Regioninių infragarso matricų 13 žemėlapis (apversti trikampiai), veikęs per „Humming Roadrunner” eksperimentą Naujojoje Meksikoje. Kreditas: Aliaskos Fairbankso universitetas Pagal naują Aliaskos Fairbankso universiteto mokslininko sukurtą metodą kompiuterius galima išmokyti geriau aptikti tolimus branduolinius sprogimus, cheminių medžiagų sprogimus ir ugnikalnių išsiveržimus mokantis iš dirbtinių sprogimų signalų.
Darbas, kuriam vadovavo UAF Geofizikos instituto podoktorantūros tyrėjas Alexas Witsilas, neseniai buvo paskelbtas žurnale Geophysical Research Letters.
Vitsilas, dirbantis Geofizikos instituto Vilsono Aliaskos technikos centre, kartu su kolegomis sukūrė sintetinių infragarsinių sprogimų signalų biblioteką, kad galėtų apmokyti kompiuterius atpažinti infragarsinio signalo šaltinį. Infragarsas yra per žemo dažnio, kad jį girdėtų žmonės, ir sklinda toliau nei aukšto dažnio girdimos bangos.
„Mes naudojome modeliavimo programinę įrangą, kad sukurtume 28,000 sintetinius infragarso signalus, kuriuos, nors ir sukurtus kompiuteriu, hipotetiškai galėtų užfiksuoti infragarso mikrofonai, įrengti už šimtų kilometrų nuo didelio sprogimo, – sakė Vitsilas.
Dirbtiniai signalai atspindi atmosferos sąlygų svyravimus, kurie gali pakeisti sprogimo signalą regioniniu ar pasauliniu mastu, kai garso bangos sklinda. Dėl šių pokyčių iš didelio atstumo gali būti sunku nustatyti sprogimo kilmę ir tipą.
Kodėl verčiau kurti dirbtinius sprogimų garsus, o ne naudoti realius pavyzdžius? Kadangi sprogimai įvyko ne visose planetos vietose, o atmosfera nuolat kinta, nėra pakankamai realaus pasaulio pavyzdžių, kad būtų galima apmokyti apibendrintus mašininio mokymosi aptikimo algoritmus.
„Nusprendėme naudoti sintetiką, nes galime modeliuoti įvairių tipų atmosferas, per kurias gali sklisti signalai, – sakė Vitsilas. „Taigi, nors neturime prieigos prie jokių sprogimų, įvykusių, pavyzdžiui, Šiaurės Karolinoje, galiu savo kompiuteriu sumodeliuoti Šiaurės Karolinos sprogimus ir sukurti mašininio mokymosi algoritmą, kuris leistų aptikti ten esančius sprogimo signalus.”
Šiandien aptikimo algoritmai paprastai remiasi infragarso matricomis, kurias sudaro keli vienas šalia kito esantys mikrofonai. Pavyzdžiui, tarptautinė Visuotinio bandymų uždraudimo sutarties organizacija, kuri stebi branduolinius sprogimus, infragarso matricas yra dislokavusi visame pasaulyje.
„Tai brangu, sunku prižiūrėti, be to, daug daugiau dalykų gali sugesti”, – sakė Vitsilas.”
Vitsilo metodas pagerina aptikimo galimybes, naudodamas šimtus vieno elemento infragarso mikrofonų, jau esančių visame pasaulyje. Dėl to aptikimas tampa ekonomiškesnis.
Mašininio mokymosi metodas išplečia vieno elemento infragarso mikrofonų naudingumą, nes jie gali aptikti subtilesnius sprogimo signalus beveik realiuoju laiku. Šiuo metu vieno elemento mikrofonai naudingi tik atgaline data analizuojant žinomus ir paprastai didelės amplitudės signalus, kaip tai buvo padaryta sausio mėnesį įvykusio galingo Tongos ugnikalnio išsiveržimo metu.
Witsilo metodas galėtų būti taikomas operatyvinėje aplinkoje nacionalinei gynybai ar gamtinių pavojų mažinimui.
Daugiau informacijos: Alex Witsil et al, Detecting Large Explosions With Machine Learning Models Trained on Synthetic Infrasound Data, Geophysical Research Letters (2022). DOI: 10.1029/2022GL097785
Citation: Naujas metodas gali pagerinti sprogimo aptikimą (2022, liepa 22) gauta 30 liepa 2022 iš https://techxplore.com/news/2022-07-metod-explosion.html
Šiam dokumentui taikomos autorių teisės. Be raštiško leidimo negalima atgaminti jokios jo dalies, išskyrus sąžiningą naudojimą asmeninių studijų ar mokslinių tyrimų tikslais. Turinys pateikiamas tik informaciniais tikslais.
