⚡ electrical engineering

Improving Deep Learning-Based Seismic Phase Picking by Addressing Label Imbalance

Para abordar a degradação de desempenho da detecção de fases sísmicas baseada em aprendizado profundo causada pelo desequilíbrio de rótulos, este artigo propõe uma função de perda de entropia cruzada suave ponderada pela área que aumenta a sensibilidade do modelo e a recuperação de eventos na análise de formas de onda contínuas sem alterar a arquitetura de rede subjacente.

Autores originais: Shinya Katoh, Masaaki Imaizumi, Yoshihisa Iio, Hiromichi Nagao

Publicado 2026-07-31

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Shinya Katoh, Masaaki Imaizumi, Yoshihisa Iio, Hiromichi Nagao

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

A Linguagem Secreta da Terra e as Notas Perdidas

Imagine que a Terra é um tambor gigante e inquieto. Quando ela se desloca, racha ou se acomoda, ela envia ondulações — ondas sísmicas — que viajam pelo solo como o som através do ar. Os sismólogos são os ouvintes que tentam ouvir essas ondulações para entender o que está acontecendo nas profundezas do subsolo. Por décadas, o trabalho deles era como tentar encontrar um sussurro específico em uma sala lotada e barulhenta. Eles tinham que encarar linhas onduladas em uma tela, identificando manualmente o momento exato em que uma "onda P" (a primeira chegada, rápida) ou uma "onda S" (a chegada mais lenta e vibratória) aparecia. Era um trabalho lento e exaustivo e, com sensores modernos registrando a Terra 24 horas por dia, 7 dias por semana, havia simplesmente dados demais para os olhos humanos processarem.

Entra o aprendizado profundo (deep learning), um tipo de cérebro computacional que pode aprender a identificar padrões mais rápido do que qualquer humano. Esses detetives digitais tornaram-se incrivelmente bons em ler a batida do tambor da Terra, encontrando terremotos que os humanos poderiam perder. Mas há um porém: quando a Terra fica realmente agitada — como durante um terremoto massivo seguido por centenas de réplicas menores — o "ruído" do grande evento abafa os pequenos sussurros dos eventos menores. O computador fica confuso, muitas vezes perdendo os sinais menores porque foi treinado para prestar mais atenção ao silêncio entre os estrondos do que aos próprios estrondos. Este artigo faz uma pergunta simples: Podemos ensinar o computador a ouvir com mais atenção as partes silenciosas sem mudar o próprio computador?

Ajustando o Ouvido: Uma Nova Forma de Ensinar o Computador

Os pesquisadores por trás deste estudo, liderados por Shinya Katoh e sua equipe da Universidade de Tóquio e da Universidade de Quioto, perceberam que o problema não era o "cérebro" do computador (sua arquitetura), mas sim como estavam ensinando a ele. Eles compararam o processo de treinamento a um professor corrigindo o dever de casa de um aluno.

Na forma padrão de treinar esses modelos, o computador analisa um bloco de 30 segundos de dados de terremotos. Nesse bloco, o "fundo" (as partes silenciosas e entediantes onde nada está acontecendo) ocupa cerca de 98% do tempo. Os sinais reais de terremotos (as ondas P e S) são picos minúsculos e agudos que podem ocupar apenas 1% cada. Quando o computador tenta aprender, ele recebe uma "pontuação" baseada em quão bem ele prevê os 30 segundos inteiros. Como o fundo é enorme, o computador aprende que a maneira mais fácil de obter uma boa pontuação é simplesmente prever "fundo" o tempo todo. Ele se torna preguiçoso, ignorando os picos minúsculos e importantes porque eles não importam muito para sua nota geral. É como um aluno que só estuda os capítulos chatos de um livro didático porque a prova é majoritariamente sobre esses capítulos, e acaba perdendo completamente as reviravoltas cruciais e emocionantes da trama.

Para corrigir isso, a equipe inventou um novo "sistema de graduação" chamado perda de entropia cruzada suave ponderada pela área (area-weighted soft cross-entropy loss). Em vez de tratar cada segundo da gravação de forma igual, este novo método dá ao computador um bônus massivo por acertar os picos minúsculos e importantes. É como dizer ao aluno: "Se você acertar o fundo entediante, ganha um ponto. Mas se você detectar a pequena onda P ou S, ganha cem pontos!". Isso força o computador a prestar uma atenção intensa aos tempos de chegada das ondas, mesmo que elas sejam raras.

O Que Eles Descobriram: Capturando Mais Sussurros

A equipe testou esse novo "sistema de graduação" em dois modelos populares de detecção de terremotos, SegPhase e PhaseNet. Eles não mudaram os cérebros dos modelos; apenas mudaram as regras do jogo.

Os resultados mostraram uma mudança clara de comportamento. Os modelos treinados com as novas regras ponderadas tornaram-se muito mais sensíveis.

Tempo mais preciso: Quando os modelos previam um tempo de chegada, eram muito mais precisos. A "dispersão" ou espalhamento de seus erros diminuiu significativamente. Para o modelo SegPhase, a dispersão do erro para ondas P encolheu de 0,20 segundos para 0,07 segundos, e para ondas S, caiu de 0,27 segundos para 0,05 segundos.
A Troca (Trade-off): No entanto, ser mais sensível veio com um custo. Os modelos começaram a "ver" coisas que não estavam exatamente lá. Eles tornaram-se melhores em capturar terremotos reais (maior revocação ou recall), mas também começaram a sinalizar ruídos como se fossem terremotos (menor precisão). É como um detector de metais que é tão sensível que apita para uma lata de refrigerante tanto quanto para uma moeda de ouro. Os pesquisadores descobriram que os modelos tornaram-se "orientados à revocação", o que significa que eram menos propensos a perder um evento real, mesmo que isso significasse ter que verificar alguns alarmes falsos posteriormente.

O Teste no Mundo Real: O Terremoto de Ridgecrest

Para ver se isso realmente funcionava no mundo real, a equipe aplicou seus novos modelos aos dados contínuos da sequência do terremoto de Ridgecrest de 2019 na Califórnia. Este foi um evento massivo com um choque principal e milhares de réplicas.

Os resultados foram impressionantes. Os modelos com perda ponderada detectaram significativamente mais terremotos do que os modelos originais:

O SegPhase encontrou 34.008 terremotos com o novo método, comparado a 26.914 com o método antigo.
O PhaseNet encontrou 32.997 terremotos com o novo método, comparado a 23.622 com o método antigo.

Esses números superaram até mesmo as contagens de dois catálogos existentes criados por outros especialistas usando métodos diferentes. Os novos modelos mapearam com sucesso as mesmas zonas sísmicas que os especialistas, mas encontraram muitos eventos menores entre elas. Isso sugere que, ao tornar os modelos menos temerosos de perder um sinal, eles podem ajudar os cientistas a construir uma imagem muito mais completa da atividade sísmica.

Os Limites: Quando o Ruído é Alto Demais

Mas a história não termina com uma solução perfeita. Os pesquisadores foram honestos sobre os limites. Eles descobriram que, embora o novo método fosse ótimo para encontrar pequenos terremotos no meio de uma sequência, ele ainda tinha dificuldades imediatamente após os maiores e mais barulhentos terremotos.

Logo após um grande tremor, o chão continua vibrando por um longo tempo com "ondas de coda" — um estrondo caótico e de alta energia que abafa os sinais minúsculos do próximo pequeno terremoto. Mesmo com os novos "pontos de bônus" para detectar sinais, o computador não conseguia ouvir os pequenos sussurros porque o rugido do grande terremoto era simplesmente alto e desordenado demais. O artigo sugere que, embora mudar as regras de treinamento ajude, isso não pode resolver o problema de sinais que estão fisicamente enterrados uns sob os outros.

A Conclusão

Este artigo mostra que você nem sempre precisa construir um cérebro computacional maior e mais complexo para resolver um problema. Às vezes, você só precisa mudar a forma como o ensina. Ao reponderar a importância dos momentos minúsculos e cruciais nos dados, os pesquisadores tornaram os modelos existentes muito melhores em detectar terremotos, especialmente os pequenos, que são fáceis de perder. É um lembrete de que, no mundo barulhento e caótico da ciência sísmica, às vezes a melhor maneira de ouvir o futuro é ouvir um pouco mais atentamente as partes silenciosas do passado.

Resumo Técnico: Melhorando a Detecção de Fases Sísmicas Baseada em Aprendizado Profundo ao Abordar o Desequilíbrio de Rótulos

Definição do Problema
A detecção de fases baseada em aprendizado profundo (deep learning) aumentou significativamente a eficiência da análise de formas de onda sísmicas, alcançando uma precisão comparável à de especialistas humanos. No entanto, uma limitação crítica persiste: o desempenho da detecção degrada-se quando múltiplas fases sísmicas ocorrem dentro de um único traço de forma de onda, um cenário comum durante sequências sísmicas intensas, como réplicas. Os autores hipotetizam que essa degradação decorre do desequilíbrio de rótulos inerente à detecção de fases baseada em segmentação semântica. Nas formulações padrão, os rótulos alvo para as fases P e S são representados por distribuições gaussianas estreitas (ocupando ~~1% da janela temporal cada), enquanto o rótulo de fundo (N) ocupa a vasta maioria (~~98%). Sob a função de perda de entropia cruzada padrão, o objetivo de treinamento é dominado pela classe de fundo, fazendo com que o modelo se torne conservador e perca chegadas de fases fracas ou sobrepostas.

Metodologia
Para abordar este desequilíbrio sem alterar a arquitetura do modelo subjacente, os autores propõem uma função de perda de entropia cruzada suave ponderada pela área (WCE).

Construção de Rótulos: Os rótulos alvo são construídos usando funções gaussianas centradas nos tempos de chegada detectados manualmente ( $\mu$ ) com um desvio padrão de $\sigma = 0,1$ s. O rótulo de fundo é definido como o complemento para garantir que a soma das probabilidades das classes seja igual a um em cada passo temporal.
Esquema de Ponderação: A função de perda proposta calcula a área temporal ( $A_c$ ) de cada rótulo de classe para uma determinada forma de onda. Os coeficientes de ponderação ( $\alpha_P, \alpha_S$ ) são derivados com base na razão entre a área de fundo e as áreas das fases. Esses coeficientes são usados para definir um peso dependente do tempo $w(b,t)$ que enfatiza amostras próximas às chegadas das fases P e S (onde o rótulo gaussiano é alto) e reduz o peso das amostras de fundo.
Formulação da Perda: A perda final é uma média ponderada da entropia cruzada suave ao longo do tempo, normalizada pela soma dos pesos para cada traço para estabilizar o treinamento.
Modelos Avaliados: O método foi testado em duas arquiteturas estabelecidas: SegPhase e PhaseNet.
Configuração Experimental: Os modelos foram treinados em dados sísmicos japoneses. A avaliação envolveu:
1. Conjunto de Dados de Teste: Análise de resíduos de tempo de chegada e métricas dependentes de limiar (Precisão, Recall, F1).
2. Aplicação Contínua: Aplicação a formas de onda contínuas da sequência de terremotos de Ridgecrest de 2019 (4 a 9 de julho de 2019) usando 36 estações. A associação de fases foi realizada usando REAL, e os hipocentros foram determinados usando Hypomh. Os resultados foram comparados com os modelos de perda original e catálogos existentes.

Principais Resultados

Redução de Resíduos: A função de perda ponderada reduziu significamente a dispersão dos resíduos de tempo de chegada. Para o SegPhase, o desvio padrão dos resíduos da onda P diminuiu de 0,20 s para 0,07 s, e os resíduos da onda S de 0,27 s para 0,05 s. Melhorias semelhantes foram observadas para o PhaseNet. Os resíduos médios permaneceram em 0,00 s, indicando ausência de viés sistemático.
Troca entre Precisão e Recall (Precision-Recall Trade-off): A perda ponderada deslocou o comportamento do modelo para um regime orientado ao recall. Embora a precisão tenha diminuído ligeiramente devido a um aumento de falsos positivos (FP), o recall melhorou significativamente conforme os falsos negativos (FN) foram reduzidos. Os modelos tornaram-se menos conservadores, gerando picos de probabilidade para chegadas mais fracas ou parcialmente sobrepostas que os modelos de perda original perderam.
Recuperação de Eventos em Ridgecrest: Quando aplicado à sequência de Ridgecrest, os modelos de perda ponderada detectaram substancialmente mais terremotos do que os modelos de perda original e excederam as contagens de eventos dos catálogos de referência baseados em correspondência de templates (template matching).
- SegPhase: 34.008 eventos (Ponderado) vs. 26.914 (Original).
- PhaseNet: 32.997 eventos (Ponderado) vs. 23.622 (Original).
- A distribuição espacial dos eventos detectados reproduziu corretamente as zonas de réplicas conhecidas, e a evolução temporal coincidiu com as características da sequência.
Limitações: A melhoria não foi uniforme. Embora a perda ponderada tenha aumentado a detecção de pequenos terremotos sucessivos (M ~1–2), ela não resolveu totalmente a detecção de pequenos eventos imediatamente após os maiores terremotos principais (Mw 7,1). Nesses períodos, os inícios de fase foram provavelmente mascarados por ondas de coda de alta amplitude e longa duração, uma limitação física de separabilidade de sinal que a reponderação de perda sozinha não consegue superar.

Significância e Alegações
O artigo afirma que o design da função de perda é uma abordagem eficaz e independente de arquitetura para melhorar a sensibilidade da detecção de fases baseada em aprendizado profundo. Ao redistribuir o objetivo de treinamento do fundo dominante para as regiões estreitas de chegada de fase, o método proposto:

Melhora a consistência temporal das detecções previstas.
Reduz as chegadas perdidas (falsos negativos), o que é crítico para a associação de eventos subsequente em monitoramento contínuo.
Melhora a recuperação de eventos em sequências sísmicas densas, mesmo quando aplicado a dados de regiões (Califórnia) diferentes dos dados de treinamento (Japão).

Os autores concluem que, embora o método não resolva o desafio fundamental de sinais sobrepostos em ambientes de coda forte, ele proporciona uma melhoria significativa na sensibilidade que facilita a detecção de mais terremotos em análise de forma de onda contínua. O aumento da sensibilidade exige o uso de limiares de probabilidade e restrições de associação apropriados para gerenciar o aumento resultante de falsos positivos.