利用人工智能分析多传感器数据可提升地震探测能力
2026-07-05 10:39:31   来源：麦姆斯咨询   评论：0   点击：

仅靠一台地震仪往往不足以可靠地探测地震或地下核试验等人为活动。研究人员通常会结合分布在小范围地理区域内的多台地震仪的读数，以提高分析结果的可信度。据麦姆斯咨询报道，挪威科研人员的一项最新研究表明，与传统的技术相比，人工智能（AI）能更有效地整合来自多个地震传感器的读数，从而更可靠地探测到微弱的地震信号。

科研人员利用了由挪威研究基金会NORSAR及其它机构运营的地震台阵长达30年的观测数据，并采用三种不同的方式训练AI模型以探测地震信号。第一种方法是先利用单个台站的数据训练模型，随后应用该模型并汇总各台站的分析结果；第二种方法是利用传统技术将同一台阵内多个传感器的信号进行合并，再利用这些合并后的信号训练模型；第三种方法则是将台阵中所有台站的数据直接输入模型，由模型自行决定如何整合这些数据。

该图展示了地震台阵的位置以及观测数据分布

用于地震台阵观测数据处理的三种不同AI训练方法

结果显示，第二种方法（即在训练前合并信号）增强了微弱信号，并在三种方法中实现了最精确的信号探测。与此同时，第三种方法（即由模型决定如何整合台站数据）在计算效率上表现最优，其探测精度则介于另外两种方法之间。

考虑到需要在精度与速度之间取得平衡，研究人员建议：在进行实时监测时，可让AI模型自行决定如何整合数据；而在允许采用较慢处理流程的情况下，则可在模型应用之前或之后对数据进行合并处理。

然而，该AI模型在训练区域以外的适用性（泛化能力）较差。这主要是因为所使用的训练数据集在地域上具有局限性；若利用全球范围的数据进行训练，预计将能改善模型表现。这一问题主要出现在S波（横波）的探测上，而P波（纵波）的探测则未受泛化问题的影响。

上述研究成果以“Deep Learning Phase Detectors for Seismic Array Processing”为题，发表在Journal of Geophysical Research: Machine Learning and Computation期刊上。该论文表示，人工智能（AI）能够帮助科研人员探测到地震、地下核试验及其它地震活动产生的微弱信号——这些信号若采用传统的手段往往难以识别。

论文信息：DOI: 10.1029/2026jh001249