基于LSTM的海啸检测框架：利用GNSS观测到的异常电离层扰动信号

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：An LSTM-Based Framework for Tsunami Detection Using Anomalous Traveling Ionospheric Disturbances from GNSS

　　

摘要：

海啸对沿海社区构成了严重威胁，因此需要及时有效的早期预警系统。本研究提出了一种新的预测框架，该框架利用全球导航卫星系统（GNSS）数据检测异常的行进电离层扰动（TIDs），并使用长短期记忆（LSTM）神经网络对其进行建模。TIDs由海啸引发的大气重力波引起，是海洋扰动的早期指标，但由于其非线性动力学特性，使用传统物理模型难以实时捕捉。我们将LSTM模型应用于新西兰38个永久性站点提供的GNSS总电子含量（TEC）数据。该模型经过一年的数据训练，并通过一个为期三天的实时仿真框架进行了评估（2013年2月5日至7日），其中包括2013年圣克鲁斯群岛海啸事件。该框架的F1分数达到92.8%，召回率为87.5%，证实了其接近实时的检测能力。检测到的TIDs传播速度约为232米/秒（GPS）和231米/秒（GLONASS），与GEBCO 2021年海床测量的理论海啸速度（约221米/秒）非常接近。小波频谱分析证实了与海啸引发的重力波一致的主要振荡现象。重要的是，在海啸到达前约22分钟就观察到了电离层异常，这证明了使用GNSS和深度学习进行海啸检测的可行性，并为操作性早期预警系统奠定了有希望的基础。