des tremblements de terre – Technoguide

Un nouveau modèle d’apprentissage automatique qui génère des formes d’onde sismiques réalistes réduira le travail manuel et améliorera la détection des tremblements de terre, selon une étude publiée récemment dans JGR Solid Earth.

«Pour vérifier l’efficacité de notre modèle génératif, nous l’avons appliqué aux données sismiques collectées dans l’Oklahoma», a déclaré Youzuo Lin, informaticien du groupe de géophysique du Los Alamos National Laboratory et chercheur principal du projet. “Grâce à une séquence de tests et de benchmarks qualitatifs et quantitatifs, nous avons vu que notre modèle peut générer des formes d’onde synthétiques de haute qualité et améliorer les algorithmes de détection des tremblements de terre basés sur l’apprentissage automatique.”

La détection rapide et précise des tremblements de terre peut être une tâche difficile. La détection visuelle effectuée par des personnes a longtemps été considérée comme l’étalon-or, mais nécessite un travail manuel intensif qui s’adapte mal aux grands ensembles de données. Ces dernières années, les méthodes de détection automatique basées sur l’apprentissage automatique ont amélioré la précision et l’efficacité de la collecte de données; cependant, l’exactitude de ces méthodes repose sur l’accès à une grande quantité de données de formation étiquetées de haute qualité, souvent des dizaines de milliers d’enregistrements ou plus.

Pour résoudre ce dilemme de données, l’équipe de recherche a développé SeismoGen basé sur un réseau antagoniste génératif (GAN), qui est un type de modèle génératif profond qui peut générer des échantillons synthétiques de haute qualité dans plusieurs domaines. En d’autres termes, les modèles génératifs profonds entraînent les machines à faire des choses et à créer de nouvelles données qui pourraient passer pour réelles.

Une fois formé, le modèle SeismoGen est capable de produire des formes d’onde sismiques réalistes de plusieurs étiquettes. Lorsqu’elle est appliquée à des ensembles de données sismiques terrestres réels dans l’Oklahoma, l’équipe a constaté que l’augmentation des données des formes d’onde synthétiques générées par SeismoGen pourrait être utilisée pour améliorer les algorithmes de détection des tremblements de terre dans les cas où seules de petites quantités de données d’entraînement étiquetées sont disponibles.

Source de l’histoire:

Matériel fourni par le DOE / Los Alamos National Laboratory. Remarque: le contenu peut être modifié pour le style et la longueur.

.

A propos Technoguide

Voir aussi

Les algorithmes montrent la précision dans la mesure de l’inconscience sous anesthésie générale – Technoguide

Les médicaments anesthésiques agissent sur le cerveau, mais la plupart des anesthésiologistes se fondent sur …

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Défiler vers le haut