Система прогнозирования зон повышенного геодинамического риска на основе комплексного анализа геофизических полей

  • Д.Ю. Евсюков Московский государственный технический университет им. Н.Э. Баумана, Россия, 105005, г. Москва, ул. 2-я Бауманская, 5; Российский государственный аграрный университет – МСХА им. К.А. Тимирязева, Россия, 127434, г. Москва, ул. Тимирязевская, 49
  • Б.В. Потапов Российский государственный аграрный университет – МСХА им. К.А. Тимирязева, Россия, 127434, г. Москва, ул. Тимирязевская, 49
  • А.В. Бабкина Российский государственный аграрный университет – МСХА им. К.А. Тимирязева, Россия, 127434, г. Москва, ул. Тимирязевская, 49
  • М.В. Журавлёв Российский государственный аграрный университет – МСХА им. К.А. Тимирязева, Россия, 127434, г. Москва, ул. Тимирязевская, 49
  • Н.С. Мигда Государственный морской университет имени адмирала Ф.Ф. Ушакова, Россия, 353918, г. Новороссийск, пр. Ленина, 93
Ключевые слова: геодинамический риск, геофизические поля, Северный Кавказ, искусственный интеллект, машинное обучение, разломные зоны, сейсмическая активность, гравитационные аномалии, геоинформационное моделирование, районирование территории

Резюме

Актуальность работы.Территории Юга России и Северного Кавказа характеризуются сложным разломно-блоковым строением, выраженной сейсмичностью, расчлененным рельефом и развитием опасных природных и природно-техногенных процессов. Поэтому прогнозирование зон геодинамического риска требует комплексной обработки разнородных геофизических, геолого-структурных и геоинформационных данных.Цель исследования.Разработать подход к прогнозированию зон повышенного геодинамического риска на основе комплексного анализа геофизических полей и интеллектуальной обработки пространственных данных. Методы исследования.Использованы каталоги сейсмических событий, карты активных разломов, гравитационные и магнитные аномалии, цифровые модели рельефа, данные дистанционного зондирования, морфометрические параметры и ГИС-слои. Для обработки применялись Random Forest, градиентный бустинг и сверточный нейросетевой анализ многоканальных растровых матриц. Оценка выполнялась по значимости признаков, совпадению расчетных зон с известными проявлениями геодинамической активности и геолого-геофизической интерпретируемости карт. Результаты.Наиболее значимыми факторами оказались расстояние до активных разломов, плотность сейсмических событий, горизонтальный градиент гравитационного поля, уклон рельефа и плотность линеаментов; их вклад составил 63–71%. Выделены зоны низкого, умеренного, повышенного и высокого риска. Около 28% территории отнесено к повышенному и высокому классам; совпадение с известными проявлениями активности составило около 76%. Подход применим для геодинамического районирования и выбора участков детального мониторинга.

Опубликован
2026-09-30