पृथ्वी की उपसतह का मानचित्रण करने के लिए भूकंपीय डेटा का दोहन


प्रति तेल भंडार, भू-तापीय स्रोतों और हाल ही में, जलाशयों जहां अतिरिक्त कार्बन डाइऑक्साइड को संभावित रूप से अनुक्रमित किया जा सकता है, जैसे संसाधनों की पहचान करने के लिए, वैज्ञानिकों ने पृथ्वी की पपड़ी के भीतर संरचनाओं को मैप करने के तरीके विकसित किए हैं। वे ऐसा भूकंपीय तरंगों को ट्रैक करके करते हैं जो प्राकृतिक रूप से भूकंपों द्वारा या कृत्रिम रूप से विस्फोटकों या पानी के नीचे की वायु बंदूकों का उपयोग करके उत्पन्न होती हैं। जिस तरह से ये तरंगें पृथ्वी के माध्यम से परावर्तित और बिखरती हैं, उससे वैज्ञानिकों को सतह के नीचे स्थित संरचनाओं के प्रकार का अंदाजा हो जाता है।

भूकंपीय तरंगों की एक संकीर्ण सीमा होती है – जो लगभग 1 हर्ट्ज की कम आवृत्तियों पर होती हैं – जो वैज्ञानिकों को व्यापक दूरी तक फैली भूमिगत संरचनाओं की सबसे स्पष्ट तस्वीर दे सकती हैं। लेकिन ये तरंगें अक्सर पृथ्वी के शोर वाले भूकंपीय शोर से डूब जाती हैं और इसलिए, वर्तमान डिटेक्टरों के साथ उठाना मुश्किल होता है। अब मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी (एमआईटी) के शोधकर्ता इस अंतर को भरने के लिए तंत्रिका नेटवर्क सिस्टम में मशीन लर्निंग पर आधारित एक तकनीक लेकर आए हैं।

जर्नल “जियोफिजिक्स” में प्रकाशित एक पेपर में, वैज्ञानिकों ने एक विधि का वर्णन किया है जिसमें उन्होंने सैकड़ों विभिन्न नकली भूकंपों पर एक तंत्रिका नेटवर्क को प्रशिक्षित किया है। जब शोधकर्ताओं ने एक नए नकली भूकंप से उत्पन्न केवल उच्च-आवृत्ति भूकंपीय तरंगों के साथ प्रशिक्षित नेटवर्क प्रस्तुत किया, तो तंत्रिका नेटवर्क तरंग प्रसार की भौतिकी की नकल करने और भूकंप की लापता कम-आवृत्ति तरंगों का सटीक अनुमान लगाने में सक्षम था।

नई विधि शोधकर्ताओं को भूकंपीय डेटा में छिपी कम आवृत्ति तरंगों को कृत्रिम रूप से संश्लेषित करने की अनुमति दे सकती है, जिसका उपयोग पृथ्वी की आंतरिक संरचनाओं को अधिक सटीक रूप से मैप करने के लिए किया जा सकता है। “अंतिम सपना पूरे उपसतह को मैप करने में सक्षम होना है, और उदाहरण के लिए, कहने में सक्षम होना, ‘यह वही है जो आइसलैंड के नीचे जैसा दिखता है, इसलिए अब आप जानते हैं कि भू-तापीय स्रोतों का पता लगाने के लिए,'” लॉरेंट डेमनेट ने कहा , एप्लाइड गणितज्ञ और पेपर के लेखकों में से एक, एमआईटी प्रेस विज्ञप्ति में। “अब हमने दिखाया है कि गहन शिक्षण इन लापता आवृत्तियों को भरने में सक्षम होने के लिए एक समाधान प्रदान करता है।” डेमनेट के सह-लेखक प्रमुख लेखक होंग्यु सन हैं, जो एमआईटी में स्नातक छात्र हैं।

एक तंत्रिका नेटवर्क मानव मस्तिष्क के तंत्रिका कामकाज के बाद शिथिल रूप से तैयार किए गए एल्गोरिदम का एक सेट है। एल्गोरिदम को नेटवर्क में फीड किए गए डेटा में पैटर्न को पहचानने और इन डेटा को श्रेणियों, या लेबल में क्लस्टर करने के लिए डिज़ाइन किया गया है। Hongyu Sun और Demanet ने सिग्नल प्रोसेसिंग के लिए एक तंत्रिका नेटवर्क को अनुकूलित किया, विशेष रूप से, भूकंपीय डेटा में पैटर्न को पहचानने के लिए।

उन्होंने अपने पेपर में तर्क दिया है कि यदि एक तंत्रिका नेटवर्क को भूकंपों के पर्याप्त उदाहरण दिए गए थे, और जिस तरह से परिणामी उच्च और निम्न-आवृत्ति भूकंपीय तरंगें पृथ्वी की एक विशेष संरचना के माध्यम से यात्रा करती हैं, तो नेटवर्क को “खनन” करने में सक्षम होना चाहिए। विभिन्न आवृत्ति घटकों के बीच छिपे हुए सहसंबंध” और किसी भी लापता आवृत्तियों को एक्सट्रपलेशन करें यदि नेटवर्क को केवल भूकंप का आंशिक भूकंपीय प्रोफ़ाइल दिया गया हो।

जैसे ही वे तंत्रिका नेटवर्क की भविष्यवाणियों में सुधार करते हैं, टीम वास्तविक भूकंपीय डेटा से कम आवृत्ति संकेतों को निकालने के लिए विधि का उपयोग करने में सक्षम होने की उम्मीद करती है, जिसे पृथ्वी की सतह के नीचे भूगर्भीय संरचनाओं को अधिक सटीक रूप से मैप करने के लिए भूकंपीय मॉडल में प्लग किया जा सकता है। कम आवृत्तियों, विशेष रूप से, सही भौतिक मॉडल खोजने की बड़ी पहेली को हल करने के लिए एक महत्वपूर्ण घटक हैं।

Leave a Comment