Frem til nå har praksisarbeidet mitt bestått av mye manuelt data-letings-arbeid. Jeg har brukt alle slags mulige metoder for å finne en bra ‘template’, eller med andre ord en god signal-mal. Kort forklart så har jeg lagt malen inn i kode som fortløpende krysskorrelerer og logger amplituden til et lignende signal i resten av dataene. Denne informasjonen fører jeg så videre inn i flere diagrammer, slik at jeg kan analysere og forstå hva de mystifistiske signalene muligens kan være. Totalt kan man lage flere maler, men jeg har kun rukket å hente inn tre maler. Hver mal gjelder for det måleinstrumentet som står nærmest området av interesse, og innebærer én komponent retning, altså Nord-Sør, eller Øst-vest, eller vertikalt.
Hver av malene, som vist i eksempelet (kun mal 3) nedenfor, har loggført alle matchende hendelser som et rødt kryss.

Nedenfor tidslinjen er det i diagrammet også en krysskorrelerende verdi, og helt nederst er det en amplitude verdi som blir fremvist.
Så hvordan blir noe oppfattet som en god match?
Den svarte magien kalt krysskorrelasjon er egentlig kun matte dessverre. Heldigvis er det mulig å lage kode slik at denne matten sømløst blir gjort for hver eneste sample langs dataen du vil analysere. Koden vil gi fra seg en verdi mellom 0 og 1, 1 betyr at både malen og signalet er helt like, 0 betyr at det ikke er noen likhet i det hele tatt.
Jeg har manuelt satt en minimumsverdi for krysskorrelasjonen, som betyr at det ikke vil bli loggført noen signal under denne grensen. Grensen kan man flytte til hva man vil. Men hvorfor vil man ikke ha grensen på 1 så man kun får signal som er lik malen, sier du kanskje. Grunnen til at man normalt setter krysskorrelasjonen på rundt 0.7 er fordi malen er innebygd av mange forskjellige mønstre av frekvenser som ikke har noe med det man leter etter, men er bakgrunnsstøy bygd inn i malen også.
Tenk på det slikt; du skal finne gule biler i området du bor, for å se om det har blitt mer populært å male bilen sin gul. Du setter en grense for hva som egentlig regnes som en gul bil, ambulanser kan du kanskje se bort ifra, fordi den har en helt annen funksjon av å være gul, den blir ikke føyet av bilfarge-trender. Men hva med merket på bilen? Eller hvor skitten den gule bilen er? Det har jo egentlig ingenting å si om bilen er en gjørmete Mercedes eller en Toyota. Selv om den bilen du finner kanskje er bittelitt annerledes fra den bilen du forestiller deg når du tenker på en gul bil, så er det fortsatt en gul bil.
.png)
Kode kan ikke gjøre beslutninger som i eksempelet ovenfor. Den ser ikke på noe annet enn et perfekt bilde av en litt sotete Nissan Leaf. Altså burde man la maskinen ha litt naturlig slingringsmonn, sånn at den ikke hopper over mulige funn(som ikke er en litt sotete Nissan Leaf). Dermed havner krysskorrelasjonsgrensen på 0.7 og ikke 1.
Fant jeg noen litt sotete og gule Nissan Leafer?
Nja. Jeg har lært mye om hvordan man prosesserer seismiske signaler, men rakk dessverre ikke å finne noen fantastiske revolusjonerende signaler. Som vist tidligere i diagrammet har jeg funnet masse sammenligninger med krysskorrelasjon-verdi over 0.65, men dette i seg selv betyr ingenting. Det er mange ting som kan lede til den overfloden av matcher vist ovenfor, for eksempel kan jeg ha satt krysskorrelasjonsverdien litt for lav, kanskje er malen i seg selv litt for generell, eller kanskje jeg rett og slett leter etter noe som ikke finnes (som å lete etter en isbre i sahara).
Er det mulig å lete bedre?
I tillegg til krysskorrelasjonen til signalene som matcher, så kan man også muligens øke kvaliteten på matchene man finner. Hvis jeg trekker det tilbake til bil eksempelet – så betyr det at man kan trekke ut ambulansen fra bil-maling-trend-undersøkelsen. Jeg har dessverre ikke tid nok til å sjekke om det funker, men jeg lurer på om det hadde funket å avgrense amplitude-verdien til matchene.
En lav amplitude gjør at signalet kanskje ser veldig likt ut, men det skiller seg ikke så veldig ut fra det omliggende støy nivået. Og siden amplituden egentlig bare er målingen av mengden energi bak bevegelsen, så vil en liten amplitude så vidt over støynivået være ganske ubetydelig…dessverre.
.png)
Avsluttende
Min tid i praksis er nå over. Det som er beskrevet her er mitt endelige prosjekt. Forhåpentligvis er det noen som kan komme etter meg og avslutte arbeidet omgjørende Skafjellet; finne flere matcher, gjøre flere statistiske analyser og kanskje til og med finne noen litt sotete gule nissan leafer. Takk for meg :)
xoxo Linde Giil Fugleberg <3

