研究人员在地震学会(SSA)2021年年会上报告说，机器学习可以为瑞士Illgraben洪流中的泥石流提供额外的警告时间。

泥石流是水，沉积物和岩石的混合物，它们是由大量降水触发的，它们沿着陡峭的山丘迅速向下移动，通常包含数万立方米的物质。它们的破坏性潜力使建立监测和预警系统以保护附近人员和基础设施变得很重要。

苏黎世邦理工学院(ETHZürich)的MałgorzataChmiel在SSA上的演讲中介绍了一种机器学习方法，用于检测和预警Illgraben洪流的泥石流，该地区每年在欧洲阿尔卑斯山都会经历大量泥石流和洪流事件。

来自艾尔格拉本流域站的地震记录，来自之前的20次泥石流事件，被用于训练一种算法，以识别泥石流形成的地震信号，从而在90%的时间内准确地检测到了早期的泥石流。

该机器学习系统能够检测所有13个泥石流和暴雨事件中三个月期发生在2020年由系统触发报警20分钟，一个半小时早于流量的估计到达时间之间发生洪流的第一个止水坝，取决于水流​​的速度。

Illgraben洪流的泥石流警报来自三个检水坝处的地震检波器和测量流量高度的传感器。在1961年发生灾难性事件之后，在河道下部安装了30个止水坝，该事件使河道泛滥并摧毁了一座桥梁。

当前的系统将泥石流的检测范围限制在洪流上部集水区下方的水坝。Chmiel解释说：“但是，通常在上方的流域，在止水坝一处，会形成泥石流。” “为改善当前的预警系统，我们将需要在洪灾事件的初始形成阶段对其进行检测，然后才能到达水坝一号。”

艾尔格拉本泥石流的规律性和可使研究人员确信，洪流将是测试其机器学习模型的一种好地方，以作为替代警告系统。

“我们认为数据集的大小应足以训练用于稳健检测的机器学习模型。此外，使机器学习对Illgraben尤其有吸引力的是，可以利用新事件的数据每年对检测器进行改进，传统方法是不可能获得的。” Chmiel说。

Chmiel说，该系统可以很好地将洪流事件与人类活动，降雨和地震产生的地震信号区分开。她指出，下一步将是探索机器学习模型是否也可以区分较小的碎片流和潜在的更具破坏性的碎片流。

Chmiel说，尽管夏季融雪可以调节斜坡的坡度，但Illgraben的大多数泥石流都是由夏季暴雨引起的，可能会在春季末期或初夏引发一些泥石流。大量泥石流可能威胁到洪流下部附近的Susten村庄，或者威胁该地区在河道周围流行的远足径。