Cuma , Haziran 25 2021
Ana Sayfa / Dijital Dönüşüm ve Endüstri 4.0 / Bulut Bilişim / Bulut Bilişim Tabanlı Yeni Yaklaşım İle Doğal Sismik Sinyallerden Endüstriyel Gürültüyü Ayırmak Artık Mümkün

Bulut Bilişim Tabanlı Yeni Yaklaşım İle Doğal Sismik Sinyallerden Endüstriyel Gürültüyü Ayırmak Artık Mümkün

Sismologlar ilk kez bulut bilişim altyapısını kullanarak kıta çapında bir ölçekte endüstriyel faaliyetlerin sonucunda oluşan sinyalleri karakterize edebildiler. Araştırmacılar sismik aktiviteleri daha iyi anlamak için verileri analiz ederken  yenir bir dönüştürücü bulut bilişim yaklaşımı kullandılar.

Seismological Research Letters’da yayınlanan iki makalede Los Alamos Ulusal Laboratuarı’ndan bilim adamları, daha önce karakterize edilmiş “gürültü” analizini, kullandıkları yenilikçi bir yaklaşım sayesinde artık geniş bir coğrafik alanda uygulamanın mümkün olacağını söylediler.

Los Alamos Ulusal Laboratuvarı ve baş yazarlarından biri olan Omar Marcillo, “Geçmişte, endüstriyel faaliyetlerin bir sonucu olarak insan kaynaklı sismik sinyaller, bir veri kümesini kirleten ‘gürültü’ olarak görülüyordu. Çalışma ile ilk kez, bu gürültüyü bazı büyük makinelerden ayrı bir sinyal olarak tespit edebildik ve veri setinden çekebildik, böylece doğal sinyalleri antropojenik olanlardan ayırmamıza izin verdik” dedi.

Bulut Bilişim Tabanlı Yeni Yaklaşım İle Doğal Sismik Sinyallerden Endüstriyel Gürültüyü Ayırmak Artık Mümkün

Çalışma için ABD’deki 1.700’den fazla sismik istasyondan elde edilen bir yıllık veri kullanmıştır. Marcillo yaklaşık 1,5 milyon endüstriyel gürültü sekansı saptandığını, bunun da her istasyonda günde ortalama yaklaşık 2,4 adet algıya karşılık geldiğini ifade etti.

Marcillo, “Bu bize endüstriyel gürültünün ne kadar yaygın olduğunu gösteriyor. Sismik aktiviteyi analiz ederken neye baktığımızı tam olarak anlayabilmemiz için onu karakterize edebilmemiz ve diğer sismik sinyallerden ayırabilmemiz önemlidir” dedi.

Bu verilere, sismolojik araştırmalarda daha fazla ölçeklenebilirlik ve esneklik sağlayan yeni bir yaklaşım olan bulut bilişim kullanılarak erişildi ve işlendi. Yaklaşım, bulut bilişim hizmetlerinin, verilerin indirilmesini, depolanmasını ve işlenmesini gerektiren geleneksel bilişimden on kat daha hızlı büyük ölçekli sismik analiz yapmak için nasıl kullanılabileceğini gösteren tamamlayıcı bir makalede ayrıntılı olarak açıklanmaktadır. Amazon Web Services’in bulut bilişimini kullanarak, araştırmacılar sadece 80 saat içinde 5.6 terabayt sıkıştırılmış sismik veri elde edebildi ve işleyebildi. Bunu geleneksel hesaplama yöntemlerini kullanarak yapmak haftalar sürecekti.

Marcillo, ülke genelinde endüstriyel gürültüyü karakterize etme çalışmalarının bu yeni bulut bilişim yaklaşımı olmadan mümkün olmayacağını söyledi. “Meslektaşlarım ve ben, endüstriyel gürültü sinyalinin diğer sismik sinyalden nasıl ayrılacağını anladık, ancak henüz ölçekleyemedik” dedi. Marcillo, çalışmayı geniş bir coğrafi alanı kapsayacak şekilde genişletmenin bir yolunu bulmak için Jonathan MacCarthy ile işbirliği yaptıklarını söyledi.

Bulut bilişim teknolojileri; işlem hızı, bellek gereksinimleri ve farklı işleme mimarileri de dahil olmak üzere birçok araştırma uygulamasının değişen ihtiyaçlarına uyum sağlayacak kadar esnektir.

Bulut tabanlı yaklaşım hakkındaki makalenin baş yazarı MacCarthy: “Sismoloji veri açısından zengin bir alandır. Daha önce, sismik verilerin her bir araştırmacı tarafından indirilmesi ve işlenmesi gerekiyordu. Bulut bilişim, tüm verilerin tek bir yerde depolanmasına ve araştırmacıların topluluğa dayalı bir şekilde kolayca erişmesine ve üzerinde çalışmasına izin veriyor. Bu büyük gelişme, büyük veri kümeleri üzerindeki sismolojik araştırmaların biçimini tamamen dönüştürme potansiyeline sahiptir ” dedi.

Makale 1: Jonathan MacCarthy, Omar E. Marcillo. Mapping Seismic Tonal Noise in the Contiguous United States. Seismological Research Letters, 2020; 91 (3): 1707 DOI: 10.1785/0220190355

Makale 2: Chad Trabant, Omar Marcillo, Jonathan MacCarthy. Seismology in the Cloud: A New Streaming Workflow. Seismological Research Letters, 2020; 91 (3): 1804 DOI: 10.1785/0220190357

Bir Cevap Yazın

E-posta hesabınız yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Copy Protected by Chetans WP-Copyprotect.