지진 멀티

Aug 06, 2023

Scientific Reports 12권, 기사 번호: 21200(2022) 이 기사 인용

1378 액세스

2 인용

4 알트메트릭

측정항목 세부정보

지진은 사회에 큰 영향을 미치는 자연재해 중 하나입니다. 현재 지진탐지에 관한 많은 연구가 진행되고 있다. 그러나 센서에 감지된 진동은 지진으로 인한 진동뿐만 아니라 다른 진동도 있었다. 따라서 본 연구에서는 가속도 지진파를 이용하여 지진과 비지진, 기물 파손 진동을 구분할 수 있는 기계학습 알고리즘을 이용한 지진 다중 분류 탐지를 제안하였다. 또한 가속도의 통합 결과인 속도와 변위는 기계 학습 알고리즘의 성능을 향상시키기 위한 추가 기능으로 간주되었습니다. SVM(Support Vector Machine), RF(Random Forest), DT(Decision Tree), ANN(Artificial Neural Network)과 같은 여러 기계 학습 알고리즘이 지진 다중 분류 감지에 가장 적합한 알고리즘을 개발하는 데 사용되었습니다. 본 연구의 결과는 ANN 알고리즘이 지진과 비지진, 기물 파손 진동을 구별하는 최고의 알고리즘임을 나타냅니다. 또한 다양한 입력 기능에 대한 저항력도 더 높습니다. 또한 속도와 변위를 추가 기능으로 사용하면 모든 모델의 성능이 향상되는 것으로 입증되었습니다.

인도네시아는 세 가지 주요 지각판 합류점, 즉 유라시아판, 인도-호주판, 태평양판 사이에 위치하고 있습니다1. BMKG(기후지구물리학청)의 기록에 따르면 2008년부터 2018년까지 약 5000~6000회의 지진이 발생했습니다. 그리고 2019년에는 15번의 파괴적인 지진이 발생했습니다2. 가속도계 센서를 사용한 지진 감지는 여러 연구자에 의해 수행되었습니다3,4,5,6, 센서가 감지하는 진동은 지진으로 인한 진동뿐만 아니라 바닥에 떨어진 무거운 물체로 인한 진동과 같은 다른 진동도 포함합니다. 무거운 차량이 지나가거나, 폭발이 일어나거나, 누군가가 상자를 부수려고 할 때. 지진파와 지진 소음의 유사성으로 인해 지진 조기 경보 시스템이 우연히 작동되어 잘못된 경보를 유발하는 경우가 있습니다. 따라서 감지 오류를 방지하기 위해 지진 소음과 지진 소음을 분류하는 것이 필요합니다7,8.

몇몇 연구자들은 지진 분야에서 기계 학습의 활용에 관한 연구도 수행했습니다. Nishita Narvekar9에 따르면, 지진 관측소에서 기록된 지진 신호에는 종종 소음이 섞여 있습니다. 따라서 필터링 기술을 사용하여 데이터가 기계 학습 알고리즘에 공급되기 전에 노이즈를 제거해야 합니다. 또한, 지진 신호에 대해 지진학계에서 널리 사용되는 방법 중 하나로 FFT(Fast Fourier Transform)를 적용하면 계산 시간을 단축할 수 있습니다10,11. 이를 머신러닝 알고리즘과 결합하면 최상의 결과를 얻을 수 있다는 것이 입증되었습니다. 또한, 지진진동과 소음을 구별하기 위해 SVM, DT, RF 알고리즘을 비교 실험한 결과, 본 연구를 바탕으로 RF 알고리즘이 더 좋은 성능을 보이는 것으로 나타났다.

일부 연구자12는 국지적 지진 및 기타 진동 가능성을 분류할 수 있는 ANN 및 SVM을 사용하여 지진 관측소에서 구현할 수 있는 지진 감지 시스템을 제안했습니다. 데이터는 포르투갈의 PVAQ 스테이션에서 수집되었습니다. 데이터는 훈련 데이터 60%, 테스트 데이터 20%, 검증 데이터 20%로 분포됩니다. 모델의 성능을 보면 ANN은 95% 이상의 값을 얻을 수 있었던 반면, SVM은 거의 완벽한 분류를 얻을 수 있었습니다.

또 다른 연구13에서는 신호와 관련된 두 가지 분류 문제를 해결하기 위해 DT가 사용되었습니다. 목적은 예상 동작(이상 탐지)을 따르지 않는 데이터의 패턴을 찾기 위한 신호 시간 논리(STL)를 학습하는 것입니다. 결과는 DT가 좋은 성능을 제공하고 특정 애플리케이션 도메인에서 해석될 수 있음을 보여줍니다. 또 다른 경우14에서는 터빈 진동 신호를 평가하여 풍력 터빈 블레이드의 상태를 분류하기 위해 DT가 적용됩니다. 100개의 샘플이 양호한 상태의 블레이드에서 나온 600개의 데이터 샘플이 있습니다. 이 문제에 사용된 DT 분류기는 이 문제를 진단하는 데 매우 효과적인 것으로 입증되었습니다. 이러한 연구를 바탕으로 DT 알고리즘이 신호 및 진동 분류에 적합하다는 것을 보여줍니다.