Тип публикации: статья из журнала
Год издания: 2025
Идентификатор DOI: 10.34219/2078-8320-2025-16-2-50-60
Ключевые слова: earthquakes, geomonitoring, seismic precursors, “prognostic wedge” model, approximation methods, trigonometric polynomials, Legendre orthogonal polynomials, nonlinear regression, neural networks, землетрясения, геомониторинг, сейсмические предвестники, модель «прогностический клин», методы аппроксимации, тригонометрические многочлены, ортогональные многочлены Лежандра, нелинейная регрессия, нейросети
Аннотация: Исследование посвящено разработке методики обработки данных сейсмического мониторинга и включает в себя несколько методов аппроксимации, что позволяет анализировать сигналы различной сложности и находить в них скрытые закономерности. Исходные данные о сейсмических событиях (форшоках), предваряющих основное сильнейшее землетрясение,Показать полностьюпреобразуются в так называемый «прогностический клин» - структуру-предвестник, который позволяет оценивать параметры ожидаемого сильнейшего землетрясения. Совокупность расчетных схем методики предоставляет возможность эффективно решать задачи выделения закономерностей, восстановления пропусков, экстраполяции и локального прогноза исследуемого сейсмического события. При этом применяются аппроксимация сеточных функций рядами Фурье, аппроксимация выпуклых оболочек данных многочленами Лежандра. Предлагается методика обработки данных на основе построения нелинейных регрессионных моделей (нейросетевой подход), позволяющая с повышенной (заданной) точностью решать задачи аппроксимации данных сейсмомониторинга. The study is devoted to the development of a method for processing seismic monitoring data and includes several approximation methods, which allows analyzing signals of varying complexity and finding hidden patterns in them. The initial data on seismic events (foreshocks) preceding the main strongest earthquake are transformed into the so-called “predictive wedge” - a precursor structure that allows us to estimate the parameters of the expected strongest earthquake. The set of calculation schemes of the method provides the opportunity to effectively solve the problems of identifying patterns, restoring gaps, extrapolation and local forecasting of the seismic event under study. In this case approximation of grid functions by Fourier series, approximation of convex hulls of data by Legendre polynomials are used. The data processing method based on the construction of nonlinear regression models (neural network approach) allows solving problems of seismic monitoring data approximation with increased (specified) accuracy.
Журнал: Информатизация и связь
Выпуск журнала: №2
Номера страниц: 50-60
ISSN журнала: 20788320
Место издания: Москва
Издатель: Администрация Ярославской области, Министерство Российской Федерации по связи и информатизации, Государственная техническая комиссия при Президенте Российской Федерации