城市是喧嚣的。交通、火车和机械会产生很多噪音，虽然这些噪声在很多时候只是带来了不便，但在检测地震时，它们可能成为致命问题。这是因为我们很难在繁华都市的常见震动里分辨出即将到来的地震。
来自斯坦福大学的研究人员已经找到了一种获得更清晰的信号的方法。他们创造了一种算法，发表于 Science Advance 的一篇论文中[1]。他们声称该算法提高了城市和其他建筑物密集地区的地震监测网络的探测能力。通过过滤背景震动噪声，可以提高整体信号质量，恢复以前可能太弱而无法记录的信号。
在南美、墨西哥、地中海、印度尼西亚和日本，经过训练过的算法对繁忙的地震易发城市及其周边地区的监测站特别有用。
地震传感器（也被称为地震仪）可以通过连续测量地面振动产生的地震波来监测地震。斯坦福大学团队的深度学习算法，被称为“城市去噪器（UrbanDenoiser）”，使用了 8 万个城市震动噪声样本和 33751 个真实地震活动样本进行训练。它们分别是在加州繁忙的长滩和圣哈辛托收集的。
当应用于长滩地区的数据集时，算法检测到了更多的地震，从而更容易确定地震如何开始和从哪里开始。当应用于 2014 年加州拉哈布拉地震的数据时，该团队在“去噪”数据中观察到的地震探测数据比官方记录的数据多 4 倍。
这并不是唯一一个将人工智能应用于地震检测的项目。宾夕法尼亚州立大学的研究人员也一直在训练深度学习算法，以准确预测测量值的变化如何预示着即将到来的地震——这项任务已经困扰了专家几个世纪。斯坦福大学团队之前曾训练过相位选择模型，可以测量地震信号中的地震波所到达的时间，这可以用来估计地震的位置。
伦敦皇家霍洛威大学的地震学家宝拉·科勒米杰（Paula Koelemeijer）说，深度学习算法对地震监测特别有用，因为它们可以减轻人类地震学家的负担。科勒米杰没有参与这项研究。
在过去，地震学家会观察地震期间地面传感器记录的图表，然后通过肉眼来分辨有什么规律可循。科勒米杰说，深度学习可以通过帮助切割大量数据，使这一过程更快、更准确。
她说：“能证明该算法在嘈杂的城市环境中工作是非常有用的，因为城市环境中的噪音（对于地震监测来说）是一场噩梦，非常具有挑战性。”
-End-
支持：Ren
参考：
1、Yang, L., Liu, X., Zhu, W., Zhao, L., & Beroza, G. C. (2022). Toward improved urban earthquake monitoring through deep-learning-based noise suppression. Science advances, 8(15), eabl3564.
https://www.technologyreview.com/2022/04/13/1049763/a-deep-learning-algorithm-could-detect-earthquakes-by-filtering-out-city-noise/
