Variational Autoencoder revolutionieren P-Wellen-Erkennung bei Erdbeben

Die präzise Erkennung von P-Wellen ist ein entscheidender Faktor für die frühzeitige Warnung bei Erdbeben. In stark verrauschten Messungen stellen hohe Rauschpegel, begrenzte gelabelte Daten und komplexe Wellenformen jedoch große Herausforderungen dar.

In einer neuartigen Studie wird die P-Wellen-Erkennung als selbstüberwachtes Anomalieerkennungsproblem formuliert. Durch einen umfangreichen Grid‑Search von 492 Variational Autoencoder‑Konfigurationen wird untersucht, wie architektonische Unterschiede das Gleichgewicht zwischen Rekonstruktionsgenauigkeit und Anomalie‑Unterscheidung steuern.

Skip‑Connections reduzieren die Rekonstruktionsfehler (MAE ≈ 0,0012), führen jedoch zu einer „Übergeneralisierung“, bei der das Modell Rauschen rekonstruiert und damit das Erkennungs‑Signal verschleiert. Im Gegensatz dazu setzen Attention‑Mechanismen auf globale Kontextinformationen und erzielen die höchste Erkennungsleistung mit einer Fläche unter der ROC‑Kurve (AUC) von 0,875.

Ein auf Attention basierender Variational Autoencoder erreicht sogar eine AUC von 0,91 im 0‑40‑km‑Bereich nahe der Erdbebenquelle, was ihn besonders geeignet für sofortige Frühwarnanwendungen macht.

Die Ergebnisse zeigen eindeutig, dass architektonische Beschränkungen, die globale Kontextverarbeitung über pixel‑genaue Rekonstruktion stellen, für eine robuste, selbstüberwachte P‑Wellen‑Erkennung unerlässlich sind.