用于地震检测的局部敏感哈希：数据驱动科学扩展的案例研究
数据库
2018-07-25 v2
摘要
在本工作中，我们报告了局部敏感哈希（LSH）在大规模地震数据上的一种新应用。基于重现地震间的高波形相似性，我们的应用通过 LSH 搜索相似时间序列片段来识别潜在地震。然而，该启用 LSH 的应用的一种直接实现难以扩展到在单个地震台站测量的超过 3 个月的连续时间序列数据。作为数据驱动科学工作流的案例研究，我们说明了如何将领域知识整合到工作负载中，以提高效率和结果质量。我们描述了从预处理到后处理的分析流水线的几种端到端优化，使该应用能够扩展到在多个地震台站测量的时间序列数据。我们的优化在端到端分析流水线中实现了超过 100 倍的加速。这种改进的可扩展性使地震学家能够对来自十多个地震台站的十多年连续时间序列数据进行地震分析，并直接促成了在加利福尼亚州 Diablo Canyon 核电站附近发现 597 次新地震以及在新西兰发现 6123 次新地震。
引用
@article{arxiv.1803.09835,
title = {Locality-Sensitive Hashing for Earthquake Detection: A Case Study of Scaling Data-Driven Science},
author = {Kexin Rong and Clara E. Yoon and Karianne J. Bergen and Hashem Elezabi and Peter Bailis and Philip Levis and Gregory C. Beroza},
journal= {arXiv preprint arXiv:1803.09835},
year = {2018}
}