根据《地震研究快报》上发表的一项新研究，在距离研究核反应堆 50 米处记录的地震和声学数据可以以 98% 的准确度预测反应堆是处于开启还是关闭状态。

通过将几种机器学习模型应用于数据，橡树岭国家实验室的研究人员还可以预测反应堆何时在开启和关闭之间转换，并估计其功率水平，准确率约为 66%。

该研究的主要作者、橡树岭地球物理学家柴成平说，这些发现为国际社会以微创方式合作验证和监测核反应堆运行提供了另一种工具。“核反应堆可用于良性和邪恶活动。因此，验证核反应堆是否按照宣布的方式运行是核不扩散界的利益所在。”

尽管地震和声学数据长期以来一直用于监测地震以及建筑物和桥梁等基础设施的结构特性，但一些研究人员现在使用这些数据来仔细研究与工业过程相关的运动。在这种情况下，Chai 及其同事在橡树岭的高通量同位素反应堆周围部署了地震和声学传感器，这是一个用于产生中子的研究反应堆，用于物理、化学、生物学、工程和材料科学的研究。

反应堆的功率状态是一个热过程，带有一个散热的冷却塔。“我们发现地震声传感器可以记录冷却塔中的风扇和泵等振动设备的机械特征，其准确度足以揭示操作问题，”Chai 说。

然后，研究人员比较了一些机器学习算法，以发现哪些算法最适合从特定的地震声学信号估计反应堆的功率状态。这些算法使用仅地震、仅声学和一年多收集的两种类型的数据进行训练。他们发现，综合数据产生了最好的结果。

“与不同功率水平相关的地震声学信号显示出复杂的模式，很难用传统技术进行分析，”Chai 解释说。“机器学习方法能够推断不同反应堆系统及其地震声学指纹之间的复杂关系，并用它来预测功率水平。”

Chai 及其同事在研究过程中发现了一些有趣的信号，包括反应堆关闭状态下嘈杂的泵的振动，更换泵后这种振动消失了。

Chai 表示，将地震和声学特征与不同的工业活动和设备联系起来是一个长期且具有挑战性的目标。对于高通量同位素反应堆，初步研究表明，风扇和泵具有不同的地震声学指纹，并且不同的风扇速度有其独特的特征。

“需要在地震和声学数据中区分一些正常但不太频繁的活动，例如年度或偶然维护，”Chai 说。为了更好地了解这些特征与特定操作的关系，“我们需要研究仪器的地震和声学特征以及各种工业设施的背景噪声。”