Машинное обучение выявляет скрытые вибрации в данных о землетрясениях

Исследователи из Массачусетского технологического института (MIT) разработали метод на основе машинного обучения, который позволяет восстанавливать низкочастотные сейсмические волны, обычно теряющиеся в данных. Эти волны, имеющие частоту около 1 герца, критически важны для создания четкой картины подземных структур на больших расстояниях, но их сложно зафиксировать из-за общего сейсмического шума Земли.

Новый подход, описанный в журнале Geophysics, использует обученную нейронную сеть для оценки отсутствующих низкочастотных волн на основе только высокочастотных данных от нового смоделированного землетрясения. Это позволяет искусственно синтезировать недостающие частоты и, как следствие, более точно картировать внутренние структуры Земли, что важно для поиска геотермальных источников или мест для захоронения CO₂.

«Мы показали, что глубокое обучение предлагает решение для восполнения этих недостающих частот», — говорит соавтор работы Лоран Деманэ, профессор прикладной математики MIT. Нейронная сеть, обученная на сотнях различных смоделированных землетрясений в сложной геофизической модели Marmousi, успешно экстраполировала низкочастотные сигналы. Точность предсказаний впечатляет, хотя метод требует дальнейшего улучшения за счет обучения на более разнообразных данных.