En vilande vulkan i Antarktis hjälpte forskare vid Sandia National Laboratories att förbättra sensordata avläsningar för att bättre upptäcka jordbävningar och explosioner och ställa in vardagliga ljud som trafik och fotsteg.

Hitta de perfekta inställningarna för varje sensor i ett nätverk för att detektera vibrationer i marken, eller seismisk aktivitet, kan vara en noggrann och manuell process. Forskare på Sandia arbetar med att ändra det genom att använda programvara som automatiskt justerar seismiska aktivitetsdetekteringsnivåer för varje sensor.

Sandia testade den nya programvaran med seismiska data från vulkanen Erebus i Antarktis och uppnådde 18 procent färre falska detektioner och 11 procent färre missade detektioner än sensornas ursprungliga prestanda på Erebus.

Tills nu, det viktigaste sättet att säkerställa att sensorer plockade upp ovanlig seismisk aktivitet och inte rapporterade regelbunden aktivitet var att manuellt justera inställningarna för varje sensor till dess specifika omgivning. Tyvärr, att få dessa inställningar exakt rätt är svårt, särskilt för att de idealiska inställningarna ändras med årstiderna och vädermönstren.

Under ett treårigt projekt finansierat av Laboratory Directed Research and Development, forskare utvecklade programvara som automatiskt justerar detekteringsinställningarna för data som kommer från varje sensor i ett nätverk med hjälp av en "majoritetsregler" -metod, vilket ledde till färre falska upptäckter av seismisk aktivitet och färre missade upptäckter av faktiska händelser. Verket publicerades nyligen i en Bulletin från Seismological Society of America papper, "Dynamic Tuning of Seismic Signal Detector Trigger Levels for Local Networks" och Python-baserad programvara med öppen källkod är tillgänglig för nedladdning.

'Röstning i grannskapet' för att upptäcka seismisk aktivitet

Forskargruppen, ledd av Tim Draelos, forskare inom maskininlärning och signalbehandling på Sandia, utvecklat en algoritm som läser data från ett grannskap av sensorer och jämför detektioner som görs av varje sensor. Om en majoritet av sensorerna på en liknande plats upptäckte seismisk aktivitet samtidigt, då markerar programmet händelsen som legitim. Om de flesta sensorerna inte upptäckte seismisk aktivitet, då markerar inte programmet händelsen och detektionsnivåerna för sensorerna som felaktigt rapporterade en händelse justeras.

"En stadsdel är en liten delmängd av sensorer i ett nätverk som alla har en liknande syn på världen eller ett liknande avkänningsavtryck, "Sa Draelos." De borde komma överens om allt de ser. Om de inte gör det, vi kan avgöra vilken sensor som behöver justeras så att vi får bättre överenskommelse i framtiden, vilket leder till bättre övergripande nätverksdetekteringskvalitet. Vi vill aldrig missa en händelse som en kärnvapenexplosion, till exempel."

Denna "majoritetsregler" -metod för seismisk sensordatabehandling är automatisk medan algoritmen körs och möjliggör kontinuerliga justeringar av triggernivåerna som detekterar en seismisk händelse, göra avläsningar från sensorerna mer exakta än avläsningar från statiska sensorer med fasta inställningar.

Draelos och teamet, inklusive Hunter Knox, Matt Peterson och Chris Young, testade algoritmen med Eismas seismiska sensornätverk. De skapade en databas över seismiska händelser på vulkanen genom att manuellt se all sensoraktivitet registrerad över 24 timmar och sedan markera seismiska händelser. Att klassificeras som en händelse, tre eller flera sensorer i samma grannskap var tvungna att upptäcka den seismiska aktiviteten.

Teamet körde sedan rå sensordata genom den nya algoritmen för majoritetsregler för att se hur den utförde och jämförde resultaten mot databasen med legitima detektioner till resultaten av sensorerna som fungerar utan dynamisk justering av algoritmen.

Förbättringarna i exakta detekteringshastigheter är viktiga eftersom sensornätverk genererar mycket data. Till exempel, International Data Center analytikergranskade bulletin för 2014 omfattade endast 8 procent av de mer än 5,5 miljoner seismiska upptäckten från International Monitoring System som ursprungligen registrerades av sensorer. Detta globala nätverk hjälper till att verifiera överensstämmelse med det omfattande förbudet mot nukleära testförbud, som har undertecknats, men inte ratificerat av USA, genom att upptäcka händelser som kan visa att fördraget har kränkts.

"En stor del, men inte allt, av de återstående 92 procent av upptäckten var sannolikt falska positiva, vilket leder till främmande datalagring och behandling, "Sa Draelos." Dessutom, 39 procent av upptäckten i bulletinen hittades eller modifierades av en mänsklig analytiker, vilket indikerar en stor andel missade detektioner och felaktigt uppmätta detektioner av sensorerna, som tar tid och ansträngning att ändra. "

Vissa dynamiska signaldetektorer finns, men hittills har ingen använt sensornätverk för att optimera detekteringar av seismiska händelser. Den nya metoden för att ställa in data kan också tillämpas på miljöövervakning, rörelsesensorövervakning med kameror, kemisk övervakning, infraljudsövervakning och mer.

"Detta är en allmän idé, "Sa Draelos." Det behöver inte vara seismiska data. Denna algoritm kan eventuellt användas var som helst där du har ett nätverk eller en samling sensorer för att upptäcka händelser. "