Nasa Space Application bizlerden ne ister. ( seismic categorisi )

Sismik veriler genellikle çevresel faktörlerden (örneğin rüzgar, makineler vb.) kaynaklanan gürültü ve faydalı sismik sinyallerden oluşur. Bu verileri doğru analiz edebilmek ve anlamlı sismik olayları gürültüden ayırt edebilmek için öncelikle verilerin doğasını anlamak gerekir. Bu veriler, Dünya'da olduğu gibi Ay ve Mars gibi gezegenlerde de toplanabilir ve genellikle açık kaynaklardan elde edilebilir. Örneğin, Apollo ve Mars InSight görevlerinden alınan sismik veriler, bu tür verileri incelemek için uygun kaynaklardandır.

Verileri analiz etmeye başlamadan önce, veri ön işleme süreci önemlidir. Sismik sinyallerdeki gürültüyü gidermek için çeşitli yöntemler uygulanır. Örneğin, Fourier dönüşümü sinyalin frekans bileşenlerini analiz etmeye yardımcı olur ve yüksek frekanslı gürültü veya düşük frekanslı kaymaları ortadan kaldırabilir. Bunun yanı sıra, Wavelet dönüşümü kısa süreli ve değişken sinyalleri, örneğin deprem sinyallerini, tespit etmek için etkilidir. Ayrıca, hareketli ortalama veya Gauss filtresi gibi filtreler kullanarak veriyi yumuşatmak ve gürültünün etkisini en aza indirmek mümkündür.

Gürültü temizlendikten sonra, sismik olayları ayırt etmek için bazı temel özelliklerin çıkarılması gerekir. Sismik depremler genellikle gürültüye kıyasla daha yüksek bir genliğe sahiptir. Depremler düzenli ve sürekli bir sinyale sahiptirken, gürültü daha düzensiz olabilir. Sinyalin frekans içeriğini inceleyerek deprem ile gürültü arasındaki farkı anlamak mümkündür.

Sismik veri analizinde makine öğrenmesi yöntemlerinden de yararlanılabilir. Eğer mevcut verilere dayalı olarak bir model eğitmek mümkünse, bu model gelecekte kaydedilen verileri otomatik olarak deprem veya gürültü olarak sınıflandırabilir. Bunun için öncelikle mevcut verilerde sismik olaylar etiketlenmeli ve ardından sınıflandırma algoritmaları (örneğin SVM, karar ağaçları veya sinir ağları) kullanılmalıdır. Model, sinyalin genliği, frekans içeriği ve sinyal süresi gibi özelliklerden faydalanarak tahmin yapabilir.

Bazen basit eşikleme yöntemleri kullanarak da sismik olayları tespit etmek mümkündür. Eğer bir sinyalin genliği ve süresi belirli bir eşiği aşarsa, onu deprem olarak sınıflandırmak mümkün olabilir. Bu yöntem özellikle kaynakların kısıtlı olduğu ortamlarda pratik ve etkili bir çözüm olabilir.

Canlı veri akışı ile çalışırken ise gerçek zamanlı sinyal analizi yapılması gerekir. Bu durumda kayan pencere tekniği uygulanabilir. Sürekli olarak gelen veri parçalarını analiz ederek belirli kriterlere uyan sismik olaylar tespit edilebilir. Bu yöntem, gerçek zamanlı analiz yapmak için ideal bir seçenektir.

Verimlilik açısından, programın düşük enerji tüketimiyle çalışması çok önemlidir. Özellikle gezegenler arası görevlerde yalnızca anlamlı verilerin toplanması ve iletilmesi gerektiğinden, olay bazlı işleme sistemleri kullanılmalıdır. Bu, sadece sismik olaylar tespit edildiğinde verilerin depolanmasını ve iletilmesini sağlar.