Систематический прогноз землетрясений

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Рассматривается компьютерный метод систематического прогноза землетрясений. Прогноз вычисляется регулярно и на постоянный временной интервал. Результатом является карта зоны тревоги, в которой ожидаются эпицентры целевых землетрясений. Прогноз считается успешным, если на данном интервале все эпицентры целевых землетрясений попали в зону тревоги. Для обучения прогнозу используется метод минимальной области тревоги. Метод оптимизирует вероятность успешного прогноза при ограниченной зоне тревоги. Он позволяет оценить вероятность успешного решения на очередном интервале прогноза и дает объяснение зоны тревоги с помощью логической импликации и представления списка предыдущих землетрясений с аналогичными значениями предвестников. Рассмотрен пример систематического прогноза землетрясений Камчатки.

Об авторах

В. Г. Гитис

Институт проблем передачи информации им. А.А. Харкевича РАН

Email: gitis@iitp.ru
г. Москва, Россия

А. Б. Дерендяев

Институт проблем передачи информации им. А.А. Харкевича РАН

Email: wintsa@gmail.com
г. Москва, Россия

Список литературы

  1. Завьялов А.Д. Среднесрочный прогноз землетрясений: основы, методика, реализация. М.: Наука. 2006.
  2. Мячкин В.И., Костров Б.В., Соболев Г.А., Шамина О.Г. Основы физики очага и предвестники землетрясений. Физика очага землетрясения. М.: Наука. 1975. С. 6–29.
  3. Соболев Г.А. Основы прогноза землетрясений. Общество с ограниченной ответственностью Международная академическая издательская компания “Наука/Интерпериодика”. 1993.
  4. Соболев Г.А. Модель лавинно-неустойчивого трещинообразования-ЛНТ // Физика Земли. 2019. № 1. С. 166–179.
  5. Соболев Г.А., Закржевская Н.А., Акатова К.Н., Гитис В.Г., Дерендяев А.Б., Брагин В.Д., Сычева Н., Кузиков С.И. Динамика взаимодействия полей сейсмичности и деформаций земной поверхности (Бишкекский геодинамический полигон) // Физика Земли. 2010. № 10. С. 15–37.
  6. Соболев Г.А., Пономарев А.В. Физика землетрясений и предвестники. Общество с ограниченной ответственностью Международная академическая издательская компания “Наука/Интерпериодика”. 2003.
  7. Соболев Г.А., Тюпкин Ю.С. Аномалии в режиме слабой сейсмичности перед сильными землетрясениями Камчатки // Вулканология и сейсмология. 1996. № 4. С. 64–74.
  8. Соболев Г.А., Тюпкин Ю.С. Стадии подготовки, сейсмологические предвестники и прогноз землетрясений Камчатки // Вулканология и сейсмология. 1998. № 6. С. 17–26.
  9. Чебров, Д.В., Тихонов, С.А., Дрознин, Д.В., Дрознина, С.Я., Матвеенко, Е.А., Митюшкина, С.В., Ящук, В.В. Система сейсмического мониторинга и прогнозирования на Камчатке и ее развитие. Основные результаты наблюдений в 2016–2020 гг. // Российский сейсмологический журнал. 2021. № 3 (3). С. 28–49.
  10. Corbi F., Sandri L., Bedford J., Funiciello F., Brizzi S., Rosenau M., Lallemand S. Machine learning can predict the timing and size of analog earthquakes // Geophys. Res. Lett. 2019. V. 46 (3). P. 1303–1311.
  11. Gitis V., Derendyaev A., Petrov K. Analyzing the performance of GPS data for earthquake prediction // Remote Sensing. 2021. V. 13. № 9. P. 1842.
  12. Gitis V., Derendyaev A. A Technology for Seismogenic Process Monitoring and Systematic Earthquake Forecasting // Remote Sensing. 2023. V. 15. № 8. P. 2171.
  13. Gitis V. G., Derendyaev A. B. Optimization of the Approach to Systematic Earthquake Forecasting // Journal of Communications Technology and Electronics. 2024. P. 1–23.
  14. Gitis V.G., Derendyaev A.B., Pirogov S.A., Spokoiny V.G., Yurkov E.F. Adaptive Estimation of Seismic Parameter Fields from Earthquake Catalogs // Journal of Communications Technology and Electronics. 2015. V. 60. № 12. P. 1459–1465.
  15. Gitis V.G., Derendyaev A.B., Pirogov S.A., Spokoiny V.G., Yurkov E.F. Earthquake prediction using the fields estimated by an adaptive algorithm. Proceedings of the 7th International Conference on Web Intelligence, Mining and Semantics. 2017. P. 1–8.
  16. Kagan Y.Y. Earthquakes: models, statistics, testable forecasts. John Wiley & Sons. 2013.
  17. Kail R., Burnaev E., Zaytsev A. Recurrent convolutional neural networks help to predict location of earthquakes // IEEE Geosci. & Remote Sens. Lett. 2021. V. 19. P. 1–5.
  18. Kanamori H., Brodsky E.E. The physics of earthquakes // Reports on progress in physics. 2004. V. 67. № 8. P. 1429.
  19. Kossobokov V., Shebalin P. Earthquake Prediction in Nonlinear Dynamics of the Lithosphere and Earthquake Prediction. Berlin: Springer-Verlag. 2003.
  20. Kullback S. Information Theory and Statistics. New York: Wiley. 1958.
  21. Mignan A., Broccardo M. Neural network applications in earthquake prediction (1994–2019): Metaanalitic and statistical insights on their limitations // Seismolog. Res. Lett. 2020. V. 91 (4). P. 2330–2342.
  22. Panakkat A., Adeli H. Neural network models for earthquake magnitude prediction using multiple seismicity indicators // Int. J. Neural Syst. 2007. V. 17. P. 13–33.
  23. Polzehl J., Spokoiny V.G. Adaptive weights smoothing with applications to image restoration // Journal of the Royal Statistical Society: Series B (Statistical Methodology). 2000. V. 62 (2). P. 335–354.
  24. Polzehl J., Spokoiny V. Propagation-separation approach for local likelihood estimation // Probability Theory and Related Fields. 2006. V. 135 (3). P. 335–362.
  25. Rhoades D.A. Mixture models for improved earthquake forecasting with short-to-medium time horizons // Bull. Seismolog. Soc. Am. 2013. V. 103 (4). P. 2203–2215.
  26. Shebalin P. N., Narteau C., Zechar J. D., Holschneider M. Combining earthquake forecasts using differential probability gains // Earth, Planets and Space. 2014. V. 66. P. 1–4.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».