Проектирование системы мониторинга сейсмических волн на основе нейронной сети

Статья посвящена вопросу проектирования автоматизированной информационной системы для мониторинга сейсмологической активности в Дальневосточном регионе России. Дальний Восток относится к сейсмоопасным районам, но в связи с особенностями территориального развития система контроля сейсмологической обстановки в регионе недостаточно развита. В настоящее время исследователями ведутся работы по организации системы сбора сейсмологических данных. Собранные сведения о сейсмологических событиях в регионе предоставляют возможность для их дальнейшего анализа с целью выявления ранее неизвестных закономерностей и разработки методов предсказывания землетрясений до начала их влияния на инфраструктуру региона. В исследовании рассматриваются существующие методы измерения и отметки сейсмологических волн и особенности территории для составления требований к системе. В результате исследования предложены логическая и физическая схемы системы мониторинга, основанной на применении нейронных сетей для отслеживания прибытия P и S волн в режиме, близком к режиму реального времени. В разрабатываемой системе предусмотрены модули получения и накопления первичных данных, а также модуль работы нейронной сети. Структура информационной системы планируется максимально гибкой для удобной настройки архитектуры сети и ее обучения.

1. Сафонов Д.А. Сейсмическая активность Приамурья и Приморья. Геосистемы переходных зон. 2018;2(2):104–115. https://doi.org/10.30730/2541-8912.2018.2.2.104-115

2. Диденко А.Н., Трофименко С.В., Быков В.Г., Меркулова Т.В., Гильманова Г.З. Оценка сейсмического риска территории континентальной части юга Дальнего Востока России. Хабаровск: ИТиГ ДВО РАН; 2018. 82 с.

3. Пупатенко В.В., Рябинкин К.С. О перспективах сейсмологического мониторинга Хабаровского края и близлежащих территорий. Региональные проблемы. 2024;27(2):46–48. https://doi.org/10.31433/2618-9593-2024-27-2-46-48

4. Довгань В.И., Фролова А.Г. К вопросу локализации землетрясений по записям цифровой системы сейсмометрических наблюдений на Токтогулькой плотине. Вестник Института Сейсмологии Национальной Академии Наук Кыргызской Республики. 2017;(1):28–37.

5. Rojas R. Neural Networks: A Systematic Introduction. Berlin, Heidelberg: Springer; 1996. 502 p. https://doi.org/10.1007/978-3-642-61068-4

6. Быховская А.С. Обнаружение и идентификация сигналов сейсмической волны с использованием нейронной сети. Chronos. 2020;(2):4–6.

7. Зверев М.А. Метод частотно-разделенного подавления высокоамплитудных шумов в данных сейсморазведки. Вестник Югорского государственного университета. 2006;(4):36–40.

8. Choubik Yo., Mahmoudi A., Himmi M.M., Moudnib L.E. STA/LTA Trigger Algorithm Implementation on a Seismological Dataset Using Hadoop MapReduce. IAES International Journal of Artificial Intelligence. 2020;9(2):269–275. https://doi.org/10.11591/ijai.v9.i2.pp269-275

9. Trnkoczy A. Understanding and Parameter Setting of STA/LTA Trigger Algorithm. In: New Manual of Seismological Observatory Practice 2 (NMSOP-2). Postdam: IASPEI, GFZ German Research Centre for Geosciences; 2012. P. 1–20. https://doi.org/10.2312/GFZ.NMSOP-2_IS_8.1

10. Веревкин А.П., Казбулатов И.Г. Метод распознавания времени прибытия P- и S-волн микросейсмических событий с использованием вейвлетов. Территория Нефтегаз. 2015;(5):20–26.