▲深层神经网络(DNNs)可用于精确预测特定地点的地球磁场。
每日科学网站10月14日报道，日本东京都立大学（TMU）的研究人员运用机器学习技术，根据多个观测点的数据，快速、准确地估计了当地的地球磁场。证明利用已有数据建立并训练深度神经网络（DNNs）模型，或可用于重大自然灾害预警，从而降低人员伤亡和减少财产损害。
地震和海啸造成的破坏毋庸置疑，寻求快速、可靠的自然灾害预测手段一直是科学家们努力的方向。虽然现在已经有了基于地震波的预警系统，但其效果并不理想——往往在警报发出时，地震也已经发生了。
地震和海啸的发生通常伴随有地磁场的局部变化。对于地震而言，主要是压磁效应，即沿断层释放大量的累积应力会引起地磁场的局部变化。而对于海啸来说，海洋突然的巨大移动会导致大气压力产生变化，大气压力的变化会影响电离层，从而改变地磁场。这两种情况下的地磁场变化都可以通过不同地点的观测网络探测到。地磁场监测技术的最大优点在于速度快——电磁波是以光速传播的，人们可以通过观察地磁场的变化来“瞬间”探测到灾害的发生。
不同地点的地磁场是波动信号，如何判断检测到的磁场信息是否异常呢? 为此，TMU的香取丰（Yuta Katori）和久保菅（Kan Okubo）等在日本的多个地点建立了地磁场监测点，并采用最先进的机器学习算法——深度神经网络(DNNs)进行演算。根据历史数据，他们利用算法创建并优化了一种极为复杂的多层次方式，有效地将数据映射到实际测量数据。例如，他们利用2015年采集的50万个数据点建立的网络，已经能以超高的精度估计该观测点的地磁场。
DNNs的计算成本相对较低，因此可与高灵敏度的探测器网络相结合，以实现对地震和海啸的快速探测，从而构筑有效的预警系统。
编译：雷鑫宇
审稿：alone
责编：南熙
