机器学习可利用声波模式来预测和分析地震

本文由人工智能观察编译

译者：Sandy

一般来说，地震波通常是用来确定地震级别以及震源的主要因素。众所周知，通过使用机器学习算法进行声波研究可以检测音乐音乐以及人类语言的模式，而近期发表在期刊《科学进展》（《Science Advances》）上的一项研究中，来自美国纽约哥伦比亚大学的研究人员表示，机器学习算法还可以利用声波模式来辨别地震类型。

负责该研究的第一作者Benjamin Holtzman称：“这是一种全新的研究地震的方法。”

从之前的经验来看，大多数研究都是通过机器学习算法来理解地震，并且主要集中在检测上。而在这种新颖的方法中，科学家们利用这些算法来描述加州间歇泉地热田（Geysers geothermal field）三年内发生的46,000次地震，这里是世界上最古老，也是地震最活跃的地区之一。

地热能源的生产包括通过井或裂缝从地表深处注入地壳的热水中提取蒸汽。然后，蒸汽会被用来驱动涡轮发电机发电。但是，这种无二氧化碳的能源也有可能会引发地震。

Holtzman，一位知名的地球物理学家，之前曾参与过将地震震波转换为声音的项目。受其中一项研究结果的启发，他发现人耳可以区分某些类型的地震，于是，他想知道机器学习算法是否可以揭示来自可听地震数据的新信息。

将地震震波转换为声音后，研究人员使用三种算法分析了每次地震的光谱指纹。第一次检测到了最常见的频率；第二次发现了最常见的频率组合，并计算出它们独特的声音“指纹”；第三次则将类似的地震“指纹”进行了分组。

从中，研究人员发现，地震集群有一个重复的时间模式，与间歇泉水库中的注水量的季节模式相吻合，换句话说其中存在一个因果联系。冬季，当大量的水注入地下时，会有许多地震产生一种信号。相反，夏季注水率较低时，地震较少，另有明显的信号。

“现在的工作是用传统的地震分析方法来检查这些集群，看看我们是否能理解它们背后的物理原理。”论文合作者Felix Waldhauser说，“通常会先有一个假设并进行测试。在这里，研究人员正从机器中寻找一个模式，并构建一个假设。“

此外，研究人员还计划将此方法应用于其他自然和实验室模拟的地震，以确定信号类型是否可归因于不同的断层过程。如果是这样，将机器学习方法与标准的地震分析方法相结合，就可以帮助提高地热能生产的效率和安全性。

如果工程师能够实时了解发生的情况，他们就可以调节水库中的水量，从而减少相关大地震的数量，并创建小规模的地震活动来增强裂缝网络，进而提高地热田的生产力。

（文中图片来自网络）