Методика выделения информативных признаков в сигналах геоакустической эмиссии
Ключевые слова:
геоакустическая эмиссия, модель геоакустического импульса, разреженная аппроксимация, информативные признакиАннотация
Исследования геоакустической эмиссии в сейсмоактивном регионе на Камчатке показывают, что при подготовке землетрясений и последующей релаксации поля локальных напряжений в пункте наблюдений в геоакустических сигналах возникают ярко выраженные импульсные аномалии. Качественному выделению таких аномалий препятствуют сильное искажение и ослабление амплитуды сигнала. Обзор существующих методов анализа акустической эмиссии показывает, что чаще всего исследователи обращаются к анализу энергетических и статистических свойств сигналов, как более доступных для изучения. Отличительными особенностями предлагаемого авторами подхода являются выделение информативных признаков на основе анализа временной и частотно-временной структур геоакустических сигналов и описание многообразных форм распознаваемых импульсов ограниченным набором паттернов. Настоящее исследование открывает перспективу разработки новых методов выявления аномального поведения геоакустических сигналов, в том числе и перед землетрясениями.
В работе описана методика извлечения информации из потоков импульсов геоакустической эмиссии звукового частотного диапазона. Представлена математическая модель геоакустического импульса, отражающая процесс генерации сигнала от множества элементарных источников. Приводится решение задачи выделения информативных признаков в геоакустических сигналах путем описания фрагментов сигнала матрицами отношений амплитуд локальных экстремумов и интервалов между ними. Приводится результат применения разработанного алгоритма для автоматического описания структуры выделяемых импульсов и для образования множества паттернов, характеризующих особенности сигналов геоакустической эмиссии, наблюдаемых на полевых станциях ИКИР ДВО РАН. Представлена методика сокращения размерности множества выделенных импульсов, позволяющая найти близкие по структуре паттерны. Предложено решение проблемы обработки большого потока данных путем унификации описания импульсов и их систематизации. Предлагается метод идентификации модели геоакустического импульса с использованием разреженных аппроксимационных схем. Дано алгоритмическое решение задачи понижения вычислительной сложности метода согласованного преследования, заключающееся во включении в метод алгоритма итерационного уточнения решения на каждом шаге. Результаты проведенных научных работ позволили создать инструмент для исследования динамических свойств сигналов геоакустической эмиссии в интересах разработки детекторов предсказания землетрясений.
Литература
2. Салтыков В.А. О возможности использования приливной модуляции сейсмических шумов в целях прогноза землетрясений // Физика Земли. 2017. № 2. С. 84–96.
3. Ларионов И.А. и др. Исследования акустической эмиссии приповерхностных осадочных пород на Камчатке // Геосистемы переходных зон. 2017. № 3. С. 57–63.
4. Giovanni G.P. et al. The seismic sequence in Central Italy (August-November 2016) Acoustic Emission (AE) monitoring and analysis // New Concepts in Global Tectonics Journal. 2016. vol. 4. no. 4. pp. 637–663.
5. Купцов А.В. Изменение характера геоакустической эмиссии в связи с землетрясением на Камчатке // Физика Земли. 2005. № 10. С. 59–65.
6. Купцов А.В., Ларионов И.А., Шевцов Б.М. Особенности геоакустической эмиссии при подготовке камчатских землетрясений // Вулканология и сейсмология. 2005. № 5. С. 45–58.
7. Гордиенко В.А. и др. Аномалия высокочастотных сигналов геоакустической эмиссии как оперативный предвестник землетрясения // Акустический журнал. 2008. Т. 54. № 1. С. 97–109.
8. Марапулец Ю.В., Щербина А.О. Методы исследования пространственной анизотропии геоакустической эмиссии // Электронный журнал «Техническая акустика». 2008. № 14. 17 с. URL: http://ejta.org/ru/marapuletz (дата обращения: 11.03.2019).
9. Пережогин А.С., Шевцов Б.М. Модели напряженно-деформированного состояния горных пород при подготовке землетрясений и их связь с геоакустическими наблюдениями // Вычислительные технологии. 2009. Т. 14. № 3. С. 48–57.
10. Biot M.A. Theory of propagation of elastic waves in fluid-saturated porous solid. II. Higher frequency range // The Journal of the Acoustical Society of America. 1956. vol. 28. no. 2. pp. 179–191.
11. Френкель Я.И. К теории сейсмических и сейсмоэлектрических явлений во влажной почве // Известия АН СССР. Серия: география и геофизика. 1944. Т. 8. № 4. С. 133–149.
12. Gassmann F. Elastic waves through a parking of spheres // Geophysics. 1951. vol. 16. no. 4. pp. 673–685.
13. Марапулец Ю.В., Луковенкова О.О., Тристанов А.Б., Ким А.А. Методы регистрации и частотно-временного анализа сигналов геоакустической эмиссии // Владивосток: Дальнаука. 2017. 148 с.
14. Shcherbina A.O. On some features of geoacoustic emission signals before earthquakes // E3S Web Conferences. 2017. vol. 20. 6 p. URL: https://www.e3s-conferences.org/articles/e3sconf/abs/2017/08/e3sconf_strpep2017_03005e3sconf_strpep2017_03005.html (дата обращения: 12.03.2019).
15. Сычев В.Н., Имашев С.А. Оценка параметра Херста сейсмического сигнала // Геосистемы переходных зон. 2017. № 2. C. 50–61.
16. Мищенко М.А. Статистика возникновения предсейсмических аномалий в геоакустической эмиссии и атмосферном электрическом поле // Вестник КРАУНЦ. Физико-математические науки. 2016. № 3(14). C. 47–52.
17. Senkevich Yu.I., Duke V.A., Mishchenko M.A., Solodchuk A.A. Information approach to the analysis of acoustic and electromagnetic signals // E3S Web of Conferences. 2017. vol. 20. 02012. 9 p.
18. Yang B.Y., Liu R.N., Chen X.F. Sparse Time-Frequency Representation for Incipient Fault Diagnosis of Wind Turbine Drive Train // IEEE Transactions on Instrumentation and Measurement. 2018. vol. 67. no. 11. pp. 2616–2627.
19. Raj S., Ray K.C. Sparse representation of ECG signals for automated recognition of cardiac arrhythmias // Expert systems with applications. 2018. vol. 105. pp. 49–64.
20. Huai S., Zhang S. A novel sparse representation algorithm for AIS real-time signals // EURASIP journal on wireless communications and networking. 2018. vol. 2018. no. 1. pp. 223. URL: https: //jwcn-eurasipjournals.springeropen.com/articles/10.1186/s13638-018-1244-9 (дата обращения: 11.03.2019).
21. Mallat S.G., Zhang Z. Matching pursuits with time-frequency dictionaries // IEEE Transactions Signal Processing. 1993. vol. 41. no. 12. pp. 3397–3415.
22. Сенкевич Ю.И. Структурно-лингвистическая обработка геофизических сигналов и рядом данных // Свидетельство о государственной регистрации программы для ЭМВ № 2019617637. 18.06.2019.
Опубликован
Как цитировать
Раздел
Copyright (c) 2019 Юрий Игоревич Сенкевич, Юрий Валентинович Марапулец, Ольга Олеговна Луковенкова, Александра Андреевна Солодчук
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).