Un vulcano dormiente in Antartide ha aiutato i ricercatori dei Sandia National Laboratories a migliorare le letture dei dati dei sensori per rilevare meglio terremoti ed esplosioni e sintonizzare i suoni quotidiani come il traffico e i passi.

Trovare le impostazioni ideali per ogni sensore in una rete per rilevare le vibrazioni nel terreno, o attività sismica, può essere un processo scrupoloso e manuale. I ricercatori di Sandia stanno lavorando per cambiare questa situazione utilizzando un software che regola automaticamente i livelli di rilevamento dell'attività sismica per ciascun sensore.

Sandia ha testato il nuovo software con i dati sismici del vulcano Mt. Erebus in Antartide e ha ottenuto il 18% in meno di falsi rilevamenti e l'11% in meno di rilevamenti mancati rispetto alle prestazioni originali dei sensori sul Mt. Erebus.

Fino ad ora, il modo principale per garantire che i sensori rilevassero attività sismica insolita e non segnalassero attività regolari era regolare manualmente le impostazioni di ciascun sensore in base all'ambiente circostante. Sfortunatamente, ottenere esattamente queste impostazioni è difficile, soprattutto perché quelle impostazioni ideali cambiano con le stagioni e i modelli meteorologici.

Durante un progetto triennale finanziato da Laboratory Directed Research and Development, i ricercatori hanno sviluppato un software che regola automaticamente le impostazioni di rilevamento per i dati provenienti da ciascun sensore in una rete utilizzando un approccio di "regole di maggioranza", che ha portato a un minor numero di falsi rilevamenti di attività sismica e a meno rilevamenti mancati di eventi reali. Il lavoro è stato recentemente pubblicato in a Bollettino della Società Sismologica d'America carta, "Sintonia dinamica dei livelli di attivazione del rilevatore di segnale sismico per reti locali" e il software open source basato su Python sono disponibili per il download.

"Sondaggio nel quartiere" per rilevare l'attività sismica

Il gruppo di ricerca, guidato da Tim Draelos, un ricercatore di machine learning ed elaborazione del segnale presso Sandia, ha sviluppato un algoritmo che legge i dati da un quartiere di sensori e confronta i rilevamenti effettuati da ciascun sensore. Se la maggior parte dei sensori in una posizione simile rileva contemporaneamente attività sismica, quindi il programma contrassegna l'evento come legittimo. Se la maggior parte dei sensori non rileva l'attività sismica, quindi il programma non segna l'evento e vengono regolati i livelli di rilevamento per i sensori che hanno erroneamente segnalato un evento.

"Un quartiere è un piccolo sottoinsieme di sensori in una rete che hanno tutti una visione simile del mondo o un'impronta di rilevamento simile, "Draelos ha detto. "Dovrebbero essere d'accordo su tutto ciò che vedono. Se non lo fanno, siamo in grado di determinare quale sensore deve essere sintonizzato in modo da ottenere un migliore accordo in futuro, che porta a una migliore qualità complessiva di rilevamento della rete. Non vogliamo mai perdere un evento come un'esplosione nucleare, Per esempio."

Questo approccio basato su "regole maggioritarie" per l'elaborazione dei dati dei sensori sismici è automatico mentre l'algoritmo è in esecuzione e consente regolazioni continue ai livelli di trigger che rilevano un evento sismico, rendendo le letture dei sensori più accurate rispetto alle letture dei sensori statici con impostazioni fisse.

Draelos e la squadra, compreso Hunter Knox, Matt Peterson e Chris Young, testato l'algoritmo utilizzando la rete di sensori sismici del Monte Erebus. Hanno creato un database di eventi sismici sul vulcano visualizzando manualmente tutta l'attività dei sensori registrata nelle 24 ore e quindi contrassegnando gli eventi sismici. Per essere classificato come un evento, tre o più sensori nello stesso quartiere dovevano rilevare l'attività sismica.

Il team ha quindi eseguito i dati grezzi del sensore attraverso il nuovo algoritmo delle regole di maggioranza per vedere come si è comportato e ha confrontato i risultati con il database dei rilevamenti legittimi con i risultati dei sensori che funzionano senza la regolazione dinamica dell'algoritmo.

I miglioramenti nei tassi di rilevamento accurati sono importanti perché le reti di sensori generano molti dati. Per esempio, il bollettino rivisto dagli analisti dell'International Data Center per il 2014 includeva solo l'8% degli oltre 5,5 milioni di rilevamenti sismici del Sistema di monitoraggio internazionale originariamente registrati dai sensori. Questa rete mondiale aiuta a verificare la conformità con il Trattato sul divieto totale dei test nucleari, che è stato firmato, ma non ratificato dagli Stati Uniti, rilevando eventi che potrebbero mostrare che il trattato è stato violato.

"Una grande porzione, ma non tutto, del restante 92 percento dei rilevamenti erano probabilmente falsi positivi, che porta alla memorizzazione e all'elaborazione di dati estranei, "Draelos ha detto. "Inoltre, Il 39% dei rilevamenti inclusi nel bollettino è stato trovato o modificato da un analista umano, che indica una grande percentuale di rilevamenti mancati e rilevamenti misurati erroneamente dai sensori, che richiede tempo e fatica per emendare."

Esistono alcuni rilevatori di segnali dinamici, ma fino ad ora nessuno ha utilizzato reti di sensori per ottimizzare il rilevamento di eventi sismici. Il nuovo approccio alla messa a punto dei dati potrebbe essere applicato anche al monitoraggio ambientale, monitoraggio del sensore di movimento con telecamere, monitoraggio chimico, monitoraggio degli infrasuoni e altro ancora.

"Questa è un'idea generale, "Draelos ha detto. "Non deve essere dati sismici. Questo algoritmo può essere potenzialmente utilizzato ovunque si disponga di una rete o di una raccolta di sensori per rilevare eventi".