A Matrix Profile Based Time Window Selection Method for Microtremors HVSR measurements

De grond onder onze voeten is zelden onbeweeglijk. Zelfs wanneer we het niet kunnen voelen, neuriet de aarde met een constante, laagfrequente trilling veroorzaakt door oceaangolven, wind en het verre gedreun van menselijke activiteit zoals verkeer en bouwactiviteiten. Seismologen noemen deze zwakke trillingen "microtremors". Door nauwkeurig te luisteren naar deze achtergrondruis, kunnen wetenschappers de verborgen lagen gesteente en bodem onder het oppervlak in kaart brengen zonder een enkel gat te graven. Deze techniek, bekend als de Horizontal-to-Vertical Spectral Ratio methode, werkt door te vergelijken hoeveel de grond zijwaarts versus op-en-neer beweegt. De verhouding tussen deze twee bewegingen creëert een duidelijke curve die het natuurlijke ritme, of de dominante frequentie, van een specifieke locatie onthult. Deze informatie is essentieel voor ingenieurs die aardbevingbestendige gebouwen ontwerpen, aangezien verschillende bodemlagen de schokken op verschillende manieren kunnen versterken. Het signaal is echter fragiel. Omdat het gehum van de aarde niet-stationair is — wat betekent dat het voortdurend verandert over de tijd — en gemakkelijk wordt overstemd door plotselinge uitbarstingen van lawaai, kunnen de resulterende curves vervormd raken. Als onderzoekers simpelweg alle verzamelde gegevens middelen, kunnen deze vervormingen het ware ritme van de grond verbergen, wat leidt tot onnauwkeurige kaarten van de ondergrond en potentieel onveilige technische beslissingen.

Om dit probleem op te lossen, hebben onderzoekers Dexiang Kong, Lijing Shi en Junjie Huang van de China Earthquake Administration een nieuwe manier ontwikkeld om deze metingen op te schonen. In plaats van elk verzameld datapunt te middelen, wat vaak vervuilde signalen bevat, hebben zij een methode ontwikkeld die automatisch de ruisachtige, onbetrouwbare segmenten identificeert en verwijdert voordat het uiteindelijke resultaat wordt berekend. Hun aanpak rust op een wiskundig hulpmiddel genaamd het Matrix Profile, dat is ontworpen om patronen te vinden en anomalieën in lange reeksen gegevens te detecteren. Stel je een lange streng kralen voor waarbij de meeste identiek zijn, maar een paar een andere kleur of vorm hebben; het Matrix Profile werkt als een scanner die de afwijkende kralen direct markeert zodat ze opzij kunnen worden gelegd. In deze studie zijn de "kralen" geen fysieke objecten, maar de spectrale curves gegenereerd uit korte tijdsvensters van microtremor-opnames. De onderzoekers testten hun methode met drie verschillende niveaus van verificatie: eenvoudige wiskundige signalen, computergesimuleerde bodemgegevens en werkelijke metingen van echte locaties in het veld.

Het team testte hun algoritme eerst op geïdealiseerde signalen om te zien of het onderscheid kon maken tussen schone data en data die vervuild is door ruis. Ze simuleerden een stabiel signaal en voegden vervolgens variërende hoeveelheden willekeurige interferentie toe, om de manier na te bootsen waarop verkeer of industriële machines een meting kunnen verstoren. De resultaten toonden een duidelijke, directe relatie: naarmate de ruis toenam, steeg de "anomalie-score" van het algoritme in perfecte pasloop. Dit bewees dat de methode kwantitatief kon meten hoeveel een specif kind specifiek tijdsvenster werd verstoord, zonder vooraf te hoeven weten hoe de ruis eruitzag. Het identificeerde succesvol de schoonste segmenten en markeerde de meest chaotische segmenten, zelfs wanneer de interferentie geleidelijk veranderde of verscheen als plotselinge, scherpe pieken.

Vervolgens gingen de onderzoekers over naar een realistischer scenario met behulp van computergegenereerde microtremor-data gebaseerd op bekende ondergrondse structuren. In deze simulatie kenden zij de exacte "ware" frequentie van de locatie, omdat zij het model zelf hadden gebouwd. Wanneer zij de traditionele methode van het middelen van alle gegevens gebruikten, zat de berekende frequentie meer dan 10 procent af, en de vorm van de curve was breed en onduidelijk. Echter, toen zij hun nieuwe Matrix Profile-methode toepasten om de slechte tijdsvensters weg te filteren, daalde de fout naar slechts 5,1 procent. De resulterende curve werd veel scherper en stemde nauw overeen met de werkelijke waarheid. Dit toonde aan dat de methode effectief de vervorming door niet-stationaire ruis kon verwijderen, waardoor het ware geologische signaal met veel grotere helderheid naar voren kwam.

Ten slotte bracht het team de methode naar het veld, waarbij de methode werd getest op echte microtremor-data verzameld op twee verschillende technische locaties. Op de ene locatie hadden zij toegang tot diepe boorgatgegevens, die een betrouwbare referentie boden voor de ware respons van de grond. Op een andere locatie vergeleken zij hun resultaten met een benchmark afgeleid van sterke aardbevingsrecords, een standaard die wordt gebruikt wanneer boorgatgegevens niet beschikbaar zijn. In het eerste geval produceerde de traditionele methode een resultaat dat bijna 1s 18 procent afweek van de werkelijke waarde. Na het filteren van de data met het Matrix Profile, nam de spreiding van de resultaten drastisch af en kwam de curve veel dichter bij het theoretische model te liggen. Op de tweede locatie, waar geen boorgatgegevens beschikbaar waren, leverde de traditionele aanpak een frequentie op die bijna 25 procent hoger was dan de benchmark. Door de anomale vensters te verwijderen, bracht de nieuwe methode de fout terug tot minder dan 3 procent, een niveau van precisie dat voldoet aan strikte technische normen.

De studie concludeert dat dit geautomatiseerde screeningsproces een robuuste oplossing biedt voor een langlopend probleem in de geofysica. Door te focussen op de algehele vorm en consistentie van de gegevens over het gehele frequentiebereik, in plaats van alleen te kijken naar een enkele piek, zorgt de methode ervoor dat de uiteindelijke analyse niet wordt vertekend door vluchtige ruis. Het vereist geen handmatige inspectie door een menselijke expert, geen voorafgaande kennis van de lokale geologie en geen complexe afstelling van parameters. In plaats daarvan vertrouwt het volledig op de interne consistentie van de gegevens zelf om het signaal van de ruis te scheiden. Deze vooruitgang betekent dat ingenieurs en seismologen nu grote hoeveelheden microtremor-data kunnen verwerken met meer vertrouwen, wat ervoor zorgt dat de kaarten die zij maken van de verborgen lagen van de aarde accuraat en betrouwbaar zijn voor de bescherming van gemeenschappen tegen seismische gevaren.