人工智能有助于预测威尼斯平台爆发

在加拉帕戈斯群岛狼威尼斯平台喷发之前,处理卫星数据的新算法自动捕捉到地面运动。

Lucas Bustamante / Minden图片
人工智能有助于预测威尼斯平台爆发

卫星正在提供有关世界活威尼斯平台的数据,但研究人员一直在努力将其转变为威尼斯平台风险的全球预测。 这可能很快就会随着新开发的算法而改变,这些算法可以自动从威尼斯平台风险数据信号中剔除,从而提高了科学家可以在几年内建立全球威尼斯平台预警系统的前景。

美国地质调查局位于华盛顿温哥华的黄石威尼斯平台观测台的科学家迈克尔波兰说,如果没有这些工具,地球科学家根本无法跟上卫星的信息,他们没有参与这两项研究。 “数据量非常庞大,”他说。

英国利兹大学的威尼斯平台学家安德鲁·胡珀(Andrew Hooper)领导开发了一种方法,他表示新算法应该使大约8亿居住在威尼斯平台附近的人受益。 “大约1400座威尼斯平台有可能在海面上爆发,”他说。 “大约有100人受到监控。 绝大多数都没有。“这两种方法本周都在华盛顿特区举行,在美国地球物理联盟(AGU)的半年一次的会议上。

在过去的几年里,随着欧洲航天局的卫星Sentinel 1A和Sentinel 1B的发射,威尼斯平台学领域频繁,重复地看到地面如何在世界威尼斯平台周围转移。 Sentinel 1卫星使用一种称为雷达干涉测量的技术,该技术比较发送到地球和从地球反射的雷达信号,以跟踪行星表面的变化。 这种方法并不新鲜,但是,独一无二的是,Sentinel 1卫星每6天重新访问一次这个星球上的每个点,Sentinel团队迅速释放这些高分辨率的观测值。 英国一个名为地震,威尼斯平台和构造观测和模拟中心(COMET)的研究小组已经开始为世界威尼斯平台建立一个称为干涉图的地面运动快照数据库。 与COMET合作的Hooper说,考虑到机器学习在其他形式的模式检测方面的成功,用自动检测覆盖这个数据库似乎很自然。

地面运动的变化通常反映了威尼斯平台下方的岩浆移动,并不能完全预测威尼斯平台爆发。 但与热天气卫星可以自动检测到的热点或灰烬羽流不同,地面转移可以帮助预测威尼斯平台爆发,而不仅仅是指示它们的发生。 “变形并不总是意味着爆发,”胡珀说。 “但是,在没有变形的情况下我们没有爆发的​​情况很少。”

首先,团队必须教他们的算法,不要混淆地面运动的大气变化,干涉图很容易做。 为此,Hooper的团队采用了一种称为独立成分分析的技术,该技术学会将信号分解成不同的部分:例如分层大气或短期湍流,以及威尼斯平台威尼斯平台口或侧翼的地面移位。 该技术使他们能够捕捉到全新的地面运动或速率变化,这两者都可能是未来爆发的迹象。

与此同时,由英国布里斯托尔大学的威尼斯平台学家朱丽叶·比格斯领导的另一个COMET团队使用一种越来越流行的人工智能形式建立了第二种算法,称为卷积神经网络,它使用层次的生物启发“神经元”来将图像的特征分解成更抽象的池,学习如何告诉狗,如猫。 研究人员首先使用来自Sentinel前体Envisat的原始干涉图训练他们的神经网络,他们已经存在威尼斯平台爆发的例子。 尽管该算法在分析30,000个Sentinel干涉图方面取得了一些成功,但它仍然产生了太多的误报。 布里斯托尔的Biggs工作的威尼斯平台学家Fabien Albino说,只有极少的例子需要学习。 “对于机器学习,100不算什么。 他们想要成千上万。“

为了解决这个问题,比格斯和她的同事创建了一个计算机模拟威尼斯平台喷发的合成数据集,为一些已知的物理模式生成。 正如他们今天在AGU会议上报告的那样,这些合成数据 。 Albino说,随着更多的Sentinel示例被灌输到算法中,这种趋势将继续变得更好。 “系统只是像谷歌一样调整,[输入]数百万只猫和狗,然后系统知道。 它不再需要学习。 它很稳定。“

尽管COMET威尼斯平台数据库的一些持续的技术问题阻止了团队在所有威尼斯平台上实时运行他们的算法,但Hooper已经在选定的地点运行他们的技术,包括在加拉帕戈斯群岛上被称为Sierra Negra和Wolf的威尼斯平台峰。 他昨天在会议上报道说, 去年爆发了,而胡珀的计划时就 。

这两种算法是互补的; 例如,神经网络不能捕捉变形的非常缓慢的变化,但独立的成分分析可以。 Hooper说,因此COMET的预警系统可能会同时使用这两种系统。 目前,挑战在于加速COMET将雷达数据从Sentinel拉入其数据库的速度。 尽管这些数据可在几小时内从Sentinel获得,但它们仍需要数周才能完全传输。 胡珀说,这是艰苦的工作。 “我们以为我们会更进一步。”

波兰说,这项工作看起来仍然是世界需要的。 “这是令人印象深刻的第一步,”他说。 “它绝对可以彻底改变这些事件的发现。”

发表评论

电子邮件地址不会被公开。 必填项已用*标注