Un volcán inactivo en la Antártida ayudó a los investigadores de Sandia National Laboratories a mejorar las lecturas de datos de los sensores para detectar mejor terremotos y explosiones y desconectar los sonidos cotidianos como el tráfico y los pasos.

Encontrar la configuración ideal para cada sensor en una red para detectar vibraciones en el suelo, o actividad sísmica, puede ser un proceso minucioso y manual. Los investigadores de Sandia están trabajando para cambiar eso mediante el uso de un software que ajusta automáticamente los niveles de detección de actividad sísmica para cada sensor.

Sandia probó el nuevo software con datos sísmicos del volcán Monte Erebus en la Antártida y logró un 18 por ciento menos de detecciones falsas y un 11 por ciento menos de detecciones perdidas que el rendimiento original de los sensores en el Monte Erebus.

Hasta ahora, La principal forma de garantizar que los sensores detectaran una actividad sísmica inusual y no informaran de la actividad regular era ajustar manualmente la configuración de cada sensor a su entorno específico. Desafortunadamente, conseguir esos ajustes exactamente correctos es difícil, especialmente porque esos entornos ideales cambian con las estaciones y los patrones climáticos.

Durante un proyecto de tres años financiado por Investigación y Desarrollo Dirigidos por Laboratorio, Los investigadores desarrollaron un software que ajusta automáticamente la configuración de detección de los datos provenientes de cada sensor en una red utilizando un enfoque de 'reglas de mayoría'. lo que llevó a menos detecciones falsas de actividad sísmica y menos detecciones perdidas de eventos reales. El trabajo fue publicado recientemente en un Boletín de la Sociedad Sismológica de América papel, "Ajuste dinámico de niveles de activación del detector de señales sísmicas para redes locales" y el software de código abierto basado en Python está disponible para descargar.

'Sondeo del barrio' para detectar actividad sísmica

El equipo de investigación dirigido por Tim Draelos, investigador de procesamiento de señales y aprendizaje automático en Sandia, desarrolló un algoritmo que lee los datos de una vecindad de sensores y compara las detecciones realizadas por cada sensor. Si la mayoría de los sensores en una ubicación similar detectan actividad sísmica al mismo tiempo, luego, el programa marca el evento como legítimo. Si la mayoría de los sensores no detectaron actividad sísmica, entonces el programa no marca el evento y se ajustan los niveles de detección de los sensores que informaron falsamente un evento.

"Un vecindario es un pequeño subconjunto de sensores en una red que tienen una visión similar del mundo o una huella de detección similar, "Dijo Draelos." Deberían estar de acuerdo en todo lo que ven. Si no lo hacen podemos determinar qué sensor debe ajustarse para lograr un mejor acuerdo en el futuro, lo que conduce a una mejor calidad general de detección de la red. No queremos perdernos nunca un evento como una explosión nuclear, por ejemplo."

Este enfoque de "reglas mayoritarias" para el procesamiento de datos de sensores sísmicos es automático mientras el algoritmo se ejecuta y permite ajustes continuos a los niveles de activación que detectan un evento sísmico. haciendo que las lecturas de los sensores sean más precisas que las lecturas de los sensores estáticos con ajustes fijos.

Draelos y el equipo, incluido Hunter Knox, Matt Peterson y Chris Young, probó el algoritmo utilizando la red de sensores sísmicos del Monte Erebus. Crearon una base de datos de eventos sísmicos en el volcán al ver manualmente toda la actividad del sensor registrada durante 24 horas y luego marcar los eventos sísmicos. Para ser clasificado como evento, tres o más sensores en el mismo vecindario tenían que detectar la actividad sísmica.

Luego, el equipo ejecutó los datos sin procesar del sensor a través del nuevo algoritmo de reglas de la mayoría para ver cómo funcionaba y comparó los resultados con la base de datos de detecciones legítimas con los resultados de los sensores que operan sin el ajuste dinámico del algoritmo.

Las mejoras en las tasas de detección precisas son importantes porque las redes de sensores generan una gran cantidad de datos. Por ejemplo, el boletín revisado por analistas del Centro Internacional de Datos para 2014 solo incluyó el 8 por ciento de las más de 5,5 millones de detecciones sísmicas del Sistema Internacional de Monitoreo registradas originalmente por sensores. Esta red mundial ayuda a verificar el cumplimiento del Tratado de Prohibición Completa de Ensayos Nucleares, que ha sido firmado, pero no ratificado por Estados Unidos, detectando hechos que puedan mostrar la violación del tratado.

"Una gran parte, pero no todos, del 92 por ciento restante de las detecciones probablemente fueron falsos positivos, que conduce al almacenamiento y procesamiento de datos extraños, "Dijo Draelos." Además, El 39 por ciento de las detecciones incluidas en el boletín fueron encontradas o modificadas por un analista humano, que indica un gran porcentaje de detecciones perdidas y detecciones medidas incorrectamente por los sensores, que requiere tiempo y esfuerzo para enmendar ".

Existen algunos detectores de señales dinámicas, pero hasta ahora ninguno ha utilizado redes de sensores para optimizar la detección de eventos sísmicos. El nuevo enfoque para ajustar los datos también podría aplicarse al monitoreo ambiental, monitoreo de sensor de movimiento con cámaras, monitoreo químico, monitoreo de infrasonidos y más.

"Esta es una idea de propósito general, "Dijo Draelos." No tienen que ser datos sísmicos. Este algoritmo puede potencialmente usarse en cualquier lugar donde tenga una red o colección de sensores para detectar eventos ".