当发生大地震时，附近的地震仪可以向居民和紧急服务部门发出快速警报，告知他们可能会发生潜在危险的震动或海啸。然而，当地地震仪的测量不足以实时确定最大地震的强度。

科学家们利用全球导航卫星系统(GNSS)(例如GPS)对地面位移的高精度测量来补充地震仪观测。GNSS数据可以区分最大的地震，但比传统地震仪的数据噪音更大，这限制了它们在自然灾害应用中的贡献。

为了解决噪声数据问题，Dittmann及其同事根据之前的GNSS地震学研究和机器学习开发做出了两个实验决策选择：他们采用了一种替代方法来处理大地测量，并且他们训练了一个机器学习模型以使用GNSS传感器数据来检测地震.该团队使用来自美国国家科学基金会大地测量设施促进地球科学档案的数据训练、验证和测试了该模型，这些数据来自20年来发生的77次4.5级以上的地震。

当与现有的GNSS地震检测方法进行对比时，新模型检测到更多真实的地震信号并触发更少的误报。此外，与以前的方法不同，新模型依赖于计算上的轻量级处理，而不依赖于额外的校正来解释错误信号。

研究人员建议，新模型可以广泛应用于增强GNSS传感器在地震检测中的作用。他们还概述了未来改进的机会，例如应用更广泛的数据集来训练和验证模型。