Mit Musiksoftware Mikro-Erdbeben schneller finden

  • 07. December 2015

Neuer Algo­rithmus spürt bisher über­sehene Erschütterungen auf und ermög­licht zuver­lässigere Vor­her­sagen.

Noch immer kann kein Geo­physiker schwere Erdbeben zuver­lässig vorher­sagen. Aber um die komplexen Abläufe der Gesteins­spannungen im Boden besser verstehen zu können, werden zunehmend auch sehr schwache Erschütterungen analysiert. Diese können nun aus den Daten­sätzen der Beben­stationen mit einem neuen Computer­algorithmus, entwickelt von kali­fornischen Wissen­schaftlern, einfacher und effektiver heraus­gefiltert werden. Erste Versuche bestätigten, dass diese Methode die Daten­analyse deutlich beschleunigen und sogar bisher unerkannte Mikro­beben aufspüren konnte.

„Für unseren Ansatz nutzen wir eine Methode, die auch bei Such­maschinen und Apps verwendet wird“, sagt Clara Yoon von der Stanford University. Bisher beurteilen Geo­physiker die Spektren der Boden­erschütterungen, die Seismo­gramme, häufig einzelnd, da sich eine auto­matisierte Evalua­tion als zu fehler­anfällig erwies. Viel weniger Zeit benötigte der neue Algo­rithmus – FAST – Finger­print And Similiraty Thresholding –, der die Seismo­gramme auf Ähnlich­keiten in ihrer Struktur untersuchte. Vorbild war dabei die Erkennungssoftware für Musik­stücke Shazam, der schon anhand weniger Takte eine fehler­freie Identi­fizierung gelingt.

Schema der FAST-Technik (Bild: I. Ocko, Stanford U.)

Abb.: Schema der FAST-Technik (Bild: I. Ocko, Stanford U.)

Yoon und Kollegen testeten den FAST-Algo­rithmus an einem Daten­paket, das Seismo­gramme der kali­fornischen Erdbeben­warte an der Calaveras-Ver­wer­fung enthielt, die über eine Woche aufgezeichnet wurden. Auto­matisch zerteilte die Soft­ware diese Lang­zeit­auf­zeichnung in kurze, wenige Sekunden lange Seismo­gramme. Diese zahlreichen Daten­schnipsel fasste die Soft­ware abhängig von ihrer Ähnlich­keit in der Struktur zu wenigen Gruppen zusammen. Vergleiche mit Seismo­grammen von zuvor an dieser Erdbeben­warte aufgezeichneten Beben ermöglichten, sehr schwache, aber echte seismische Signale von nicht nutzbaren Daten und Unter­grund­rauschen zu unterscheiden. Denn Erschütterungen in einer Region erzeugen immer sehr ähnliche Seismo­gramme völlig unab­hängig von der Stärke eines Bebens.

Die FAST-Soft­ware benötigte für diese Daten­analyse nur etwa zwei Stunden statt einiger Tage mit der her­kömm­lichen Sich­tung der Seismo­gramme. Nicht nur alle Beben, die eine klassi­sche Ana­lyse ergab, konnten dabei identi­fiziert werden, sondern auch mehrere Dutzend sehr schwache Er­schütte­rungen. Diese Mikro­beben mit einer Magnitude von unter 1 („nicht spürbar“) waren zuvor nicht erkannt worden, können nun aber wichtige Hin­weise auf die geolo­gische Dyna­mik der Region liefern. Zudem erlaubt eine möglichst voll­ständige Auf­listung aller Beben eine genauere Bilanz der im Unter­grund auf­gebauten und durch Beben wieder redu­zierten Spannungen.

„Mit dieser Methode könnten wir nun sogar noch unbe­kannte Fehl­stellen und Ver­wer­fungen im Unter­grund aufspüren“, sagt Yoon. Mit ihren Kollegen will sie nun noch größere Daten­sätze mehrerer Beben­warten mit FAST aus­werten und die Qualität der Analysen mit denen her­kömm­licher Aus­wer­tungen ver­gleichen. Ins­gesamt könnte die breite Analyse von Mikrobeben genauere Angaben zum zukünf­tigen Beben­risiko in einer Region liefern. Doch auch vom Menschen verursachte Erschütte­rungen, wie sie etwa beim intensiven Einsatz von Fracking-Methoden in den USA entstehen, ließen sich mit diesem Algo­rithmus zuver­lässiger aufzeichnen.

Jan Oliver Löfken

OD

Share |

Webinar

Warum reale akustische Systeme nur multiphysikalisch simuliert werden können

  • 02. November 2017

In diesem Webi­nar wird ge­zeigt, warum man bei­spiels­weise schon bei der Simu­la­tion eines „ein­fachen“ Laut­spre­chers auf multi­phy­si­ka­li­sche Kopp­lung an­ge­wie­sen sein kann, wenn man ex­pe­ri­men­tel­le Er­geb­nis­se kor­rekt re­pro­du­zie­ren will.

Alle Webinare »

Site Login

Bitte einloggen

Andere Optionen Login

Website Footer