Применение сверточных нейронных сетей для автоматического выделения микросейсмических событий в данных локального мониторинга Северного Кавказа

Резюме

Актуальность работы.Северный Кавказ характеризуется сложным геологическим строением, неоднородным сейсмическим фоном и влиянием природных и техногенных помех, что затрудняетавтоматическое выделение слабых микросейсмических событий. Традиционные пороговые алгоритмы невсегда надежно обнаруживают низкоамплитудные сигналы, особенно при малом отношении сигнал/шум.Цель исследования.Оценить возможность применения сверточных нейронных сетей для автоматическогообнаружения микросейсмических событий в трехкомпонентных записях локального мониторинга Северно-го Кавказа и сопоставить их эффективность с алгоритмом STA/LTA. Методы исследования.Использованыцифровые трехкомпонентные сейсмограммы локальных станций, прошедшие приведение к единой частотедискретизации, полосовую фильтрацию, нормализацию и разделение на временные окна. Для классифи-кации событий и шумовых фрагментов применялась одномерная CNN, анализирующая временные ряды потрем компонентам. Эффективность оценивалась по accuracy, recall, F1-мере и числу ложных срабатыванийв сравнении с STA/LTA. Результаты. Наиболее устойчивые результаты получены для трехкомпонентных записей, окна 20 с, частоты 100 Гц и фильтрации 1–20 Гц. CNN обеспечила accuracy 0,93–0,95, recall 0,91–0,92 и F1-меру 0,92–0,93. По сравнению с STA/LTA модель лучше сохраняла баланс полноты обнаружения иложных тревог, особенно при отношении сигнал/шум ниже 2,0. Результаты подтверждают перспективностьCNN как модуля первичного обнаружения в системах сейсмического мониторинга.