Быстрая и точная оценка магнитного поля Земли для обнаружения стихийных бедствий

Исследователи из Столичного университета Токио применили методы машинного обучения для быстрой и точной оценки локальных геомагнитных полей на основе данных с нескольких точек наблюдения. Это открывает потенциал для обнаружения изменений, вызванных землетрясениями и цунами. Разработанная и обученная на исторических данных модель глубокой нейронной сети (DNN) обеспечивает эффективный метод оценки магнитных полей для беспрецедентно раннего обнаружения стихийных бедствий, что критически важно для создания эффективных систем предупреждения, способных снизить число жертв и масштабы ущерба.

Основное преимущество такого подхода — скорость. Электромагнитные волны распространяются со скоростью света, что позволяет мгновенно обнаружить событие по изменениям в геомагнитном поле. Землетрясения сопровождаются локальными изменениями поля из-за пьезомагнитного эффекта при сбросе напряжения вдоль разлома, а цунами вызывают вариации через изменение атмосферного давления и воздействие на ионосферу.

Ключевая задача метода — отличить аномальный сигнал от фонового. Для её решения ученые использовали данные измерений 2015 года с множества точек по всей Японии. Обучив DNN на полумиллионе точек данных, они создали модель, которая с высокой точностью оценивает магнитное поле в конкретной точке наблюдения на основе показаний с других пунктов. Низкая вычислительная стоимость DNN позволяет в перспективе интегрировать эту систему с сетью высокочувствительных детекторов для сверхбыстрого обнаружения землетрясений и цунами.