由于人口密集，并存在眾多重要的設施，城市中一旦發(fā)生破壞性地震將引發(fā)災難性的后果。因此，各國當局和科學家們都在努力加強城市區(qū)域內(nèi)的地震活動監(jiān)測。然而，同樣由于人口密集，設施眾多的原因，城市區(qū)域的地震活動監(jiān)測也遭受著人為活動產(chǎn)生的噪聲所影響。

這些噪聲包括交通運輸引起的地面震動，風作用在地標建筑上引起的震動，以及其他的震動事件。

科學家們曾經(jīng)嘗試改變傳統(tǒng)的單站監(jiān)測模式，建立了一套密集陣列，來試圖削弱這些噪聲的影響，以探測強度較低的地震活動。2011年至2012年，人們在洛杉磯大都會區(qū)建立了這么一套陣列(探測單元間間距約100米)，但效果并不讓人滿意。

直到最近，研究人員開發(fā)了一套基于深度學習的人工智能(AI)算法。他們提取了猶他大學地震臺網(wǎng)高信噪比的地震事件信號，以及洛杉磯陣列記錄的當?shù)卦肼曅盘?，并將兩者混合，產(chǎn)生不同信噪比的數(shù)據(jù)集，用來訓練該人工智能。

隨后，他們使用洛杉磯陣列中沒有用作訓練的信號，以及La Habra的區(qū)域性地震網(wǎng)臺的信號，對訓練后的人工智能進行檢驗。結果顯示，這套被命名為UrbanDenoiser的人工智能既能處理陣列的信號，也能處理區(qū)域性網(wǎng)臺的信號。

通過它的降噪處理，人們可以發(fā)現(xiàn)一些過去并未能發(fā)現(xiàn)的地震事件，從而提高對當?shù)氐卣鸹顒拥牧私?。這對于城市，特別是向洛杉磯、東京這些人口密集的大城市的地震活動監(jiān)測將帶來極大的幫助。

研究人員表示，盡管這一系統(tǒng)是針對地震活動進行開發(fā)的，但通過合適的訓練，同樣適用于對其他震動事件的監(jiān)測。當然，在這個時候，地震的信號就應該按噪聲來處理。