研究人员使用人工智能来识别海啸波开始在海上形成时地球大气层的变化。
这可能大大延长面临海啸风险的沿海社区的预警时间。
来自佛罗里达州的Terran Orbital Corporation的Valentino Constantinou解释说：“没有全球网络来探测海啸波，并安装物理硬件，如基于卫星的系统，是昂贵的。但我们知道，小型卫星星座正在到处扩散。”
海上地震产生的信号的速度受地球电离层中带电粒子密度的影响，电离层距离地表约300至350公里。
当海啸产生上升到大气中的冲击波时，它们会改变这些带电粒子的密度，导致卫星接收到的信号发生轻微但可检测到的变化。
此前，美国宇航局喷气推进实验室和意大利罗马萨皮恩扎大学进行的研究导致了一种计算方法，用于测量海啸引起的带电粒子密度波动。
在此基础上，康斯坦蒂诺和他的团队将最初一维格式的数据转换为二维图像。这些图像随后被人工智能模型分析，以寻找与海啸有关的迹象。
该团队使用来自三次特定地震引发的海啸的数据来训练他们的人工智能系统：2010年智利海啸、2011年日本海啸和2012年加拿大海啸。
他们测试了该模型在2015年智利伊拉佩尔地震引发的第四次海啸中的有效性。人工智能被仔细审查，以评估它能在多大程度上区分海啸引起的变化和标准的电离层背景噪声。
为了将误报降至最低，研究人员过滤了地面站与头顶卫星通信造成的干扰。
根据挪威地震研究基金会NORSAR的Quentin Lessaud的说法，这种方法产生了“相当好的结果”，探测准确率超过90%。然而，Alzsaud指出，需要更多的数据来确定这一系统对不同类型海啸的可靠性。
昆汀·布里绍德指出，“巨大海啸的罕见使得分析和预测此类事件具有挑战性。”
部署全球海啸预警系统的挑战之一是需要国际数据共享。正如康斯坦丁努所说，“数据通常由运营卫星的政府或商业伙伴持有。没有一个地方可以为全球系统获取数据。”
更多关于研究
这 研究 它将卫星数据与机器学习（ML）相结合，分析海啸引发的地球大气层变化。
虽然海啸探测最近有所进展，但许多海岸线仍然没有得到预警系统的充分覆盖。
它的工作原理如下：
- 研究人员开发了一个基于人工智能的框架，通过监测地球电离层中的传播电离层扰动(TID)来识别海啸的早期迹象。这些干扰影响总电子含量，可通过全球导航卫星系统(GNSS)探测到。
- 这种方法利用了来自GPS、Galileo、GLONASS和北斗等多个卫星系统的数据。它提供了实时、开阔的海洋覆盖范围，是对传统基于预警系统的预警系统无法到达的地理区域的宝贵补充。
- 人工智能模型使用卷积神经网络(CNN)，该网络基于2010年茂勒、2011年东北和2012年海达-格
- 该系统采用了误报缓解（FPM）策略，显著降低了误报率。
许多人工智能系统被部署来预测环境灾难，包括谷歌的洪水中心，该系统最近扩大到覆盖更多地区。
