Escuchar el ruido, encontrar los terremotos

Artículo

Fran Sánchez Becerril

@fransanchezbe

El tráfico que colapsa la ciudad, las obras en la calle, el camión de la basura, las discusiones de los vecinos, las terrazas de los bares: las ciudades son, queramos o no, sinónimo de ruido. Estamos acostumbrados a vivir con la contaminación acústica como si de un sonido de fondo se tratara, pero lo cierto es que puede suponer graves problemas para la salud. Y no son anecdóticos: estos ya afectan a 60 millones de personas adultas, según alerta la Organización Mundial de la Salud (OMS). Además, aparte de poder provocar enfermedades cardiovasculares o alteraciones en la salud mental, el ruido de las urbes también se puede interponer en la detección de seísmos.

Para tratar de escuchar los terremotos entre el ruido urbano, la Universidad de Stanford –en colaboración con la Academia de Ciencias de China– ha desarrollado un sistema de filtración basado en inteligencia artificial (IA) que elimina el ruido, expulsándolo de los datos de sensores sísmicos en áreas metropolitanas. Así, al menos, lo explica un artículo publicado en la revista Science: para poder advertir a la población del riesgo de terremoto, los expertos llevan años colocando sismómetros en áreas propensas a temblores, especialmente en las zonas urbanas donde causan más daño. Para los especialistas en terremotos siempre ha supuesto un gran problema separar los datos sísmicos provocados por los movimientos naturales del suelo de los relacionados con la vida de la ciudad, y es que la actividad humana en las urbes –como el tráfico de vehículos y trenes– produce una gran cantidad de ruido similar.

Ante esta situación, los investigadores de Stanford y China han desarrollado esta aplicación que, afirman, es capaz de aprender por sí sola –el proceso general llamado machine learning– cómo filtrar qué datos sísmicos son naturales y cuáles son provocados por el hombre. Algo especialmente útil según afirmó Paula Koelemeijer, sismóloga de la Universidad Royal Holloway de Londres: «Mostrar que el algoritmo funciona en un entorno urbano ruidoso es muy útil. El ruido de las ciudades puede ser una pesadilla, así como algo muy desafiante».

Cuatro veces más eficaz

El nuevo sistema se llama UrbanDenoiser y es una aplicación que funciona con deep learning (en castellano, «aprendizaje profundo»), un conjunto de algoritmos de profundo aprendizaje automático englobado dentro del machine learning. En concreto, este sistema se entrenó a sí mismo con 80.000 muestras de ruido sísmico urbano y 33.751 de actividad sísmica natural.

En un principio, el grupo de investigación lo puso a prueba con datos sísmicos registrados en Long Beach, una ciudad situada en el estado norteamericano de California, para ver cómo funcionaba: descubrieron que conseguía mejorar el nivel de las señales deseadas –en comparación con el ruido de fondo– en aproximadamente 15 decibelios. 

Siempre ha supuesto un gran problema separar los datos sísmicos provocados por los movimientos naturales del suelo de los relacionados con la vida de la ciudad

Satisfechos con los resultados, los investigadores emplearon UrbanDenoiser para analizar los datos de un terremoto que azotó un área cercana en 2014, descubriendo que la aplicación podía detectar cuatro veces más datos en comparación con los sensores sin filtrado. De momento, según creen, su herramienta podría usarse para el ruido superficial, la concentración de tensión localizada y el monitoreo sísmico de bloqueo intermedio. Sin embargo, también han aclarado que el sistema requiere de una nueva capacitación con los conjuntos de datos de regiones específicas antes de que pueda implementarse como un sistema de monitoreo de movimientos de la tierra.

Este no es el único estudio que ha seguido esta línea de investigación en la búsqueda de terremotos: un trabajo de la Universidad Penn State, en Estados Unidos, también ha estado entrenando algoritmos de aprendizaje profundo para predecir con precisión cómo los cambios en las mediciones podrían indicar los próximos terremotos. Con este modelo es posible predecir el tamaño y el momento de los terremotos a partir de los datos ultrasónicos de fuentes activas y los patrones de deep learning, que permiten hacer predicciones más precisas. Es un modelo prometedor: tal como señalan, «las predicciones son precisas a pesar de los ciclos sísmicos irregulares».