Identificar señales entre el ruido urbano para adelantarse a los terremotos
El modelo, basado en un tipo de IA conocido como ‘deep learning’ podría descubrir seísmos que se habrían descartado previamente como vibraciones generadas por personas.
Angelo_Giordano / Pixabay
Las ciudades son sitios ruidosos. El tráfico, los trenes y las máquinas generan mucho ruido. Si bien eso no pasa de ser un simple inconveniente la mayor parte del tiempo, cuando se trata de detectar terremotos se puede convertir en un problema mortal, ya que resulta difícil distinguir un seísmo inminente en medio de todas las vibraciones propias del bullicio urbano.
Los investigadores de la Universidad de Stanford (EE UU) han encontrado una forma de obtener una señal más clara. Han creado un algoritmo, el cual describen en un artículo publicado en Science Advances la semana pasada, del que afirman que es capaz de mejorar la detección de las redes de monitoreo sísmico en ciudades y otras áreas urbanizadas. Al filtrar el ruido sísmico de fondo, mejora la calidad general de la señal y recupera señales que antes podían ser demasiado débiles para quedar registradas.
Los algoritmos entrenados para filtrar este ruido de fondo podrían ser de particular utilidad para monitorear las estaciones dentro y alrededor de las ciudades de América del Sur, México, el Mediterráneo, Indonesia o Japón, tan ruidosas como propensas a los seísmos.
Los terremotos se captan mediante sensores conocidos como sismómetros o sismógrafos, los cuales miden continuamente las ondas de las vibraciones del suelo. El algoritmo de aprendizaje profundo del equipo de la Universidad de Stanford, llamado UrbanDenoiser, ha sido entrenado en conjuntos de datos de 80.000 muestras de ruido sísmico urbano y 33.751 muestras que indican actividad sísmica propia de terremotos. Fueron recogidos en dos zonas de California (EE UU): la concurrida Long Beach y una zona rural en San Jacinto.
Cuando se aplicaron a los conjuntos de datos tomados del área de Long Beach, los algoritmos detectaron sustancialmente más terremotos y facilitaron la determinación de cómo y dónde comenzaron. Y cuando se aplicaron a los datos de un terremoto de 2014 en La Habra, también en California, el equipo observó cuatro veces más detecciones sísmicas en los datos “sin ruido” en comparación con el número registrado oficialmente.
Este no es el único trabajo que aplica la inteligencia artificial (IA) a la búsqueda de terremotos. Los investigadores de la Universidad Penn State, también en EE UU, han estado entrenando algoritmos de aprendizaje profundo para predecir con precisión cómo los cambios en las mediciones podrían indicar los próximos terremotos, una tarea que ha confundido a los expertos durante siglos. Y los miembros del equipo de la Universidad de Stanford previamente habían entrenado modelos para la selección de fase, o para medir los tiempos de llegada de las ondas sísmicas dentro de una señal de terremoto, que se pueden usar para estimar la ubicación del terremoto.
Los algoritmos de aprendizaje profundo son particularmente útiles para el monitoreo de terremotos porque pueden aliviar la carga de los sismólogos humanos, según señala la sismóloga de la Universidad Royal Holloway de Londres (Reino Unido) Paula Koelemeijer, quien no participó en este estudio.
En el pasado, los sismólogos observaban los gráficos producidos por los sensores que registraban el movimiento del suelo durante un terremoto e identificaban patrones a simple vista. El aprendizaje profundo podría hacer que ese proceso sea más rápido y más preciso, al ayudar a eliminar grandes volúmenes de datos, indica Koelemeijer.
“Mostrar que el algoritmo funciona en un entorno urbano ruidoso es muy útil, porque el ruido en los entornos urbanos puede ser una pesadilla y algo muy desafiante”, concluye la experta.
