Evaluating data augmentation techniques in the classification of multi-station seismic-volcanic signals

Vulkane sind rastlose Riesen, und bevor sie ausbrechen, flüstern sie oft. Dieses Flüstern sind seismische Signale – subtile Vibrationen, die durch die Erde reisen und die Geschichte von sich bewegender Magma, entweichendem Gas oder berstendem Gestein unter der Oberfläche erzählen. Jahrzehntelang haben sich Wissenschaftler darauf verlassen, dass menschliche Experten diesen Flüsterton interpretieren, indem sie manuell durch endlose Datenströme gehen, um zu identifizieren, was tief unter der Oberfläche geschieht. Dieser Prozess ist langsam, arbeitsintensiv und anfällig für menschliche Fehler, besonders wenn die Signale schwach oder die Datenmenge überwältigend ist. In den letzten Jahren haben Computer begonnen, diese Zuhör-Aufgabe zu übernehmen, indem sie künstliche Intelligenz nutzen, um Muster in den Vibrationen zu erkennen. Diese „Computer-Gehirne“ stehen jedoch vor einem erheblichen Hindernis: Sie benötigen riesige Mengen an Beispielen, um zu lernen, und in der Welt der Vulkane sind seltene und gefährliche Ereignisse oft am schwersten in großen Zahlen zu finden. Wenn ein Computer versucht, aus einem kleinen, unausgewogenen Satz von Beispielen zu lernen, wird er oft voreingenommen und bevorzugt die häufigsten Ereignisse, die er am oftsten sieht, während er die seltenen, kritischen Signale, die auf eine echte Gefahr hindeuten, übersieht.

Ein Team von Forschern der Universidad Católica del Norte in Chile setzte sich zum Ziel, dieses Problem zu lösen, indem sie Computern beibrachten, aus weniger Beispielen zu lernen, ohne dabei ihre Fähigkeit zu verlieren, die Wahrheit zu erkennen. Sie konzentrierten sich auf den Lascar-Vulkan in Nordchile, ein Standort, der durch ein Netzwerk von elf seismischen Stationen überwacht wird, die die Erderschütterungen aufzeichnen. Das Team sammelte eine Datenbank von über sechstausend seismischen Ereignissen, die Experten bereits in fünf verschiedene Kategorien eingeteilt hatten: Langperioden-Ereignisse, vulkanotektonische Ereignisse, hybride Ereignisse, tektonische Ereignisse und Tremor. Die Herausforderung bestand darin, dass diese Kategorien nicht gleichmäßig vertreten waren; einige Arten von Ereignissen waren häufig, während andere so selten waren, dass der Computer Schwierigkeiten hatte zu lernen, wie sie aussehen. Um dies zu beheben, wandten die Forscher eine Strategie namens Datenausweitung (Data Augmentation) an. Anstatt darauf zu warten, dass die Natur mehr seltene Ereignisse liefert, nutzten sie mathematische Techniken, um neue, synthetische Versionen der bestehenden Daten zu erstellen. Diese neuen Beispiele waren nicht auf eine irreführende Weise gefälscht; es handelte sich um sorgfältig modifizierte Versionen realer Signale, die gerade so weit verändert wurden, dass sie zwar anders aussah, aber ihre wesentliche Identität behielten. Das Ziel war es, dem Computer eine reichere, vielfältigere Bibliothek an Beispielen zum Studium zur Verfügung zu stellen, in der Hoffnung, dass er die grundlegenden Regeln der vulkanischen Aktivität lernt, anstatt nur spezifische Details auswendig zu lernen.

Die Forscher testeten verschiedene Methoden, um diese neuen Beispiele zu erstellen. Einige Methoden fügten den Signalen eine Schicht aus statischem Rauschen hinzu, ähnlich dem Rauschen eines Radios zwischen zwei Sendern, um zu sehen, ob der Computer das Muster immer noch erkennen kann. Andere verschoben die Signale leicht in der Zeit oder in der Frequenz oder kombinierten Teile verschiedener Signale, um neue Hybride zu erschaffen. Sie verwendeten sogar eine Technik, die von der biologischen Evolution inspiriert ist, bei der der Computer die besten Teile zweier Signale auswählt und sie miteinander vermischt, um ein neues zu erzeugen. Um zu messen, wie gut diese neuen Signale funktionierten, betrachtete das Team nicht nur, ob der Computer die richtige Antwort gab, sondern sie maßen auch, wie stark die neuen Signale von den ursprünglichen abwichen. Sie mussten sicherstellen, dass die neuen Daten vielfältig genug waren, um dem Computer etwas Neues beizubringen, aber ähnlich genug zur realen Welt waren, damit die Lektionen auch dann Anwendung fanden, wenn der Computer auf einen echten Vulkan stieß.

Die Ergebnisse waren beeindruckend. Die Forscher fanden heraus, dass Modelle, die auf Datensätzen trainiert wurden, die nur aus augmentierten Daten bestanden, oft eine überlegene Leistung bei der Klassifizierung zeigten, wobei Techniken wie Drifting, SpecAugment und Jittering Testgenauigkeiten von 97,2 %, 95,4 % bzw. 93,9 % erreichten. Die Studie zeigte jedoch auch, dass ein Modell, das auf einer Mischung aus realen und augmentierten Daten unter Verwendung der „Drifting“-Technik trainiert wurde, die höchste Genauigkeit von 98,3 % erreichte, wenn es an realen Signalen getestet wurde. Diese Zahlen sind signifikant, da sie zeigen, dass der Computer lernte, die zugrunde liegenden Muster der vulkanischen Aktivität so gut zu erkennen, dass er Rauschen und Variationen der realen Welt ignorieren konnte. Die Studie ergab zudem, dass es nicht ausreichte, einfach nur mehr Daten zu den seltenen Kategorien hinzuzufügen; die Qualität und Vielfalt dieser hinzugefügten Daten waren entscheidender. Die am besten abschneidenden Modelle waren jene, die eine große Vielfalt an Signalformen und -texturen sahen, was den Computer zwang, die Kernmerkmale jedes Ereignistyps zu lernen, anstatt sich auf Abkürzungen zu verlassen.

Diese Arbeit weist einen neuen Weg für die Vulkanüberwachung auf. Durch die Verwendung von Datenausweitung können Wissenschaftler Computermodelle bauen, die robuster und zuverlässiger sind, selbst wenn sie zu Beginn nur sehr wenige reale Beispiele für gefährliche Ereignisse haben. Die Studie demonstrierte, dass diese Modelle mit Daten eines einzelnen Vulkanes trainiert werden konnten und dennoch gut generalisieren konnten, was bedeutet, dass sie potenziell auf andere Vulkane weltweit angewendet werden könnten. Die Forscher kamen zu dem Schluss, dass der Schlüssel zum Erfolg nicht nur darin bestand, mehr Daten zu haben, sondern intelligentere Daten zu besitzen – Beispiele, die vielfältig genug waren, um den Computer flexibel zu machen, aber ähnlich genug zur realen Welt, um nützlich zu sein. Letztendlich lernte der Computer nicht nur, Erdbeben zu zählen; er lernte, die Sprache des Vulkanes mit einer Klarheit zu hören, die menschliche Experten allein vielleicht kaum erreichen könnten, was ein leistungsfähiges neues Werkzeug für das Verständnis der dynamischen und oft gefährlichen Entwicklung vulkanischer Zentren bietet.