监测系统、监测设备、监测方法和非暂时性计算机可读介质与流程

1.本公开涉及监测系统、监测设备、监测方法和非暂时性计算机可读介质。


背景技术：

2.传统上，地震强度是在地震发生时用地震仪测量的。然而，地震仪只能监测地震仪安装点处的振动状态，因此不能全面监测地震发生的整个区域。
3.同时，最近提出了一些技术，其中，通过使用光纤来监测诸如地震或海啸的自然现象。
4.例如，根据专利文献1中记载的技术，将通过覆盖不同长度的多个光纤环而形成的光缆铺设在海床上。然后，多个光纤环各自检测由海水施加的负载，并基于移动负载的移动速度确定该负载对应于海啸、水下声波和地震波中的哪一个。
5.引文列表
6.专利文献
7.专利文献1：日本未审查专利申请公开号h08
‑
128869


技术实现要素：

8.技术问题
9.如上所述，根据专利文献1中描述的技术，基于在多个观测点处获得的负载的移动速度来确定诸如地震或海啸的自然现象。然而，这种技术的缺点在于难以进行更精确的监测。例如，利用上述技术难以区分地震和火山震颤或区分地震波的s波和p波。
10.因此，本公开旨在解决这些缺点，并旨在提供一种能够以更高的准确度和细节识别自然现象的监测系统、监测设备、监测方法和非暂时性计算机可读介质。.
11.问题解决方案
12.根据一个方面的监测系统包括：
13.铺设在地面或海床上的光纤；
14.光纤感测单元，其被配置为从所述光纤接收光信号并基于所述光信号检测在地面或海床中产生的振动；以及
15.分析单元，其被配置为基于所检测的振动的独特模式识别引起所检测的振动的自然现象。
16.根据一个方面的监测设备包括：
17.光纤感测单元，其被配置为从铺设在地面或海床上的光纤接收光信号，并基于所述光信号检测在所述地面或所述海床中产生的振动；以及
18.分析单元，其被配置为基于所检测的振动的独特模式识别引起所检测的振动的自然现象。
19.根据一个方面的一种监测方法包括：
20.从铺设在地面或海床上的光纤接收光信号并基于所述光信号检测在地面或海床
中产生的振动的步骤；以及
21.基于所检测的振动的独特模式识别引起所检测的振动的自然现象的步骤。
22.根据一个方面的非暂时性计算机可读介质是
23.一种存储程序的非暂时性计算机可读介质，所述程序使计算机执行：
24.从铺设在地面或海床上的光纤接收光信号并基于所述光信号检测在所述地面或所述海床中产生的振动的过程；以及
25.基于所检测的振动的独特模式识别引起所检测的振动的自然现象的过程。
26.发明的有益效果
27.上述方面可以有利地提供能够以更高的准确度和细节识别自然现象的监测系统、监测设备、监测方法和非暂时性计算机可读介质。
附图说明
28.图1图示了根据第一示例实施例的监测系统的配置的示例。
29.图2图示了根据第一示例实施例的当光纤围绕火山铺设时如何布置光纤的示例。
30.图3图示了根据第一示例实施例的当铺设光纤时如何配置光纤的示例。
31.图4图示了根据第一示例实施例的要由光纤感测单元获取的振动数据的示例。
32.图5图示了根据第一示例实施例的、示出了识别由分析单元识别的自然现象的结果的gui画面的示例。
33.图6是图示了根据第一示例实施例的要由分析单元执行的机器学习的示例的流程图。
34.图7图示了根据第一示例实施例的要在由分析单元执行的机器学习中使用的训练数据的示例。
35.图8是图示根据第一示例实施例的实现监测设备的计算机的硬件配置的示例的框图。
36.图9是图示根据第一示例实施例的监测系统的操作流程的示例的流程图。
37.图10图示了根据第二示例实施例的监测系统的配置的示例。
38.图11图示了根据第二示例实施例的可视化如何在监测系统中二维地检测地震波的示例。
39.图12图示了根据第二示例实施例的要由光纤感测单元获取的振动数据的示例。
40.图13是图示根据第二示例实施例的监测系统的操作流程的示例的流程图。
41.图14是图示根据第三示例实施例的监测系统的操作流程的示例的流程图。
42.图15图示了根据另一示例实施例的要由光纤感测单元获取的振动数据的示例。
43.图16图示了根据另一示例实施例的要由光纤感测单元获取的振动数据的示例。
44.图17图示了根据另一示例实施例的要由光纤感测单元获取的振动数据的示例。
45.图18图示了根据另一示例实施例的要由光纤感测单元获取的振动数据的示例。
46.图19图示了根据另一示例实施例的要在由分析单元执行的机器学习中使用的训练数据的示例。
具体实施方式
47.在下文中，将参照附图描述本公开的一些示例实施例。
48.第一示例实施例
49.第一示例实施例的配置
50.首先，参考图1，将描述根据第一示例实施例的监测系统的配置。
51.如图1所示，根据第一示例实施例的监测系统包括光纤10和监测设备20。
52.光纤10被铺设在其中要监测自然现象的区域中的地面或海床上。自然现象的示例包括地震、海啸、火山震颤、地壳运动、火山活动、地下岩浆的积累和地下水运动。例如，在火山要被监测的情况下，如图2所示，铺设光纤10以便包围火山的平坦地面部分。在这种情况下，例如，如图3所示，光纤10可以被铺设为光纤10螺旋地缠绕在中心管11上。或者，可以以通过覆盖光纤10而形成的光缆(未图示)的形式铺设光纤10。
53.监测设备20用于监测在其中铺设光纤10的区域中发生的自然现象。监测设备20包括光纤感测单元21和分析单元22。在该示例中，光纤感测单元21和分析单元22可以设置在单独的设备中并且被配置为能够相互通信。
54.光纤感测单元21连接到光纤10并向光纤10输入脉冲光。此外，光纤感测单元21从光纤10接收在脉冲光传输通过光纤10时在每个传输距离处产生的背向反射光。
55.当在铺设光纤10的区域中发生诸如地震、海啸、火山震动、地壳运动、火山活动或地下水运动的自然现象时，产生振动。例如，在地震的情况下，产生与地震振动或地面运动相对应的振动。在海啸的情况下，产生与海水运动相对应的振动。在火山震动、地壳运动或火山活动的情况下，产生与地面运动相对应的振动。在地下水运动的情况下，产生对应于地下水运动的改变。这些振动传播到光纤10并叠加到通过光纤10传输的背向反射光上。因此，光纤感测单元21可以基于从光纤10接收的背向散射光检测通过自然现象产生的振动。此外，光纤感测单元21还可以基于从在光纤感测单元21已经向光纤10输入脉冲光时到在光纤感测单元21已经接收到叠加振动的背向散射光时经过的时间来检测产生接收到的背向散射光的位置(与光纤感测单元21的距离)。
56.例如，光纤感测单元21通过使用分布式振动传感器来检测从光纤10接收的背向散射光。因此，光纤感测单元21可以检测通过自然现象产生的振动以及已经产生与这些振动叠加的背向散射光的位置，且可以因此获取检测到的振动的振动数据。
57.在该示例中，由光纤感测单元21检测到的振动的振动模式是动态波动的波动模式，例如如图4所示。图4图示了在光纤10的某个位置处检测到的振动的振动数据。横轴表示时间，纵轴表示振动强度。光纤感测单元21检测到的振动的振动模式取决于引起振动的自然现象的类型而改变。因此，由光纤感测单元21检测到的振动的振动数据具有动态的、独特模式，其中，例如振动强度、振动位置、振动次数的波动取决于自然现象的类型而不同地改变。
58.因此，分析单元22分析由光纤感测单元21获取的振动数据的独特模式的动态改变，并且因此可以识别引起振动的自然现象。具体地，分析单元22可以从例如但不限于地震、海啸、火山震动、地壳运动、火山活动和地下水运动当中识别引起振动的自然现象。
59.现在，将详细描述分析单元22识别引起振动的自然现象所使用的方法。分析单元22可以通过以下方法a1和a2中的任一种来识别自然现象。
60.(1)方法a1
61.首先，将描述方法a1。
62.方法a1通过使用模式匹配识别引起振动的自然现象。
63.当分析单元22要识别引起振动的自然现象时，分析单元22从光纤感测单元21获取监测振动的振动数据(例如，类似于图4所示的振动数据的振动数据)。分析单元22然后将获取的振动数据的独特模式与用于匹配的预设模式进行比较，且如果独特模式与用于匹配的模式匹配，则识别自然现象。在该示例中，分析单元22可以保存对应于多个自然现象的多个用于匹配的模式，并通过将独特模式与对应于多个自然现象的用于匹配的模式中的每一个进行比较来识别多个自然现象当中的自然现象。
64.在这种情况下，分析单元22可以计算独特模式与用于匹配的模式的匹配率，并将计算出的匹配率与阈值进行比较。因此，分析单元22可以确定独特模式是否匹配用于匹配的模式。例如，在表1所示的示例中，如果匹配率为70％或更高，则分析单元22确定其为匹配，如果匹配率为40％或更低，则确定其为不匹配，或者，如果匹配率在40％到70％之间，则确定存在匹配的可能性。
65.[表1]
[0066]
匹配率匹配/不匹配70％或更高匹配40％到70％匹配的可能性40％或更低不匹配
[0067]
此外，分析单元22可以通过机器学习(例如，深度学习等)来学习用于匹配的模式。此外，分析单元22可以根据需要通过机器学习来更新或添加用于匹配的模式。
[0068]
分析单元22可以在显示设备(未图示)上显示示出识别自然现象的结果的图形用户界面(gui)画面。例如，在图5所示的示例中，在gui画面上显示与地震的匹配度和每个区域中的预测地震强度。在该示例中，关于预测的地震强度，分析单元22可以与现有的地震仪合作，并且在获得独特模式时学习该独特模式与用地震仪观测到的地震强度之间的关联模式。在分析单元22显示与地震的匹配度的情况下，分析单元22可以计算海啸的风险并且进一步在gui画面上显示计算的海啸风险。在分析单元22显示海啸风险的情况下，分析单元22还可以检测在地震发生时是否发生海啸，并当获得了独特模式时学习该独特模式与是否发生海啸之间的关联模式。
[0069]
(2)方法a2
[0070]
接下来，将描述方法a2。
[0071]
方法a2涉及作为每个振动数据的独特模式的、与自然现象的类型对应的独特模式的机器学习(例如，深度学习等)，并通过使用机器学习的学习结果(初始训练模型)识别自然现象。
[0072]
现在，参考图6，将描述方法a2中的机器学习方法。
[0073]
如图6所示，分析单元22接收指示自然现象类型的训练数据和表示通过该自然现象产生的振动并由光纤感测单元21获取的振动数据的输入(步骤s11和s12)。图7图示了训练数据的一个示例。图7图示了用于关于三条振动数据a、b和c训练模型的训练数据的示例。例如，每个振动数据采用类似于图4所示的振动数据的形式。
[0074]
接下来，分析单元22执行训练数据和振动数据的匹配和分类(步骤s13)并进行监督的训练(步骤s14)。这产生初始训练模型(步骤s25)。该初始训练模型用作响应于监测的振动数据的输入而输出引起振动的自然现象的类型的模型。
[0075]
当分析单元22要识别引起振动的自然现象时，分析单元22从光纤感测单元21获取监测振动的振动数据(例如，类似于图4所示的振动数据的振动数据)，并且将获取的振动数据输入到初始训练模型中。因此，分析单元22从由初始训练模型输出的结果获得引起振动的自然现象。
[0076]
接下来，参考图8，将描述实现根据第一示例实施例的监测设备20的计算机40的硬件配置。
[0077]
如图8所示，计算机40包括例如处理器401、内存402、存储器403、输入/输出接口(输入/输出i/f)404和通信接口(通信i/f)405。处理器401、内存402、存储器403、输入/输出接口404和通信接口405通过数据传输线路相互连接，用于在它们之间发送和接收数据。
[0078]
处理器401是算术运算处理设备，例如中央处理单元(cpu)或图形处理单元(gpu)。例如，内存402是诸如随机存取存储器(ram)或只读存储器(rom)的存储器。例如，存储器403是诸如硬盘驱动器(hdd)、固态驱动器(ssd)或存储卡的存储设备。存储器403也可以是内存，诸如ram或rom。
[0079]
存储器403存储用于实现监测设备20中包括的光纤感测单元21和分析单元22的功能的程序。处理器401执行这些程序，从而实现光纤感测单元21和分析单元22的每个功能。当处理器401执行这些程序时，处理器401可以在将程序加载到内存402上时执行该程序，或者在不将程序加载到内存402上的情况下执行该程序。内存402或存储器403还用于存储由光纤感测单元21和分析单元22持有的信息或数据。
[0080]
这些程序可以通过使用各种类型的非暂时性计算机可读介质来存储并提供给计算机(包括计算机40)。非暂时性计算机可读介质包括各种类型的有形存储介质。非暂时性计算机可读介质的示例包括磁存储介质(例如，软盘、磁带、硬盘驱动器)、光磁存储介质(例如，磁光盘)、压缩光盘(cd
‑
rom)、可记录cd(cd
‑
r)、可重写cd(cd
‑
r/w)和半导体存储器(例如，掩模rom、可编程rom(prom)、可擦除prom(eprom)、闪存rom、ram)。程序还可以以各种类型的暂时性计算机可读介质的形式提供给计算机。暂时性计算机可读介质的示例包括电信号、光信号和电磁波。暂时性计算机可读介质可以经由诸如电线或光纤的有线通信线路或者经由无线通信线路将程序提供给计算机。
[0081]
例如，输入/输出接口404连接到显示设备4041和输入设备4042。显示设备4041是诸如液晶显示器(lcd)或阴极射线管(crt)显示器的设备，其显示与处理器401处理的绘图数据相对应的画面。输入设备4042是接收操作员的操作输入的设备。输入设备4042是例如但不限于键盘、鼠标或触控感应器。显示设备4041和输入设备4042可以集成并以触摸面板的形式实现。计算机40可以包括传感器(未图示)，诸如分布式振动传感器，并且该传感器可以连接到输入/输出接口404。
[0082]
通信接口405向外部设备发送数据和从外部设备接收数据。例如，通信接口405经由有线通信线路或无线通信线路与外部设备进行通信。
[0083]
第一示例实施例的操作
[0084]
现在，参考图9，将描述根据第一示例实施例的监测系统的操作的一般流程。
[0085]
如图9所示，首先，光纤感测单元21将脉冲光输入到铺设在地面或海底的光纤10，并接收来自光纤10的背向散射光(步骤s21)。
[0086]
接下来，光纤感测单元21根据从光纤10接收到的背向散射光来检测在地面或海床中产生的振动(步骤s22)。
[0087]
然后，分析单元22基于由光纤感测单元21检测到的振动的独特模式来识别引起振动的自然现象(步骤s23)。此时，分析单元22可以使用上述方法a1和a2中的任一种方法来识别自然现象。
[0088]
第一示例实施例的有益效果
[0089]
如上所述，根据第一示例实施例，光纤感测单元21基于从光纤10接收的背向散射光(光信号)检测在地面或海床中产生的振动，并且分析单元22基于由光纤感测单元21检测到的振动的独特模式识别引起振动的自然现象。这种配置使得可以更具体地识别引起振动的自然现象。
[0090]
此外，根据第一示例实施例，如上所述，分析单元22基于振动的独特模式识别引起振动的自然现象。换句话说，分析单元22例如通过动态分析振动改变的模式(例如，变化的振动强度中的改变)来识别自然现象，而不是基于粗略的标准——诸如振动的幅度(例如，基于大的振动和大量振动识别自然现象)——来识别自然现象。因此，可以以更高的准确度识别自然现象。
[0091]
根据第一示例实施例，通过使用铺设在地面或海床上的光纤10来检测振动。因此，与在点处检测振动的地震仪不同，光纤10可以检测沿线路的振动。这种配置使得可以全面监测铺设光纤10的整个区域。
[0092]
根据第一示例实施例，利用其中光纤10被用作传感器的光纤感测技术。这可以提供下述的优势：感测不受电磁噪声的影响，无需向传感器馈送电力，该技术在环境耐受性方面表现出色，或者维护变得更容易。
[0093]
第二示例实施例
[0094]
第二示例实施例的配置
[0095]
首先，参考图10，将描述根据第二示例实施例的监测系统的配置。
[0096]
在根据上述第一示例实施例的监测系统中，光纤10一维且线性地铺设在地面或海床上。
[0097]
相反，如图10所示，在根据第二示例实施例的监测系统中，光纤10二维地铺设在地面或海床上。注意，尽管在图10所示的示例中光纤10二维地铺设，这不是限制示例，并且光纤10也可以替代地三维地铺设。
[0098]
根据第二示例实施例的其他配置与根据上述第一示例实施例的配置类似。
[0099]
以此方式，在根据第二示例实施例的监测系统中，光纤10二维地铺设在地面或海床上。因此，在振动来源位于地震震源的情况下，如图11所示，例如，光纤10可以二维地检测地震波，这使得可以检测地震波的独特模式的二维分布。
[0100]
这样，根据第二示例实施例，分析单元22基于由光纤感测单元21获取的振动数据的独特模式和该独特模式的分布来识别引起振动的自然现象。
[0101]
具体地，当分析单元22要识别引起振动的自然现象时，分析单元22从光纤感测单元21获取监测振动的振动数据(例如，类似于图4所示的振动数据的振动数据)且获得诸如
图12所示的振动数据的振动数据。图12图示了在光纤10中各个位置处检测到的独特振动模式的分布，并示出了纵向排列的与图4所示的振动数据类似的振动数据。在图12中，振动数据位于图中越低，振动源越远。
[0102]
如上所述，根据第一示例实施例，分析单元22可以基于振动的独特模式识别引起振动的自然现象。例如，当独特模式是地震波的独特模式时，分析单元22可以识别引起振动的自然现象是地震。
[0103]
此外，独特模式的分布的使用使得可以提高分析单元22识别自然现象的准确度。例如，分析单元22可以基于光纤10中的位置和在各个位置检测到独特模式的时间来计算振动的传播速度。例如，在图12所示的示例中，分析单元22可以基于光纤10中离振动源最近的位置和离振动源最远的位置以及在相应位置检测到独特模式的时间t1和时间t2来计算振动的传播速度。例如，通过这种配置，分析单元22不仅可以识别独特模式是地震波的独特模式，而且可以识别该地震波是p波还是s波。
[0104]
此外，使用独特模式的分布使得分析单元22能够如上所述计算振动的传播方向以及振动的传播速度。因此，在识别引起振动的自然现象时，分析单元22可进一步计算振动的传播的速度和方向，并基于计算出的速度和方向来识别振动源的位置(距离和深度)。此时，分析单元22可以与现有的地震仪配合，并在已经观测到对应的分布时，学习独特模式的分布与用地震仪观测到的震源位置之间的关联模式。
[0105]
此外，在图12中，分析单元22可以将在光纤10中的相应位置处检测到的独特模式视为一个模式，并使用与根据第一示例实施例的上述方法a1或方法a2类似的方法来识别自然现象。
[0106]
第二示例实施例的操作
[0107]
现在，参考图13，将描述根据第二示例实施例的监测系统的操作的一般流程。
[0108]
如图13所示，首先，光纤感测单元21将脉冲光输入到铺设在地面或海底的光纤10，并接收来自光纤10的背向散射光(步骤s31)。
[0109]
接下来，光纤感测单元21基于从光纤10接收到的背向散射光来检测在地面或海床中产生的振动(步骤s32)。
[0110]
然后，分析单元22基于由光纤感测单元21检测到的振动的独特模式和该独特模式的分布来识别引起振动的自然现象(步骤s33)。
[0111]
第二示例实施例的有益效果
[0112]
如上所述，根据第二示例实施例，分析单元22基于由光纤感测单元21检测到的振动的独特模式和该独特模式的分布来识别引起振动的自然现象。这种配置使得可以进一步提高识别引起振动的自然现象的准确度。其他有益效果类似于根据上述第一示例实施例的那些有益效果。
[0113]
第三示例实施例
[0114]
第三示例实施例的配置
[0115]
在根据上述第一示例实施例的监测系统中，在地面或海床中产生的振动被检测为参数，并且基于振动的独特模式识别引起振动的自然现象。具体地，从例如但不限于地震、海啸、火山震动、地壳运动、火山活动和地下水运动当中识别出引起振动的自然现象。
[0116]
然而，当在铺设光纤10的区域发生诸如地震、海啸、火山震动、地壳运动、火山活动
或地下水运动的自然现象时，不仅会产生振动，也会发生声音或温度改变。在改变之后保持的这种声音和温度也传播到光纤10并叠加到由光纤10传输的背向反射光上。因此，光纤感测单元21还可以基于从光纤10接收到的背向散射光检测通过自然现象产生的声音和温度。
[0117]
例如，光纤感测单元21可以通过分别使用分布式声学传感器和分布式温度传感器检测从光纤10接收的背向散射光来检测在地面或海床中产生的声音和温度，并且获取检测到的声音的声学数据和检测到的温度的温度数据。
[0118]
在该示例中，由光纤感测单元21检测到的声音的模式和温度的模式各自也是动态波动的波动模式并且取决于引起振动的自然现象的类型而变化。因此，光纤感测单元21所检测到的声音的声学数据和温度的温度数据也各自具有对应于自然现象类型的动态独特模式。
[0119]
如此，根据第三示例实施例，光纤感测单元21进一步检测在地面或海床中产生的声音或温度中的至少一个作为参数，并且分析单元22基于由光纤感测单元21检测到的振动的独特模式和检测到的声音或检测到的温度中的至少一个的独特模式识别引起振动的自然现象。
[0120]
根据第三示例实施例的配置本身类似于根据上述第一示例实施例的配置。
[0121]
例如，如上所述，根据第一示例实施例，分析单元22可以基于振动的独特模式识别引起振动的自然现象是地震。此时，光纤感测单元21可以进一步检测地震产生的声音，分析单元22可以基于声音的独特模式和地震的独特模式的组合，将自然现象识别为地震。这可以进一步提高识别的准确度。
[0122]
此外，如上所述，根据第一示例实施例，分析单元22可以基于振动的独特模式识别引起振动的自然现象是海啸。此时，光纤感测单元21可以进一步检测海水运动产生的声音，分析单元22可以基于声音的独特模式和振动的独特模式的组合，将自然现象识别为海啸。这可以进一步提高识别的准确度。
[0123]
此外，如上所述，根据第一示例实施例，分析单元22可以基于振动的独特模式识别引起振动的自然现象是火山震颤、地壳运动或火山活动等。此时，光纤感测单元21可以进一步检测地面运动产生的声音和温度，分析单元22可以基于声音的独特模式、温度的独特模式和振动的独特模式的组合将自然现象识别为火山震颤、地壳运动或火山活动等。这可以进一步提高识别的准确度。
[0124]
此外，如上所述，根据第一示例实施例，分析单元22可以基于振动的独特模式识别引起振动的自然现象是地下水运动。此时，光纤感测单元21可以进一步检测地下水运动产生的声音，分析单元22可以基于声音的独特模式与振动的独特模式的组合，将自然现象识别为地下水运动。这可以进一步提高识别的准确度。
[0125]
此外，当自然现象是岩浆在地下的堆积时，可以基于温度的改变来检测接近的岩浆。因此，光纤感测单元21可以检测由岩浆运动产生的温度，并且分析单元22可以基于检测的温度的独特模式将自然现象识别为岩浆堆积。此时，光纤感测单元21可以进一步检测岩浆运动产生的振动，分析单元22可以基于振动的独特模式和温度的独特模式的足浴，将自然现象识别为岩浆堆积。这可以进一步提高识别的准确度。
[0126]
第三示例实施例的操作
[0127]
现在，参考图14，将描述根据第三示例实施例的监测系统的操作的一般流程。在以
下描述中，除了振动之外，光纤感测单元21还检测声音和温度两者。
[0128]
如图14所示，首先，光纤感测单元21将脉冲光输入到铺设在地面或海底的光纤10，并接收来自光纤10的背向散射光(步骤s41)。
[0129]
接下来，光纤感测单元21基于从光纤10接收到的背向散射光来检测在地面或海床中产生的振动、声音和温度(步骤s42)。
[0130]
然后，分析单元22基于由光纤感测单元21检测到的振动、声音和温度中的每一个的独特模式来识别引起振动的自然现象(步骤s43)。
[0131]
第三实施例的有益效果
[0132]
如上所述，根据第三示例实施例，光纤感测单元21进一步检测在地面或海床中产生的声音或温度中的至少一个，并且分析单元22基于由光纤感测单元21检测到的振动的独特模式以及检测到的声音或检测到的温度中的至少一个的独特模式识别引起振动的自然现象。这种配置使得可以进一步提高识别引起振动的自然现象的准确度。其他有益效果类似于根据上述第一示例实施例的那些有益效果。
[0133]
根据第三示例实施例，可以采用与根据上述第二示例实施例的配置类似的配置，并且分析单元22可以通过附加使用振动的独特模式的分布和声音或温度中至少一个的独特模式的分布来识别自然现象。这种配置使得可以进一步提高识别引起振动的自然现象的准确度。
[0134]
至此，已经参考一些示例实施例描述了本公开，但是本公开不限于上述示例实施例。在本公开的范围内，可以对本公开的配置和细节进行本领域技术人员能够理解的各种修改。
[0135]
例如，分析单元22可以附加地基于在地面或海床中产生的振动的独特模式随时间的改变来执行预测将来是否将发生预定自然现象的操作。
[0136]
现在，将详细描述分析单元22预测将来是否将发生预定自然现象的方法。分析单元22可以使用以下方法b1至b4中的任一种来进行这样的预测。
[0137]
(1)方法b1
[0138]
首先，参考图15对方法b1进行描述。图15图示了通过对在铺设光纤10的地面或海床中产生的振动的振动数据(横轴表示时间，纵轴表示振动强度)执行快速傅立叶变换(fft)而获得的振动数据(横轴表示频率，纵轴表示振动强度)。
[0139]
在图15所示的振动数据中，出现振动强度的频率峰值。
[0140]
例如，在有可能发生地壳运动和地下水运动等作为自然现象的情况下，出现频率峰值的频率从稳定状态改变且移位为高频侧。
[0141]
因此，分析单元22基于从光纤感测单元21获取的振动数据(例如，类似于图15所示的振动数据)中出现频率峰值的频率来预测将来是否将发生地壳运动或地下水运动等作为自然现象。此时，分析单元22可以基于出现频率峰值的频率从稳定状态的移位量来计算发生这种自然现象的风险。。
[0142]
(2)方法b2
[0143]
接下来，参考图16对方法b2进行说明。图16图示了通过对在铺设光纤10的地面或海床中产生的振动的振动数据(横轴表示时间，纵轴表示振动强度)执行fft而获得的振动数据(横轴表示频率，纵轴表示振动强度)。
[0144]
在图16所示的振动数据中，出现振动强度的频率峰值。
[0145]
例如，在有可能发生地壳运动或地下水运动等作为自然现象的情况下，出现频率峰值的频率和频率峰值的数量从稳定状态改变。
[0146]
因此，分析单元22基于从光纤感测单元21获取的振动数据(例如，与图16所示的振动数据类似的振动数据)中的出现频率峰值的频率和频率峰值的数量来预测将来是否将发生地壳运动或地下水运动等作为自然现象。此时，分析单元22可以基于出现频率峰值的频率从稳定状态的移位量或基于频率峰值的数量从稳定状态的增加数量来计算发生这种自然现象的风险。
[0147]
(3)方法b3
[0148]
接下来，参照图17对方法b3进行说明。图17图示了在铺设光纤10的地面或海底中产生的振动的振动数据(横轴表示时间，纵轴表示振动强度)。
[0149]
在图17所示的振动数据中，在地面或海底产生的振动随后衰减。
[0150]
例如，在有可能发生地面结构改变或地面塌陷等作为自然现象的情况下，该衰减时间变长。
[0151]
因此，分析单元22基于从光纤感测单元21获取的振动数据(例如，类似于图17所示的振动数据的振动数据)中的衰减时间来预测将来是否将发生地面结构的改变、地面塌陷等作为自然现象。
[0152]
(4)方法b4
[0153]
接下来，将参照图18描述方法b4。图18图示了按时间序列排列的与图15所示的振动数据类似的多条振动数据。
[0154]
如图18所示，分析单元22基于三年前的振动数据、两年前的振动数据和当前的振动数据随时间的改变来预测一年后的振动数据，并基于预测的一年后的振动数据预测将来是否可能发生地壳运动或地下水运动等作为自然现象。在该示例中，分析单元22基于一年后的振动数据中出现频率峰值的频率来预测一年后异常状态(即，具有自然现象迹象的状态)的发生。
[0155]
(5)方法b5
[0156]
方法b5涉及对作为振动数据的独特模式的、与预定自然现象发生的风险相对应的独特模式进行机器学习(例如，深度学习等)，并通过使用机器学习的学习结果(初始训练模型)预测将来是否将发生预定自然现象。
[0157]
在方法b5中的机器学习方法类似于上面关于根据第一示例实施例的方法a2所描述的图6中所示的方法。图19图示了在方法b5的情况下的训练数据的示例。图19图示了用于对三条振动数据a、b和c训练模型的训练数据的示例。例如，每个振动数据采用与图15至18中的任一个所示的振动数据类似的形式。在图19中，风险等级的值越大指示发生预定自然现象的风险越高。
[0158]
在分析单元22预测将来是否将发生预定自然现象的情况下，分析单元22将从光纤感测单元21获取的振动数据(例如，类似于图15至图18中所示的那些的振动数据)输入到初始训练模型中。因此，分析单元22从由初始训练模型输出的结果获得将来将发生预定自然现象的风险。
[0159]
在该示例中，分析单元22可以不仅基于在地面或海床中产生的振动的独特模式随
时间的改变，而且将来是否将在地面或海床中产生的声音或温度中的至少一种的独特模式随时间的改变来预测未来是否将发生预定自然现象。此外，分析单元22可以基于在地面或海床中产生的振动的分布随时间的改变以及在地面或海床上产生的声音或温度中的至少一种的独特模式的分布随时间的改变来预测将来是否将发生预定自然现象。
[0160]
以上所公开的实施例的全部或部分可以被描述为但不限于以下补充说明。
[0161]
(补充说明1)
[0162]
一种监测系统，包括：
[0163]
铺设在地面或海床上的光纤；
[0164]
光纤感测单元，其被配置为从光纤接收光信号并基于光信号检测在地面或海床中产生的振动；以及
[0165]
分析单元，其被配置为基于所检测的振动的独特模式识别引起所检测的振动的自然现象。
[0166]
(补充说明2)
[0167]
根据补充说明1的监测系统，其中，分析单元被配置为基于所检测的振动的独特模式和该独特模式的分布来识别引起所检测的振动的自然现象。
[0168]
(补充说明3)
[0169]
根据补充说明2的监测系统，其中，分析单元被配置为
[0170]
基于所检测的振动的独特模式和该独特模式的分布计算所检测的振动的传播方向和传播速度，以及
[0171]
基于所计算的方向和速度识别所检测的振动的振动源的位置。
[0172]
(补充说明4)
[0173]
根据补充说明1至3任一项的监测系统，其中，
[0174]
光纤感测单元被配置为基于从光纤接收的光信号进一步检测在地面或海床中产生的声音或温度中的至少一个，以及
[0175]
分析单元被配置为基于所检测的振动的独特模式和所检测的声音或所检测的温度中的至少一个的独特模式来识别引起所检测的振动的自然现象。
[0176]
(补充说明5)
[0177]
根据补充说明1至4中任一项的监测系统，其中，分析单元被配置为基于所检测的振动的独特模式随时间的改变来预测将来是否将发生预定自然现象。
[0178]
(补充说明6)
[0179]
一种监测设备，包括：
[0180]
光纤感测单元，被配置为从铺设在地面或海床上的光纤接收光信号，并基于光信号检测在地面或海床中产生的振动；以及
[0181]
分析单元，被配置为基于所检测的振动的独特模式识别引起所检测的振动的自然现象。
[0182]
(补充说明7)
[0183]
根据补充说明6的监测设备，其中，分析单元被配置为基于所检测的振动的独特模式和该独特模式的分布来识别引起所检测的振动的自然现象。
[0184]
(补充说明8)
[0185]
根据补充说明7的监测设备，其中，分析单元被配置为
[0186]
基于所检测的振动的独特模式和该独特模式的分布计算所检测的振动的传播方向和传播速度，以及
[0187]
根据所计算的方向和速度识别所检测的振动的振动源的位置。
[0188]
(补充说明9)
[0189]
根据补充说明6至8中任一项的监测设备，其中，
[0190]
光纤感测单元被配置为基于从光纤接收的光信号进一步检测在地面或海床中产生的声音或温度中的至少一个，以及
[0191]
分析单元被配置为基于所检测的振动的独特模式和所检测的声音或所检测的温度中的至少一个的独特模式来识别引起所检测的振动的自然现象。
[0192]
(补充说明10)
[0193]
根据补充说明6至9中任一项的监测设备，其中，分析单元被配置为基于所检测的振动的独特模式随时间的改变来预测将来是否将发生预定自然现象。
[0194]
(补充说明11)
[0195]
一种由监测设备执行的监测方法，监测方法包括：
[0196]
从铺设在地面或海床上的光纤接收光信号并基于光信号检测在地面或海床中产生的振动的步骤；以及
[0197]
基于所检测的振动的独特模式识别引起所检测的振动的自然现象的步骤。
[0198]
(补充说明12)
[0199]
一种存储程序的非暂时性计算机可读介质，程序使计算机执行：
[0200]
从铺设在地面或海床上的光纤接收光信号并基于光信号检测在地面或海床中产生的振动的过程；以及
[0201]
基于所检测的振动的独特模式识别引起所检测的振动的自然现象的过程。
[0202]
本技术要求于2019年3月29日提交的日本专利申请第2019
‑
068644号的优先权，其全部公开内容并入本文。
[0203]
参考标志列表
[0204]
10
ꢀꢀꢀꢀ
光纤
[0205]
20
ꢀꢀꢀꢀ
监测设备
[0206]
21
ꢀꢀꢀꢀ
光纤感测单元
[0207]
22
ꢀꢀꢀꢀ
分析单元
[0208]
40
ꢀꢀꢀꢀ
计算机
[0209]
401
ꢀꢀꢀ
处理器
[0210]
402
ꢀꢀꢀ
内存
[0211]
403
ꢀꢀꢀ
存储器
[0212]
404
ꢀꢀꢀ
输入/输出接口
[0213]
4041
ꢀꢀ
显示设备
[0214]
4042
ꢀꢀ
输入设备
[0215]
405
ꢀꢀꢀ
通信接口