如果地下深处的岩石在压力和温度变化的作用下破裂，它发出的声音能被听到和识别吗?当岩石被其他地下噪音包围时，要找到它破裂时发出的特定声音似乎是不可能的。
但是德克萨斯农工大学的研究人员Siddharth Misra博士，也就是小Ted H. Smith。和哈罗德万斯石油工程系的Max R. Vordenbaum 73年的DVG副教授，发现了一种方法来听到并验证这种声音。
“能源部把特定事件的声音称为‘信号’，”米斯拉说。“在这种情况下，该特征识别出了地球地下岩石的断裂或机械不连续，特别是当这些断裂继续增长或传播成裂缝时。”
Misra和他的博士生刘锐在2022年5月的《系统和信号处理》杂志上发表了他们的初步发现。
为什么基础能源科学想要识别这个签名?声音通常是环境和安全变化的重要线索。诸如地下爆炸之类的威胁性噪音是很难被误解的。但高层建筑地基开裂和倒塌的轻微声音也同样具有威胁性。因此，岩石发生力学破坏时的基本声音是一个值得寻找的基本和关键线索。
“这项研究的核心是在一个庞大的数据集中确定一些具体的东西，”Misra说。“信用卡交易就是一个例子。您无法监视整个数据集以防止欺诈，因为交易是如此多样。你必须找到一些指示性的迹象，比如在一个城市用信用卡支付优步(Uber)在另一个城市的费用后，立即在一个城市预订航班。这种差异就是一种特征。”
以前的精确定位地下机械故障的尝试从来没有带来可靠的成功，但Misra发现，有监督的机器学习、因果发现和快速模拟这三种研究方法的不同寻常的结合，可以解决这个问题。
研究生研究员刘锐(Rui Liu)正在与她的导师西达尔特·米斯拉(Siddharth Misra)博士合作一个项目
证实了岩石破裂时发出的明确的声音特征
ntinues骨折。资料来源:德州农工大学工程学院的南希·吕德克
这种有监督的机器学习始于实验室实验，在实验中，一个多点传感器系统被放置在岩石表面，在岩石破裂并最终失败时记录声波在材料中的传播测量值。计算机监测这些信息，并被告知哪些数据签名意味着初始、中间和最终阶段的损害。一旦计算机知道要寻找什么，一个在正负测量值之间的零点上反复上下移动的标志就引起了计算机的注意。
“我只能用眼睛看到东西的颜色或形状，”刘先生说。但机器学习可以从数据中识别出更多的特征。它挑选出那些积极和消极的转折，我们使用这个标志来获得进一步的结果。”
Misra和Liu寻找每一个转弯的原因，以确认它们的来源。他们不能依靠计算机来完成这一步，因为机器学习并不是最好的解释器。
“在炎热的夏天，冰淇淋的销量增加，溺水死亡人数增加，”Misra说。“如果你使用机器学习或简单的统计方法，他们可能会说，人们溺水是因为人们吃冰淇淋。这是一个关联。虽然它们都与夏天的炎热有关，但它们彼此之间没有联系。他们每个人都有不同的原因。我们正在寻找这些转变的原因，因为这是它们变得有意义的时候。”
Misra和Liu创建了一个工作流，可以生成各种裂缝传播场景和测量波形。然后，他们提高了工作流的速度，以快速运行每个事件的2万个不同的可能性模拟。这使得研究人员发现了最好的因果解释。
“我们没有控制不连续传播的方式，所以有很多随机性，”Misra说。“然而，随着裂缝的增长，尽管在方向或长度上存在差异，结果显示，在波形零点上，放大或正、负转向的增加类似。所以，这是岩石破裂的明确标志，据我所知，在这项研究之前，这是不为人知的。”
虽然这一发现令人兴奋，但该项目还有几个月的时间。Misra打算探索数据驱动模拟和因果发现方法的局限性。他还将测试其他方法，看看是否会出现类似或不同的结果。
“作为科学家，作为工程师，我们需要做的是找到因果关系，找到因果关系，”Misra说。“我们尝试了很多不同的技术来发现这个签名及其因果关系。很多方法都不起作用，但有一个奏效了。现在我们需要找到它的极限。”
