Анализ пространственной кластеризации сейсмических событий алгоритмом топологической фильтрации DPS: Прибайкалье

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

В работе представлены результаты применения алгоритма топологической фильтрации (алгоритм DPS) для анализа пространственной кластеризации эпицентров сейсмических событий на территории Прибайкалья. Использованы данные о землетрясениях, зарегистрированных сейсмической сетью Байкальского филиала Федерального исследовательского центра “Единая геофизическая служба РАН” в пределах 48–58° с.ш. и 99–122° в.д. за период с 1964 по 2018 гг. Получены характеристики кластеризации для:

– периода регистрации с 1989 по 2018 гг. при различных параметрах алгоритма DPS и четырех уровнях минимального энергетического класса КР сейсмических событий,

– шести непересекающихся временных интервалов с 1964 по 2018 гг. и сейсмических событий энергетического класса КР ≥ 8.6 при фиксированных параметрах алгоритма DPS.

Динамика параметров кластеризации с 1964 по 2018 гг., возможно, характеризует изменчивость сейсмического режима региона, а именно: уменьшение линейного размера областей выделенных групп эпицентров от порядка тысячи километров до десятков километров может свидетельствовать о принципиальном изменении сейсмического режима на территории Прибайкалья в конце 90-х – начале 2000-х годов по сравнению с периодом 1964–1997 гг.

Полный текст

Доступ закрыт

Об авторах

А. К. Некрасова

Институт теории прогноза землетрясений и математической геофизики РАН; Институт физики Земли имени О.Ю. Шмидта РАН

Автор, ответственный за переписку.
Email: nastia@mitp.ru
Россия, Москва; Москва

А. С. Агаян

Институт теории прогноза землетрясений и математической геофизики РАН; Московский государственный университет имени М.В. Ломоносова

Email: nastaagaian@mail.ru
Россия, Москва; Москва

В. Г. Кособоков

Институт теории прогноза землетрясений и математической геофизики РАН

Email: volodya@mitp.ru
Россия, Москва

Список литературы

  1. Агаян А.С., Некрасова А.К. Применение алгоритма топологической фильтрации DPS для анализа сейсмичности: Прибайкалье. Современные методы оценки сейсмической опасности и прогноза землетрясений: тезисы докладов II Всероссийской конференции с международным участием, Москва, 29–30 сентября 2021 г. – М.: Институт теории прогноза землетрясений и математической геофизики РАН. 2021. С. 10–13.
  2. Агаян С.М., Богоутдинов Ш.Р., Добровольский М.Н. Об одном алгоритме поиска плотных областей и его геофизических приложениях. Доклады 15-й Всероссийской конференции “Математические методы распознавания образов. ММРО-15”. 2011. С. 543–546.
  3. Агаян С.М., Богоутдинов Ш.Р., Добровольский М.Н. Дискретные совершенные множества и их применение в кластерном анализе // Кибернетика и системный анализ. 2014. Т. 50. № 2. С. 17–32.
  4. Баскаков В.С., Голенецкий С.И., Серебренников С.П. Землетрясение 25(26) октября 1989 г. в районе северо-восточного окончания хребта Кодар (Становое нагорье). Землетрясения в СССР в 1989 г. М. 1993. С. 113–117.
  5. Гвишиани А.Д., Горшков А.И., Ранцман Е.Я., Систернас А., Соловьев А.А. Прогнозирование мест землетрясений в регионах умеренной сейсмичности. М.: Наука. 1988. 176 с.
  6. Гвишиани А.Д., Агаян С.М., Добровольский М.Н., Дзебоев Б.А. Объективная классификация эпицентров и распознавание мест возможного возникновения сильных землетрясений в Калифорнии // Геоинформатика. 2013. № 2. С. 44–57.
  7. Гвишиани А.Д., Агаян С.М., Дзебоев Б.А., Белов И.О. Распознавание мест возможного возникновения эпицентров сильных землетрясений с одним классом обучения // Докл. РАН. 2017а. Т. 474. № 1. С. 86–92.
  8. Гвишиани А.Д., Дзебоев Б.А., Белов И.О., Сергеева Н.А., Вавилин Е.В. Последовательное распознавание мест возможного возникновения значительных и сильных землетрясений: Прибайкалье-Забайкалье // Докл РАН. 2017б. Т. 477. № 6. С. 704–710.
  9. Гвишиани А.Д., Соловьев А.А., Дзебоев Б.А. Проблема распознавания мест возможного возникновения сильных землетрясений: Актуальный обзор // Физика Земли. 2020. № 1. С. 5–29.
  10. Голенецкий С.И., Ружич В.В., Дреннова Г.Ф. Землетрясение 12 (13) мая 1991 г. в районе пос. Бабушкин и сейсмичность Южного Байкала. Землетрясения в СССР в 1991 г. М.: ОИФЗ РАН. 1997. С. 47–52.
  11. Горшков А.И., Соловьев А.А., Жарких Ю.И. Распознавание мест возможного возникновения сильных землетрясений в регионе Алтай–Саяны–Прибайкалье // Докл. РАН. 2018. Т. 479. № 3. С. 333–335.
  12. Государственный доклад “О состоянии озера Байкал и мерах по его охране в 2017 году”. Иркутск: АНО “КЦ Эксперт”. 2018. 340 с.
  13. Дзебоев Б.А., Агаян С.М., Жарких Ю.И., Красноперов Р.И., Барыкина Ю.В. Зоны возможного возникновения эпицентров сильнейших землетрясений Камчатки // Физика Земли. 2018. № 2. С. 96–103.
  14. Кособоков В.Г., Соловьев А.А. Распознавание образов в задачах оценки сейсмической опасности // Чебышевский сборник. 2018. Т. 19. № 4. С. 55–90.
  15. Мельникова В.И., Гилева Н.А., Радзиминович Я.Б., Филиппова А.И. Таллайское землетрясение 2 сентября 2015 г., Кр = 14.0, Mw = 5.1, I0 = 7–8 на северо-восточном фланге Байкальского рифта // Землетрясения Северной Евразии. 2021. № 24(2015). С. 305–313.
  16. Новый каталог сильных землетрясений на территории СССР с древнейших времен до 1975 г. / Кондорская Н.В., Шебалин Н.В. (ред.). М.: Наука. 1977. 536 с.
  17. Соловьев А.А., Гвишиани А.Д., Горшков А.И., Добровольский М.Н., Новикова О.В. Распознавание мест возможного возникновения землетрясений: методология и анализ результатов // Физика Земли. 2014. № 2. С. 3–20.
  18. Солоненко Н.В., Солоненко А.В. Афтершоковые последовательности и рои землетрясений в Байкальской рифтовой зоне. Новосибирск: Наука. 1987. 91 с.
  19. Agayan S.M., Tatarinov V.N., Gvishiani A.D., Bogoutdinov Sh.R., Belov I.O. FDPS algorithm in stability assessment of the Earth’s crust structural tectonic blocks // Russian Journal of Earth Sciences. 2020. V. 20(6). P. 1–14.
  20. Agayan S.M., Dzeboev B.A, Bogoutdinov S.R., Belov I.O., Dzeranov B.V., Kamaev D.A. Development of the Algorithmic Basis of the FCAZ Method for Earthquake-Prone Area Recognition // Appl. Sci. 2023. V. 13. P. 2496.
  21. Bukchin B.G., Fomochkina A.S., Kossobokov V.G., Nekrasova A.K. Characterizing the Foreshock, Main Shock, and Aftershock Sequences of the Recent Major Earthquakes in Southern Alaska, 2016–2018 // Front. Earth Sci. 2020. V. 8. P. 506.
  22. Gordon A.D. Classification. London: Chapman and Hall. 1981.
  23. Gorshkov A., Kossobokov V., Soloviev A. Recognition of earthquake-prone areas / Keilis-Borok V., Soloviev A. (eds.). Nonlinear Dynamics of the Lithosphere and Earthquake Prediction. Springer: Heidelberg. 2003. P. 239–310.
  24. Gvishiani A., Dobrovolsky M., Agayan S., Dzeboev B. Fuzzy-based clustering of epicenters and strong earthquake-prone areas // Environmental Engineering and Management Journal. 2013. V. 12. № 1. P. 1–10.
  25. Kossobokov V.G., Nekrasova A. Characterizing Aftershock Sequences of the Recent Strong Earthquakes in Central Italy // Pure Appl. Geophys. 2017. V. 174. P. 3713–3723.
  26. Kossobokov V.G., Nekrasova A. Aftershock sequences of the recent major earthquakes in New Zealand // Pure and Applied Geophysics. 2019. V. 176. P. 1–23.
  27. Pisarenko V.F., Pisarenko D.V. Modified k-nearest-neighbors method and its application to estimation of seismic intensity // Pure and Applied Geophysics. 2022. V. 179. P. 4025–4036.
  28. Radziminovich N.A., Ochkovskaya M.G. Identification of earthquake aftershock and swarm sequences in the Baikal rift zone // Geodynamics & Tectonophysics. 2013. V. 4 (2). P. 169–186.
  29. Silverman B.W. Density Estimation for Statistics and Data Analysis. Monographs on Statistics and Applied Probability. Chapman and Hall. 1986.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Число землетрясений с энергетическим классом КР ≥ 8.6 за полугодовые временные интервалы. Данные с 01.01.1960 по 31.12.2021 гг. в пределах 48–58° с.ш. и 99–122° в.д. (дата обращения 12.12.2022).

Скачать (700KB)
Метаданные
3. Рис. 2. Графики Гутенберга–Рихтера для четырех временных интервалов. Примечание: на оси абсцисс представлено значение энергетического класса КР, на оси ординат – кумулятивное число землетрясений.

Скачать (587KB)
Метаданные
4. Рис. 3. Характеристики кластеров эпицентров сейсмических событий (1989–2018 гг.), КР ≥ 8.6, ≥ 9.2, ≥ 9.8 и ≥ 10.4, q = –2: (а) – значения β (абсцисса), neq – процент событий, вошедших в кластеры (ордината); (б) – значения локальной плотности α (абсцисса), neq (ордината).

Скачать (508KB)
Метаданные
5. Рис. 4. Пространственное распределение эпицентров землетрясений с KР ≥ 8.6, ≥ 9.2, ≥ 9.8 и ≥ 10.4, объединенных в кластеры алгоритмом DPS: (i) вошедшие в кластеры – цветные символы, (ii) не вошедшие в кластеры – символы серого цвета. Эпицентры землетрясений с KР = 14 и больше, вошедшие в кластеры, показаны черными звездочками; не вошедшие в кластеры – красными звездочками. Примечание: данные с 1989 по 2018 гг. Параметры алгоритма DPS: q = –2, β = –0.5.

Скачать (463KB)
Метаданные
6. Рис. 5. Параметры алгоритма DPS: q = –2, β = –0.25. Обозначения соответствуют подписи к рис. 4.

Скачать (473KB)
Метаданные
7. Рис. 6. Параметры алгоритма DPS: q = –2, β = 0. Обозначения соответствуют подписи к рис. 4.

Скачать (451KB)
Метаданные
8. Рис. 7. Параметры алгоритма DPS: q = –2, β = 0.25. Обозначения соответствуют подписи к рис. 4.

Скачать (439KB)
Метаданные
9. Рис. 8. Пространственное распределение эпицентров землетрясений с энергетическим классом KР = 8.6 и выше: (i) вошедшие в кластеры – цветные символы, (ii) не вошедшие в кластеры – символы серого цвета. Землетрясения с энергетическим классом KР ≥ 14, вошедшие в кластеры, показаны черными звездочками, не вошедшие в кластеры – красными звездочками. Примечание: параметры алгоритма DPS: q = –2, β = –0.5.

Скачать (1MB)
Метаданные

© Российская академия наук, 2024