深度学习驱动的与海啸相关的内部重力波检测：迈向开阔海域自然灾害检测之路
机器学习
2023-08-10 v1 大气与海洋物理
摘要
海啸可在电离层中触发内部重力波（IGWs），扰动总电子含量（TEC）——称为行进电离层扰动（TIDs），可通过全球导航卫星系统（GNSS）检测到。GNSS 是从地球轨道提供信号的卫星星座——欧洲的 Galileo、美国的全球定位系统（GPS）、俄罗斯的全球导航卫星系统（GLONASS）和中国的北斗。TIDs 的实时检测提供了一种海啸检测方法，通过提供浮标预警系统无法覆盖的地理区域的开阔海域覆盖，增强了早期预警系统。深度学习利用了大量的 GNSS 数据，能有效处理数千个数据流间复杂的非线性关系。我们描述了一个利用来自 VARION（实时电离层观测的变分方法）算法的斜总电子含量（sTEC），通过格拉姆角差场（来自计算机视觉）和卷积神经网络（CNNs）近乎实时检测 TIDs 的框架。2010 年 Maule、2011 年 Tohoku 和 2012 年 Haida-Gwaii 地震与海啸的历史数据用于模型训练，较晚发生的 2015 年智利 Illapel 地震与海啸用于样本外模型验证。使用文中描述的实验框架，我们取得了 91.7% 的 F1 分数。源代码见：https://github.com/vc1492a/tidd。我们的工作代表了在开阔海域检测海啸驱动 IGWs 的新前沿，显著提升了沿海社区自然灾害检测的潜力。
引用
@article{arxiv.2308.04611,
title = {Deep Learning Driven Detection of Tsunami Related Internal GravityWaves: a path towards open-ocean natural hazards detection},
author = {Valentino Constantinou and Michela Ravanelli and Hamlin Liu and Jacob Bortnik},
journal= {arXiv preprint arXiv:2308.04611},
year = {2023}
}