För första gången, Seismologer kan karakterisera signaler som ett resultat av viss industriell mänsklig aktivitet på en kontinentomfattande skala med hjälp av cloud computing. I två nyligen publicerade tidningar i Seismologiska forskningsbrev , forskare från Los Alamos National Laboratory visar hur tidigare karaktäriserat "brus" nu kan ses som en specifik signal i ett stort geografiskt område tack vare en innovativ metod för seismiska dataanalyser.

"Förr, Människoorsakade seismiska signaler som ett resultat av industriella aktiviteter sågs som "brus" som förorenade en datauppsättning, vilket resulterar i att annars användbar data avvisas, sa Omar Marcillo, en seismolog vid Los Alamos National Laboratory och huvudförfattare till studien. "För första gången, vi kunde identifiera detta brus från några stora maskiner som en distinkt signal och dra det från datamängden, så att vi kan skilja naturliga signaler från antropogena."

Studien använde ett års data från mer än 1, 700 seismiska stationer i det angränsande USA. Marcillo upptäckte cirka 1,5 miljoner industriella brussekvenser, vilket i genomsnitt motsvarar cirka 2,4 upptäckter per dag på varje station.

"Detta visar oss hur allmänt förekommande industriellt buller är, ", sa Marcillo. "Det är viktigt att vi kan karakterisera den och separera den från de andra seismiska signalerna så att vi kan förstå exakt vad vi tittar på när vi analyserar seismisk aktivitet."

Denna data nåddes och bearbetades med hjälp av cloud computing – en ny metod som möjliggör större skalbarhet och flexibilitet i seismologisk forskning. Tillvägagångssättet beskrivs i ett kompletterande dokument, som visade hur molntjänster kan användas för att göra storskalig seismisk analys tio gånger snabbare än traditionell datoranvändning, som kräver att data laddas ner, lagrat, och bearbetas. Med hjälp av Amazon Web Services molnberäkning, forskare kunde förvärva och bearbeta 5,6 terabyte av komprimerad seismisk data på bara 80 timmar. Att göra detta med traditionella beräkningsmetoder skulle ha tagit flera veckor.

Marcillo sa att hans arbete med att karakterisera industriellt buller över hela landet inte skulle ha varit möjligt utan denna nya molnbaserade metod. "Mina kollegor och jag hade kommit på hur vi skulle separera den industriella brussignalen från resten av den seismiska signalen, men vi kunde inte skala det, " sa han. Så Marcillo samarbetade med Jonathan MacCarthy för att hitta ett sätt att expandera det till att täcka ett stort geografiskt område; cloud computing var svaret. Det är också tillräckligt flexibelt för att anpassa sig till de växande behoven hos många forskningsapplikationer, inklusive bearbetningshastighet, minneskrav, och olika bearbetningsarkitekturer.

"Seismologi är ett datarikt område, sa MacCarthy, huvudförfattare till artikeln om det molnbaserade tillvägagångssättet. "Tidigare, seismiska data skulle behöva laddas ner och bearbetas av varje enskild forskare. Cloud computing gör att all denna data kan lagras på ett ställe, och för forskare att enkelt komma åt och arbeta med det på ett samhällsbaserat sätt. Det är en enorm utveckling och har potential att totalt förändra hur seismologisk forskning på stora datamängder görs."