Un algoritmo de aprendizaje profundo podría detectar terremotos filtrando el ruido de la ciudad

Cuando se aplicaron a los conjuntos de datos tomados del área de Long Beach, los algoritmos detectaron sustancialmente más terremotos y facilitaron la determinación de cómo y dónde comenzaron. Y cuando se aplica a los datos de un terremoto de 2014 en La Habra, también en California, el equipo observó cuatro veces más detecciones sísmicas en los datos “sin ruido” en comparación con el número registrado oficialmente.

No es el único trabajo que aplica IA a la búsqueda de terremotos. Investigadores de Penn State han estado entrenando algoritmos de aprendizaje profundo para predecir con precisión cómo los cambios en las mediciones podrían indicar próximos terremotos—una tarea que ha confundido a los expertos durante siglos. Y los miembros del equipo de Stanford previamente entrenaron modelos para la selección de fase, o medir los tiempos de llegada de las ondas sísmicas dentro de una señal de terremoto, que pueden usarse para estimar la ubicación del terremoto.

Los algoritmos de aprendizaje profundo son particularmente útiles para el monitoreo de terremotos porque pueden aliviar la carga de los sismólogos humanos, dice Paula Koelemeijer, sismóloga de la Universidad Royal Holloway de Londres, que no participó en este estudio.

En el pasado, los sismólogos observaban gráficos producidos por sensores que registraban el movimiento del suelo durante un terremoto e identificaban patrones a simple vista. El aprendizaje profundo podría hacer que ese proceso sea más rápido y preciso, al ayudar a eliminar grandes volúmenes de datos, dice Koelemeijer.
“Mostrando que [the algorithm] trabajar en un ambiente urbano ruidoso es muy útil, porque el ruido en ambientes urbanos puede ser una pesadilla y muy desafiante”, dice.

Leave a Reply

Your email address will not be published. Required fields are marked *