Preview

Author(s):	Walter, Fabian; Chmiel, Ma?gorzata; Hovius, Niels
Title:	Debris flows at Illgraben, Switzerland - From seismic wiggles to machine learning
Abstract:	Where debris flows can impinge on the built environment, early detection of flow events is necessary in order to issue warnings and initiate countermeasures like road or train track closure. In this contribution, previously published work at Illgraben, Switzerland, is compiled, which shows how seismic measurements can be used for debris flow monitoring and warning. The advantage of the seismic approach is that debris flow signals can be detected at large distances eliminating the need for installations within or close to torrents, which are usually difficult to access. It is shown that seismic data contain important information about debris flows, including initiation, propagation, and particle sizes. However, machine learning algorithms, which are tuned with example data rather than physical principles, so far offer the best performance for debris flow detection with continuous real-time data. Such algorithms pave the way for a new class of warning systems, based on data science techniques rather than in-torrent instrumentation. Murgänge am Illgraben, Schweiz - Von seismischem Schütteln zum maschinellen Lernen Schnelle Detektion von Murgängen ist nötig um Warnungen auszugeben und Maßnahmen wie Strassen- oder Gleissperrungen zu ergreifen. In diesem Beitrag präsentieren wir einen Überblick über veröffentlichte Studien am Illgraben, Schweiz, und zeigen wie seismische Messungen für Murgangüberwachung und -warnung verwendet werden können. Der Vorteil des seismischen Ansatzes ist, dass Murgangsignale über weite Distanzen detektiert werden können und Messinstrumente innerhalb oder in der Nähe der meist schwer zugänglichen Gerinne nicht nötig sind. Wir zeigen, dass seismische Daten wichtige Informationen über Murgänge beinhalten, wie z. B. das Fließen der Murgangfront oder Korngrössen. Trotzdem bieten Algorithmen des Maschinellen Lernens, welche mit Beispielsignalen statt mit physikalischen Prinzipien geeicht werden, die besten Ergebnisse für die Erkennung von Murgängen in kontinuierlichen seismischen Signalen. Solche Algorithmen bereiten den Weg für neue Ansätze zur Murgangwarnung, die auf Prinzipien der Datenwissenschaften beruhen statt auf Instrumentierung innerhalb von Gerinnen.
Source:	Geomechanics and Tunnelling 15 (2022), No. 5
Page/s:	671-675
Language of Publication:	English/German

I would like to buy the article

You can download this article for 25 € as a PDF file (0.26 MB).
The PDF file can be read, printed and saved.
Duplication and forwarding to third parties is not allowed.

Please enter your email address now to start the order process.
The link for the download will be sent to the email address stated after the
order process has been completed.

Your email address

I am an online subscriber

As an online subscriber of the journal "Geomechanics and Tunnelling" you can access this article via Wiley Online Library.

I would like to order "Geomechanics and Tunnelling"

This article has been published in the journal "Geomechanics and Tunnelling". If you would like to learn more about the journal, you can order a free sample copy or find out more information on our website.

Prices include VAT and postage. Prices for 2017/2018.
€ Prices apply to Germany only. Subject to alterations, errors excepted.