TERREMOTOS

El Shazam que reconoce terremotos en lugar de canciones

EFEFUTURO.- Un grupo de investigadores de la Universidad de Stanford (EE.UU.) desarrolla un programa basado en el algoritmo de la popular aplicación de identificación de música pensado para comparar la huella sísmica de los terremotos con una velocidad 3.000 veces superior a la del método actual

<p>Programa basado en el algoritmo de Shazam pensado para comparar la huella sísmica de los terremotos.</p>

Programa basado en el algoritmo de Shazam pensado para comparar la huella sísmica de los terremotos.

Una de las tendencias en la última década en el campo de la sismología se basa en comparar las longitudes de onda de pequeños e imperceptibles terremotos que se producen más a menudo de lo que pensamos para así poder saber más con qué frecuencia y lugar podría producirse un temblor de los que sí amenazan la integridad de edificios y personas.

Esta labor minuciosa, incluso aunque obviamente esté apoyada en avanzados ordenadores, no es nada sencilla, pues implica comparar la forma de la onda que registran los sismógrafos durante períodos de tiempo muy largos. Los terremotos producidos en la misma falla suelen tener una huella sísmica similar, como la huella dactilar de una persona, que permanece inalterable a lo largo de la vida aunque crezca el tamaño de sus dedos.

Greg Beroza, profesor de Geofísica en la Facultad de Ciencias de la Tierra, de Energía y Ambientales de la Universidad de Stanford en California (EE.UU.), un día estaba paseando por una tienda de electrónica. De fondo se escuchaba una canción que le sonaba bastante, pero no lograba identificar.

Como habría hecho cualquiera provisto de un Smartphone, el profesor abrió la aplicación Shazam –una de las más habituales usadas para este propósito- y en pocos segundos el teléfono “escuchó” la canción y reconoció el título e intérprete. Todo en apenas unos segundos.

Esa anécdota inspiró a Beroza a la hora de pensar si podría aplicar esa misma filosofía a la “caza” de terremotos. Es decir, si eliminando todo el ruido ambiental y la información sonora irrelevante sería posible encontrar las similitudes entre las “huellas” que dejan los microteremotos.

Años después, el investigador reunió a un equipo multidisciplinar que ha logrado crear un algoritmo capaz de comparar los datos en tiempo récord todos los datos que recogen las estaciones sísmicas.

Así funciona el sistema

Según se describe en un artículo publicado en el nuevo número de la revista Science Advances, la técnica FAST, acrónimo de Fingerprint and Similarity Thresholding (Huella dactilar y umbral de similitud), “aplica el Big Data para una búsqueda eficiente como haría un buscador de internet y busca microtemblores en esa enorme cantidad de información procedente de lo que están todo el rato registrando las estaciones sísmicas. Entonces FAST busca los terremotos que han tenido lugar -aunque sean imperceptibles para el ser humano- y los agrupa en función de los patrones gráficos, de su huella”, explica a EFEFUTURO, Clara Yoon, uno de los miembros del equipo de investigación de Beroza

Para demostrar la eficacia del algoritmo del método FAST, los autores analizaron todos los datos recogidos en el año 2011 por la estación sísmica de la falla de Calaveras, en la Bahía de California, donde se habían producido muchos pequeños terremotos. El sistema FAST no sólo detectó rápidamente todos los temblores, sino que incluso descubrió otros nuevos que, por su debilidad, no habían sido observados.

Y lo logró 3.000 veces más rápido que si se hubieran usado las técnicas convencionales. “hace tiempo pensábamos que para llevar a cabo la comparación de miles de gráficas de forma simultánea necesitaríamos de unas supercomputadoras –ha asegurado Ossian O’Reilly, otro de los autores de estudio-, pero pronto nos dimos cuenta de incluso esas máquinas no podrían llevarlo a cabo por el volumen de datos, así que empezamos a aprender de los algoritmos que diseñan los informáticos para resolver problemas similares”.

Y es que no se trata de comparar todas las longitudes de onda, sino saber seleccionar la información clave y poner juntas las que son muy parecidas y comparar estas entre sí. “Si tú tienes un millón de archivos y rápidamente quieres encontrar dos iguales, tardarías toda la vida en hallarlas entre esa inabarcable muestra, pero resulta mucho más sencillo si ya están organizadas y sólo tienes que buscar en una carpeta concreta”, añade Yoon.

Anticiparse al temblor

La investigadora relata a esta agencia de noticias que confían en que FAST se convierta en una herramienta estándar en su campo de trabajo. “En el futuro puede ser un método de monitorización de alta resolución que empleen las redes sísmicas regionales a lo largo de todo el mundo y que sepa dónde se está produciendo ese microtemblor.

Sin embargo, es extremadamente improbable que nos ayude a predecir cuándo se va a producir un terremoto y cuán devastador va a ser. Centenares de sismólogos lo han intentado sin éxito y muchos científicos piensan que predecir terremotos es sencillamente imposible. Pero no es menos cierto que la sismología es una ciencia muy joven y tenemos mucho que aprender sobre los terremotos, así que quién sabe los que podremos aprender del análisis de la masiva información que recogen algoritmos nuevos como el que usa FAST”.

El siguiente paso en el que ya trabaja el equipo de Beroza es demostrar la eficacia del sistema FAST con datos recogidos a lo largo de periodos más amplios de tiempo, datos procedentes de más estaciones sísmicas y en escenarios mucho más complejos en este sentido.

Otro punto interesante es cómo puede ser utilizado en terremotos que han tenido lugar en estados norteamericanos como Arkansas u Oklahoma, terremotos atribuidos a la acción humana derivada de la fractura hidráulica o “fraking”, una práctica para la obtención de gas y petróleo que genera mucha polémica en todo el mundo. EFEFUTURO

Etiquetado con: ,
Publicado en: Tecnología

10:00

BANNER_I-a-la-carta_cibertienda_300X250

BANNER_I-a-la-carta_cibertienda_300X250

CyT en 60 minutos #CyTen60min

DialogosComunicación_300x125_SmartCity

DialogosComunicación_300x125_SmartCity

verde_gif_300x90

verde_gif_300x90Blogs de ciencia y tecnología

Blogosfera de Ciencia y Tecnología

Información medioambiental
Map

Uso de cookies

Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación. Si continúa navegando, consideramos que acepta su uso. Puede obtener más información, o bien conocer cómo cambiar la configuración, en nuestra política de cookies, pinche el enlace para mayor información.

Login

Registro | Contraseña perdida?