Модель машинного обучения генерирует реалистичные сейсмические волны

Новая модель машинного обучения, способная генерировать реалистичные сейсмические волны, позволит сократить ручной труд и повысить точность обнаружения землетрясений. К такому выводу пришло исследование, недавно опубликованное в журнале JGR Solid Earth.

Эта разработка важна, поскольку быстрое и точное обнаружение сейсмических событий остается сложной задачей. Традиционный "золотой стандарт" — визуальный анализ экспертами — требует огромных трудозатрат и плохо масштабируется на большие массивы данных. Автоматические методы на основе машинного обучения, появившиеся в последние годы, повышают эффективность, но их точность критически зависит от наличия обширных наборов размеченных высококачественных данных, часто включающих десятки тысяч записей.

"Для проверки эффективности нашей генеративной модели мы применили ее к полевым сейсмическим данным, собранным в Оклахоме", — пояснил Юцзо Лин, вычислительный ученый из группы геофизики Лос-Аламосской национальной лаборатории. — Серия качественных и количественных тестов показала, что наша модель может генерировать высококачественные синтетические волны и улучшать алгоритмы обнаружения землетрясений на основе машинного обучения". Модель под названием SeismoGen основана на генеративно-состязательной сети (GAN) и способна после обучения создавать реалистичные сейсмические волны различных типов. Применение к реальным данным в Оклахоме продемонстрировало, что синтетические волны от SeismoGen можно использовать для улучшения алгоритмов детекции в условиях дефицита размеченных тренировочных данных.