Оценка магнитуды и глубины подкорового очага зоны Вранча в квазиреальном масштабе времени путем нейросетевого моделирования
Початкові ділянки трикомпонентних записів землетрусів Вранча, зареєстрованих на сейсмічній станції «Одеса», використовуються для побудови моделі нейронної мережі з метою передбачення магнітуди і глибини джерела. Оцінки передбачення магнітуди продемонстровано на різних компонентах записів землетрус...
Gespeichert in:
| Veröffentlicht in: | Геофизический журнал |
|---|---|
| Datum: | 2013 |
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | Russian |
| Veröffentlicht: |
Інститут геофізики ім. С.I. Субботіна НАН України
2013
|
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/98865 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Оценка магнитуды и глубины подкорового очага зоны Вранча в квазиреальном масштабе времени путем нейросетевого моделирования / М.А. Лазаренко, О.А. Герасименко // Геофизический журнал. — 2013. — Т. 35, № 4. — С. 109-114. — Бібліогр.: 4 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-98865 |
|---|---|
| record_format |
dspace |
| spelling |
Лазаренко, М.А. Герасименко, О.А. 2016-04-18T16:39:08Z 2016-04-18T16:39:08Z 2013 Оценка магнитуды и глубины подкорового очага зоны Вранча в квазиреальном масштабе времени путем нейросетевого моделирования / М.А. Лазаренко, О.А. Герасименко // Геофизический журнал. — 2013. — Т. 35, № 4. — С. 109-114. — Бібліогр.: 4 назв. — рос. 0203-3100 https://nasplib.isofts.kiev.ua/handle/123456789/98865 550.344.094.6 : 528.087.4 : 004.032.26 Початкові ділянки трикомпонентних записів землетрусів Вранча, зареєстрованих на сейсмічній станції «Одеса», використовуються для побудови моделі нейронної мережі з метою передбачення магнітуди і глибини джерела. Оцінки передбачення магнітуди продемонстровано на різних компонентах записів землетрусів і часових вікнах різної тривалості. Оцінки магнітуди по початкових ділянках записів сейсмічного сигналу можуть бути використані для визначення сейсмічної небезпеки в точці спостереження. The heading portions of Vrancea three component earthquakes, recorded by Odessa seismic staion, are used for development of neural network model of quake’s magnitude and hypocentral depth prediction. The validity of prediction is demonstrated for different components and time-window length used for neural network training. The magnitude assessment by the leading time interval of seismic signal can be used for seismic hazard mitigation in the spot of recording. Начальные части трехкомпонентных записей вступлений землетрясений Вранча, зарегистрированных на сейсмической станции "Одесса", используются для построения модели нейронной сети с целью предсказания магнитуды и глубины очага. Оценки предсказания магнитуды продемонстрированы на различных компонентах записей землетрясений и временных окнах разной длины. Оценки магнитуды по начальным участкам записей сейсмического сигнала могут быть использованы для определения сейсмической опасности в точке наблюдения. ru Інститут геофізики ім. С.I. Субботіна НАН України Геофизический журнал Оценка магнитуды и глубины подкорового очага зоны Вранча в квазиреальном масштабе времени путем нейросетевого моделирования Оцінка магнітуди і глибини подкорового вогнища зони Вранча у квазіреальному масштабі часу нейромережевим моделюванням Estimation of magnitude and the depth of the subcrustal source of Vrancea zone in quasi-real time scale by the connectionist simulation Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Оценка магнитуды и глубины подкорового очага зоны Вранча в квазиреальном масштабе времени путем нейросетевого моделирования |
| spellingShingle |
Оценка магнитуды и глубины подкорового очага зоны Вранча в квазиреальном масштабе времени путем нейросетевого моделирования Лазаренко, М.А. Герасименко, О.А. |
| title_short |
Оценка магнитуды и глубины подкорового очага зоны Вранча в квазиреальном масштабе времени путем нейросетевого моделирования |
| title_full |
Оценка магнитуды и глубины подкорового очага зоны Вранча в квазиреальном масштабе времени путем нейросетевого моделирования |
| title_fullStr |
Оценка магнитуды и глубины подкорового очага зоны Вранча в квазиреальном масштабе времени путем нейросетевого моделирования |
| title_full_unstemmed |
Оценка магнитуды и глубины подкорового очага зоны Вранча в квазиреальном масштабе времени путем нейросетевого моделирования |
| title_sort |
оценка магнитуды и глубины подкорового очага зоны вранча в квазиреальном масштабе времени путем нейросетевого моделирования |
| author |
Лазаренко, М.А. Герасименко, О.А. |
| author_facet |
Лазаренко, М.А. Герасименко, О.А. |
| publishDate |
2013 |
| language |
Russian |
| container_title |
Геофизический журнал |
| publisher |
Інститут геофізики ім. С.I. Субботіна НАН України |
| format |
Article |
| title_alt |
Оцінка магнітуди і глибини подкорового вогнища зони Вранча у квазіреальному масштабі часу нейромережевим моделюванням Estimation of magnitude and the depth of the subcrustal source of Vrancea zone in quasi-real time scale by the connectionist simulation |
| description |
Початкові ділянки трикомпонентних записів землетрусів Вранча, зареєстрованих на сейсмічній станції «Одеса», використовуються для побудови моделі нейронної мережі з метою передбачення магнітуди і глибини джерела. Оцінки передбачення магнітуди продемонстровано на різних компонентах записів землетрусів і часових вікнах різної тривалості. Оцінки магнітуди по початкових ділянках записів сейсмічного сигналу можуть бути використані для визначення сейсмічної небезпеки в точці спостереження.
The heading portions of Vrancea three component earthquakes, recorded by Odessa seismic staion, are used for development of neural network model of quake’s magnitude and hypocentral depth prediction. The validity of prediction is demonstrated for different components and time-window length used for neural network training. The magnitude assessment by the leading time interval of seismic signal can be used for seismic hazard mitigation in the spot of recording.
Начальные части трехкомпонентных записей вступлений землетрясений Вранча, зарегистрированных на сейсмической станции "Одесса", используются для построения модели нейронной сети с целью предсказания магнитуды и глубины очага. Оценки предсказания магнитуды продемонстрированы на различных компонентах записей землетрясений и временных окнах разной длины. Оценки магнитуды по начальным участкам записей сейсмического сигнала могут быть использованы для определения сейсмической опасности в точке наблюдения.
|
| issn |
0203-3100 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/98865 |
| citation_txt |
Оценка магнитуды и глубины подкорового очага зоны Вранча в квазиреальном масштабе времени путем нейросетевого моделирования / М.А. Лазаренко, О.А. Герасименко // Геофизический журнал. — 2013. — Т. 35, № 4. — С. 109-114. — Бібліогр.: 4 назв. — рос. |
| work_keys_str_mv |
AT lazarenkoma ocenkamagnitudyiglubinypodkorovogoočagazonyvrančavkvazirealʹnommasštabevremeniputemneirosetevogomodelirovaniâ AT gerasimenkooa ocenkamagnitudyiglubinypodkorovogoočagazonyvrančavkvazirealʹnommasštabevremeniputemneirosetevogomodelirovaniâ AT lazarenkoma ocínkamagnítudiíglibinipodkorovogovogniŝazonivrančaukvazírealʹnomumasštabíčasuneiromereževimmodelûvannâm AT gerasimenkooa ocínkamagnítudiíglibinipodkorovogovogniŝazonivrančaukvazírealʹnomumasštabíčasuneiromereževimmodelûvannâm AT lazarenkoma estimationofmagnitudeandthedepthofthesubcrustalsourceofvranceazoneinquasirealtimescalebytheconnectionistsimulation AT gerasimenkooa estimationofmagnitudeandthedepthofthesubcrustalsourceofvranceazoneinquasirealtimescalebytheconnectionistsimulation |
| first_indexed |
2025-11-26T16:22:41Z |
| last_indexed |
2025-11-26T16:22:41Z |
| _version_ |
1850627833465929728 |
| fulltext |
ОЦЕНКА МАГНИТУДЫ И ГЛУБИНЫ ПОДКОРОВОГО ОЧАГА ЗОНЫ ВРАНЧА ...
Геофизический журнал № 4, Т. 35, 2013 109
В пределах территории Украины известны
две активные сейсмические зоны: украин-
ская часть Восточных Карпат и северо-чер-
номорский шельф. Наиболее высокую сейс-
мическую опасность таит в себе подкоровый
очаг зоны Вранча (Румыния), в котором с ре-
гулярностью 4—5 раз в столетие происходят
сильные землетрясения, генерируемые в эпи-
центральной области размером 60×80 км, ин-
тервала гипоцентральных глубин 90—150 км,
что приводит к сотрясанию отдельных участ-
ков территории Украина с интенсивностью до
8 баллов по шкале MSK-64.
Сейсмическое районирование, сейсмостой-
кие строительство, обучение населения суще-
ственно уменьшают сейсмическую опасность.
Краткосрочное предупреждение об ожидае-
мом сотрясании могло бы существенно умень-
шить уровень повреждений оборудования,
зданий и человеческих травм в сейсмоопас-
ных зонах, в которых построены химические
производства, атомные электростанции и т. п.
Время между приходом в определенную
точку территории Украины сейсмического
сигнала, возбужденного в источнике Вранча
(вступления продольной волны), и вступления
поверхностной волны, вызывающей наиболее
опасные сотрясания земной поверхности, опре-
деляется минутами. Предупреждение о насту-
УДК 550.344.094.6 : 528.087.4 : 004.032.26
Оценка магнитуды и глубины подкорового очага
зоны Вранча в квазиреальном масштабе времени
путем нейросетевого моделирования
© М. А. Лазаренко, О. А. Герасименко, 2013
Институт геофизики НАН Украины, Киев, Украина
Поступила 11 февраля 2013 г.
Представлено членом редколлегии А. В. Кендзерой
Початкові ділянки трикомпонентних записів землетрусів Вранча, зареєстрованих на сей-
смічній станції «Одеса», використовуються для побудови моделі нейронної мережі з метою
передбачення магнітуди і глибини джерела. Оцінки передбачення магнітуди продемонстро-
вано на різних компонентах записів землетрусів і часових вікнах різної тривалості. Оцінки
магнітуди по початкових ділянках записів сейсмічного сигналу можуть бути використані для
визначення сейсмічної небезпеки в точці спостереження.
The heading portions of Vrancea three component earthquakes, recorded by Odessa seismic sta-
tion, are used for development of neural network model of quake’s magnitude and hypocentral depth
prediction. The validity of prediction is demonstrated for different components and time-window
length used for neural network training. The magnitude assessment by the leading time interval of
seismic signal can be used for seismic hazard mitigation in the spot of recording.
плении сильных (возможно катастрофических)
сотрясений через такой интервал времени для
вышеупомянутых институций представляет су-
щественный интерес.
Единственно доступной нам информацией,
касающейся сейсмического очага, является
сейсмическая эманация, возбужденная про-
цессами, которые в нем протекают. Многооб-
разие архитектур среды, содержащей сейс-
мические источники, и несходство характера
сейсмических сигналов, ими излучаемых, де-
лает сомнительной возможность построения
универсальной аналитической модели хотя бы
с точки зрения адекватности воспроизведения
огромного многообразия природных условий:
неоднозначность граничных, начальных усло-
вий, механизм возбуждения сигнала, не гово-
ря уже о бесконечности характеристик пути
распространения упругих волн. Огромная база
зарегистрированных сейсмических сигналов
создает предпосылку для разработки эмпири-
ческих моделей, что в определенной степени
упорядочивает эту бесконечность условий ге-
нерации и регистрации сейсмических сигналов
с позиций оценки одной из наиболее значимых
характеристик — магнитуды землетрясения.
В 1935 г. Ч. Рихтер и Б. Гутенберг [Сава-
ренский и др., 1952] предложили оценку «ве-
личины» (англ. magnitude) мелкофокусных
М. А. ЛАЗАРЕНКО, О. А. ГЕРАСИМЕНКО
110 Геофизический журнал № 4, Т. 35, 2013
калифорнийских землетрясений в виде лога-
рифма максимального отклонения сейсмогра-
фа в интервале времени регистрации данного
события. В сейсмологии эта величина исполь-
зуется в виде термина «магнитуда» с условным
обозначением М. Очевидно, адаптация всего
многообразия сейсмических событий, заре-
гистрированных на разных эпицентральным
расстояниях, возбужденных в широком диапа-
зоне глубин, с энергией, редко совпадающей с
рихтеровской предтечей, неизбежно вызывала
рождение «магнитуд», которые определялись
в результате подходов, отличных от рихтеров-
ского. Это магнитуды сейсмического момента
(Mw), сейсмической коды (Mc), длительности
коды MD, объемных (mb) и поверхностных (L)
волн и многих других, которые используют для
соего воплощения различные участки сейсми-
ческой записи.
Зарегистрированные в определенной точ-
ке поверхности Земли сейсмические сигналы
можно рассматривать как проекцию в эту точ-
ку динамических процессов, происходящих в
очаге землетрясения, а каждую проекцию, т. е.
запись сигнала, как пример поведения опреде-
ленной функции, аргументы которой, помимо
прочих, включают параметры, характеризую-
щие исходные процессы и путь пробега сейс-
мического сигнала[Magotra et al., 1987]. На
основе приведенных рассуждений определе-
ние магнитуды и глубины очага землетрясения
можно формализовать как задачу аппроксима-
ции функций, описывающих их поведение в
пространстве, путем суперпозиций функций-
примеров этого поведения. Эта суперпозиция
осуществляется с помощью сетей искусствен-
ных нейронов. Нами предлагается алгоритм ре-
шения такой задачи на основе записей одной
сейсмической станции, где оперативность и
простота компенсируют потерю точности.
Наименее искаженная часть сейсмических
волн расположена в первых участках их запи-
си, т. е. в их -части. Исходя из этих сообра-
жений, нами разработан алгоритм моделиро-
вания на сетях искусственных нейронов за-
висимости характера первых участков записи
землетрясения одной станцией от магнитуды
и глубины гипоцентра. Рассматривая каждую
сейсмограмму как графическую проекцию не-
которого образа очага землетрясения и среды
распространения сейсмических волн и исполь-
зуя замечательное свойство образа, которое
позволяет воспроизведение его свойств с уче-
том информации лишь о его части, мы приме-
няем управляемую нейронную сеть для оценки
глубины гипоцентра и магнитуды землетрясе-
ния по начальной части записи сейсмического
сигнала, зарегистрированного одной станцией.
Входные данные. В качестве базы данных
использовались записи землетрясений ис-
точника Вранча с частотой выборки 20 Гц на
сейсмической станции «Одесса». Ординаты
записи всех компонент нормировались до ве-
личины размаха (min, max) сигнала отклика
индивидуального сейсмометра на П-образный
тестирующий импульс стандартной амплиту-
ды и длительности. Было отобрано 75 наиболее
надежных записей землетрясений Вранча за
период с 1997 по 2012 г.
Функционирование нейронной сети состо-
ит из следующих основных этапов: а) органи-
зации обучающего множества; б) собственно
обучения; в) операционного режима оценки
исследуемой функции по примерам, не уча-
ствовавшим в процессе обучения. Поскольку
нейронные сети являются инструментом ста-
тистического анализа, способность к обобще-
нию напрямую зависит от размера (мощности)
обучающего множества, а информативность
— от размерности векторов-членов, состав-
ляющие которых определяются как линейно
независимые.
Множество обучающей выборки управляе-
мой сети искусственных нейронов состоит из
так называемых обучающих (или тренировоч-
ных) шаблонов, имеющих вид:
( )1 2, , ..., ,ik k k nk jkx x x x t= ,
где i — размерность вектора параметров; k —
номер события, tjk — вектор целевых значений
(«учитель», желаемый выход); j — его размер-
ность в нашем случае для двух моделируемых
величин j=1, 2.
Напомним, что обучение управляемой ней-
ронной сети заключается в минимизации меры
различия между реакцией сети, возбужденной
k-м вектором параметров обучающей выбор-
ки, и ожидаемым выходом tjk. Желательно,
чтобы значения последних были измерены с
минимальной погрешностью. Поэтому нами
использованы данные о тех землетрясениях,
зарегистрированных сейсмической станцией
«Одесса», сведения о которых содержались в
международных NEIC каталогах и были заре-
гистрированы не менее чем тремя станциями,
что уменьшало вероятность ошибки в опреде-
лении магнитуды (mb), координат источника
излучения и глубины гипоцентра.
Практикующим сейсмологам известно, что
получить «чистую» трехкомпонентную запись
ОЦЕНКА МАГНИТУДЫ И ГЛУБИНЫ ПОДКОРОВОГО ОЧАГА ЗОНЫ ВРАНЧА ...
Геофизический журнал № 4, Т. 35, 2013 111
сейсмического события не всегда удается: ме-
шает помеха, может не сработать канал и т. п.
Три канала стандартной сейсмической записи
— это три проекции волнового процесса, кото-
рый регистрируется на данной сейсмической
станции в виде скорости или ускорения пере-
мещения грунта. Несмотря на то, что данные
проекции линейно зависимы, степень пригод-
ности каждый из них (или всех вместе) может
быть определена только экспериментально.
Такую «индивидуальность» зарегистрирован-
ных компонент хорошо иллюстрирует рис. 1.
С учетом изложенного, а также в связи с
выбором оптимального по стоимости варианта
из приведенных выше, рассмотрены различ-
ные сигналы. На примере фрагмента сигнала
(рис. 2) проиллюстрирована процедура выбора
компонент вектора.
Обучающие множества нейронной сети
формировались из начальных участков ком-
понент записи сейсмического сигнала в виде
окон длительностью 1, 2 и 5 с, что при частоте
оцифровки 20 Гц составляло соответственно
20, 40 и 100 компонент.
Учитывая незначительную плотность сети
сейсмических станций, возможность отказа
одного из каналов регистрации и важность
информации в процессе ее сбора, обучаю-
щие выборки векторов компоновались либо
из одного из компонентов трехкомпонентной
записи, либо всех трех, причем мощность вход-
ного вектора из вычислительных соображений
ограничивалось числом 100 компонент. Как
уже упоминалось, в качестве целевых величин,
или «учителя», использовались значения маг-
нитуды mb и глубины гипоцентра кодируемого
землетрясения.
Нейронная сеть. Общие сведения об ис-
пользовании сети искусственных нейронов
для отдельных задач сейсмологии приведены
в статье [Лазаренко, Герасименко, 2004]. Оста-
новимся на более тонких особенностях моде-
лирования и работы нейронной сети.
Для рассматриваемой задачи выбрана
многослойная, управляемая, прямопоточная,
полносвязанная нейронная сеть (рис. 3).
Как известно, для получения сетью в про-
цессе обучения способности к успешному
обобщению желательно иметь мощность обу-
чающей выборки, превышающую суммарное
Рис. 1. Три компонента вступления сигнала от землетрясе-
ния зоны Вранча (M=4,4, h=137 км), зарегистрированного
на сейсмостанции «Одесса» 07.02.2004 г.
Рис. 2. Пример процесса оцифровки сигнала в окне 2 с для
создания элемента обучающей выборки.
Рис. 3. Схема управляемой, прямопоточной, полносвя-
занной, многослойной сети искусственных нейронов с
обратной передачей ошибки. Узел, задающий смещение,
не показан.
М. А. ЛАЗАРЕНКО, О. А. ГЕРАСИМЕНКО
112 Геофизический журнал № 4, Т. 35, 2013
число связей между всеми узлами сети. Оче-
видно, что для данной задачи ограничения
мощности входного вектора (и, следовательно,
его информативности) нежелательны, поэтому
выбиралось (путем проб и ошибок) минималь-
ное число узлов скрытого слоя.
Отметим, что выполненные ранее исследо-
вания показали высокую информативность на-
чальных участков сейсмического сигнала. Так,
по интервалу записи сейсмического сигнала
длительностью 1 с после его вступления уда-
ется в реальном масштабе времени достаточно
точно спрогнозировать огибающую ожидаемо-
го сигнала (и, следовательно, оценить магни-
туду) регистрируемого землетрясения [Leach
et al., 1993].
Как и предполагалось, обучение нейронной
сети происходит с определенными трудностя-
ми. Поверхность функции ошибок оказалась
достаточно сложной, с многочисленными
локальными минимумами и просторными
плато, обусловленность матриц синаптиче-
ских весов — плохой. Применение обычной
методики обратной передачи погрешности в
стохастическом режиме и постоянного коэф-
фициента скорости обучения не обеспечива-
ло приемлемой минимизации погрешности и
вело к плохой сходимости процесса обучения.
Использование инерционного члена улучша-
ет ситуацию, но не обеспечивает приемлемого
решения.
На рис. 4 показано поведение среднеква-
дратичной погрешности в процессе обучения
сети искусственных нейронов, имеющей ар-
хитектуру, которая послойно может быть за-
писана в виде НС=L-N-2. Как входной исполь-
зовался вектор, составленный из компонент
сейсмического сигнала. Мощность вектора и
величину временного окна можно найти на
рисунках экзаменационной оценки глубины
гипоцентра и магнитуды.
Разный характер поведения кривых раз-
личных циклов обучения той же сети связан с
разными путями поиска глобального миниму-
ма поверхности погрешностей, обусловленны-
ми различными случайными наборами старто-
вых межузловых весов, случайным выбором
стартовой точки начала спуска по поверхности
ошибок, разным порядком случайного предъ-
явления сети членов обучающей выборки в
каждой итерации.
Обучение нейронной сети до уровня при-
емлемой погрешности удалось провести, ис-
пользовав интерактивное обучение, обеспечи-
вающее прерывание процесса обучения после
«немых» итераций, количество которых зада-
ется, с графическим выводом кривой поведе-
ния погрешности за прошедшие итерации. По-
ведение функции ошибок позволяло принять
решение о коррекции: а) числа «немых» ите-
раций; б) величины коэффициента скорости
обучения; в) величины инерционного члена;
г) замены стохастического режима обучения
на пакетный.
Поведение погрешности итерационного
режима процесса обучения дает возможность
Рис. 4. Поведение среднеквадратичной погрешности при обучении нейронной сети архитектуры НС=L-N-2 для окна
компонентов сейсмического сигнала длительностью L, равной 1, 2, 3, 5 с и количеством узлов скрытого слоя N, равным
5, 10 и 20.
ОЦЕНКА МАГНИТУДЫ И ГЛУБИНЫ ПОДКОРОВОГО ОЧАГА ЗОНЫ ВРАНЧА ...
Геофизический журнал № 4, Т. 35, 2013 113
Рис. 5. Оценки магнитуды и глубины гипоцентра для 10 экзаменационных сигналов, полученные нейромоделью с одним
скрытым слоем, содержащим 10 узлов, по окнам 1, 2 и 5 c.
корректировать глобальные параметры про-
цесса обратной передачи ошибки и принимать
решение о прекращении процесса обучения.
Несмотря на то что значения функции выво-
дятся с интервалом в 10 итераций, заметны
значительные осцилляции кривой, что сви-
детельствует об очень сложной поверхности
функции ошибок.
Оценка результатов нейросетевого модели-
рования. Выходной слой сети состоял из двух
узлов, целевыми значениями для которых были
глубина гипоцентра t1 и магнитуда t2. Из базы
данных, которую составили 75 записей земле-
трясений зоны Вранча, зарегистрированных на
сейсмической станции «Одесса», было выбра-
но случайным образом 10 событий, которые не
принимали участия в обучении нейронных се-
тей, а сохранялись для их экзамена. Обученная
нейронная сеть в операционном режиме воз-
буждалась сигналом (вектором параметров),
сформированным из этой экзаменационной
выборки, и выход сети сравнивался с желае-
мыми значениями, в нашем случае глубины ис-
точника и магнитуды сейсмического события.
М. А. ЛАЗАРЕНКО, О. А. ГЕРАСИМЕНКО
114 Геофизический журнал № 4, Т. 35, 2013
На рис. 5 приведен результат экзамена ней-
росетевой модели с 10 узлами скрытого слоя,
возбуждаемой сигналами, которые образованы
участками начала записи компонент сейсмиче-
ских сигналов в окнах 1, 2 и 5 с. В случае трех
компонент использовался модуль трех состав-
ляющих сейсмического сигнала. Каталожные
(целевые) величины гипоцентральной глубины
и магнитуды экзаменационной выборки, упо-
рядоченные по возрастанию, показаны сплош-
ными кружками, соответствующие им выходы
нейронной сети — обозначениями, вынесен-
ными в легенду.
Анализ полученных результатов позволяет
говорить о достаточно хорошем прогнозе маг-
нитуды землетрясения по начальным участкам
сейсмической записи. Оценки глубины очага
демонстрируют значительные расхождения с
данными каталожных определений. Это может
свидетельствовать о незначительном влиянии
глубины очага на форму регистрируемого сиг-
нала либо о больших ошибках штатных оценок.
Кроме того, зависимость глубины от физиче-
ских характеристик очага, закодированных в
записи сигнала, может оказаться функцией
негладкой и разрывной, что для обучении ней-
росетевой модели методом обратной передачи
ошибки неприемлемо. В дальнейшем предпо-
лагается использовать методы обучения сетей,
не содержащих градиентные подходы.
Подобные нейросетевые модели могут
найти применение как при автоматической
обработке сейсмической информации, так и
при прогнозе сейсмической опасности в ква-
зиреальном масштабе времени. Использование
обсуждаемой методики «мгновенного» про-
гноза силы произошедшего землетрясения
может увеличить смысловую нагрузку прак-
тики установки сейсмостанций на объектах
повышенной опасности, например АЭС. Уве-
личение базы наблюдаемых землетрясений,
их более точная первичная обработка и выбор
оптимальной для данной точки наблюдения
модели источника могут дать вполне прием-
лемые результаты. Кроме того, прогон через
модель результатов регистрации сигналов по-
зволяет выявить погрешности первичной об-
работки или определения глубины источника,
как это можно наблюдать для компонент эк-
заменационного сигнала № 6 (землетрясение
01.05.2011 г., =4,6, глубина 134 км) — по оцен-
ке глубины очага и магнитуды, а также сигнала
№ 8 (06.03.2006 г., =4,8, h=138 км) — по оценке
магнитуды полученных нейромоделей. Экза-
менационный сигнал № 7 (30.12.1997 г., =4,7,
h=135 км) фиксирует погрешность определе-
ния магнитуды только на Z-компоненте. По-
грешность определения глубин в диапазоне
80—95 км в представленной выборке экза-
менационных сигналов отчасти объясняется
низкой способностью к обобщению сети ис-
кусственных нейронов вследствие малой пред-
ставительности таких глубин в доступных нам
регистрациях землетрясений очага Вранча.
Лазаренко М. А., Герасименко О. А. Використання
нейронних мереж для побудови годографів сей-
смічних хвиль // Вісн. Київ. ун-ту. Геологія. —
2004. — Вип. 30. — С. 93—97.
Рихтер И. Ф. Элементраная сейсмология. — Мо-
сква: Изд. иностр. лит., 1963. — 670 с.
Leach R. R. J, Dovla F. U., Vergiuo E. S. Yeld estimation
Список литературы
using bangpass-filtered seismograms: Prelimenary
results Using Neural Networks with mb(Pn), Short-
time, Long-time, and Coda energy Measurments
// Bull. Sеism. Soc. Amer. — 1993. — 87, № 2. —
P. 488—508.
Magotra N., Ahmed N., Chael E. Seismic Event detection
and source Location Using Single-Station (Three-
Component) Data //Bull. Seism. Soc. Amer. — 1987.
— 77, № 3. — P. 958—971.
|