CC BY
19
КИБЕРНЕТИКА И МЕХАТРОНИКА
ПРОГНОЗ ВОЗМОЖНО МАКСИМАЛЬНЫХ ЗЕМЛЕТРЯСЕНИЙ
В СЕВЕРО-ЗАПАДНОМ РАЙОНЕ ВЬЕТНАМА
К.А. Пупков, Као Динь Чонг
Кафедра кибернетики и мехатроники Российский университет дружбы народов ул. Орджоникидзе, 3, Москва, Россия, 115419
Као Динь Чьеу, Фам Нам Хунг
Институт геофизики ул. Хоанг Гуок Вьет, г. Ханой, Вьетнам
Исследована возможность применения нейронных сетей для определения вероятности землетрясений в северо-западном районе Вьетнама.
Ключевые слова: прогноз землетрясений, магнитуды землетрясений, нейронная сеть.
В 1924 г. во Вьетнаме была построена первая станция мониторинга землетрясений в районе Фу Лиен (города Хайфон). В настоящее время имеется сеть мониторинга, состоящая из 24 станций. Получены результаты о характеристиках сейсмологии Вьетнама [1—7; 9]. Самым активным районом является северо-западный район. Землетрясения Тхань Хоа (1635 г. с M. 6,7), Дьен Бьен (1935 г. с M. 6,8), и Туан Зао (1983 г. с M. 6,7) потверждают данное утверждение. По северо-западному региону Вьетнама проведено было мало исследований, исследование этого района является актуальной задачей.
Прогнозирование максимальной силы (магнитуды) землетрясений на основе нейронных сетей (neural network) известно в мировой практике [8; 10—13] и дает хорошие результаты для многих регионов мира. По этому направлению во Вьетнаме исследования не проводились.
В рамках работы проводены эксперименты по применению нейронных сетей для прогноза максимальной силы землетрясений северо-западного района Вьетнама. Исследованная область представлена на рис. 1. Для прогноза были использованы следующие данные: 1) значение плотности линеаментов; 2) значение градиента Бугера гравитационного поля; 3) градиент аномалий магнитного поля; 4) градиент вертикального сдвига в современной коры тектоники; 5) градиент толщины осадочного чехла; 6) градиент глубины в кристаллическом фундаменте; 7) градиент толщины коры. Эти параметры связаны с возникновением землетрясений
и частично использовались в исследованиях [1—3; 5; 6; 9]. В работе использован каталог землетрясений Вьетнама, который составлен Институтом геофизики до 2009 г. и обновлен международными и историческими данными [1].
Рис. 1. Исследованная область и прилегающие к ней регионы
Рис. 2. Архитектура нейронной сети
Возможность применения нейросетевых технологий для прогноза землетрясений. Искусственные нейронные сети служат для вычисления и анализа данных. На рисунке 2 показана модель искусственной нейронной сети. В этой модели есть три слоя: входной, скрытый и выходной. Каждый слой имеет некоторое количество нейронов, и каждый нейрон связан с другими, такие связи определяются структурой сети. У каждого нейрона есть свой вес, который определяет межнейронные связи. Входные данные проходят входной слой, умножаются на вес соответствующего нейрона и проходят через активационную функцию. Эти данные являются входными для следующего слоя. Тип функций и связей между нейронами зависит от типов модели и конкретной задачи [11].
Во Вьетнаме нейронные сети для прогноза землетрясений не применялись. Для потверждения эффективности этого метода создана нейронная сеть FeedForward с алгоритмом обучения обратного распределения с целью прогноза максимального землетрясения по входным данным и сравнения значений, полученных по нейронной сети с реальным данным по каталогу землетрясений северо-западного района Вьетнама. В качестве примеров выбрали 24 максимальных землетрясения больше 4,5 М. Входные данные выбрали по семи значениям, результаты показаны в табл. 1.
Таблица 1
Пример обучения нейронной сети
Долгота Широта M (реальное значение) M (расчетное значение)
102,4 22,4 4,5 4,5649
102,6 22,2 5,3 5,357
103,2 22 4,6 4,5274
103,2 22,6 4,5 4,5721
103,4 21,2 4,6 4,5772
103,4 21,4 5 5,0548
103,4 21,6 6,7 6,5585
103,8 21,2 4,9 4,8728
104,2 22 4,7 4,6022
104,2 22,2 5 4,9398
104,2 22,4 4,9 4,9275
104,4 22,4 4,7 4,6996
В таблице 1 представлены некоторые результаты, полученные при применении нейронной сети для выборки из 24 примеров. Полученное значение R равно 0,9006, ошибка нейронной сети не превышала 0,1. Эти результаты подтверждают эффективность применения НС с тремя слоями, семью различными значениями на входе, пятью нейронами у скрытного слоя и одним нейроном на выходе, который дает нам максимальное значение вероятности землетрясения в этом регионе Вьетнама.
Процесс построения нейронной сети определяется выбором типа и структуры сети по методу проб и ошибок. Полученная сеть представлена на рис. 3. Сеть оценивается по значениям R, определяющим отношения между реальными и полученными результатами. Чем ближе значение R к 1, тем точнее результаты. Программа MAtlab с модулем нейронной сети использовалась для создания сети Neural Network Toolbox 6.0.4/nntool.
Входной слой
Рис. 3. Нейронная сеть для пргноза землетрясений северо-западного района Вьетнама
Прогноз сильных землетрясений северо-западного района Вьетнама на основе нейронных сетей. По каталогу землетрясений северо-западного района Вьетнама, количество землетрясений у северо-западного района Вьетнама равно 521, в том числе 10 землетрясений, происходящих до 1900 г. (с магнитудами больше 4) и 511 после 1900 г. (с магнитудами больше 3).
С помощью нейронной сети проведен прогноз сейсмической активности северо-западного района Вьетнама. Северо-западный район разделен на 225 квадратичных одинаковых частей с интервалом 20 км. Для каждого квадрата вычисляются семь значений средних по данным. Выбирается представленное землетрясение для каждого квадрата.
103 103.5 104 104.5 105 105.5 106 Рис. 4. Карта расположения эпицентров землетрясений северо-западного района Вьетнама
Для прогноза сильных землетрясений были использованы каталог землетрясений, произошедших с 1900 г., и полный каталог землетрясений, в том числе землетрясений, произошедщих до 1900 г. (рис. 4).
Обучение сети водится на выборке, содержащей 70% данных, 15% данных для проверки состояния сети и последние 15% для проверки работой способности сети. Для каждого интервала данных вычисляются значения Я и последнее значение, которое покажет точность сети, будет производиться по средним значениям Я. С набором примеров обучения сети, включенных землетрясений больше 4,5, результатами будут подрайоны с возможностью землетрясений с магнитудами больше или равными 5.
На рисунках 5 и 6 представлены результаты прогнозирования, полученные при использовании каталога землетрясений с 1900 г. и при использовании полного каталога землетрясений, вылюченные землетрясения с историческими землетрясениями.
По результатам прогноза землетрясений северо-западного района Вьетнама методом нейронной сети получены следующие выводы:
— прогноз значения максимальных землетрясений методом нейронной сети, используемым в мире, может быть использован для Вьетнама, у страны есть нехороший каталог, и возможно сдать хорошие результаты.
— в пяти очагах северо-западного района Вьетнама (Мыонг Те; Лай Чау — Диен биен; Сонг Ма; Сон Ла — Сонг Да; Сонг Хонг и Сонг Ка) возможны землетрясения с магнитудами больше 6.0. Отмечены подрайоны, в которых были сильные землетрясения больше 6,0 (Тхан Хоа (1635 г. M 6,7), Диен Биен (1935 г. M 6,8), Туан Зао (1983 г. M 6,7) в остальных подрайонах как по очагу Сон Ла, подрайон Мыонг Те — Лай Чау-Диен Биен очагов, по Сонг Хонг очагу с Ханой до Хай Фонг, и по Сонг Ма и Сонг Ка очагам возможны землетрясения с магнитудами больше 6,0.
Рис. 5. Карта результатов прогноза максимальных значений землетрясений для районов северо-западного района Вьетнама по каталогу с 1900 г.
Рис. 6. Карта результатов прогноза значений землетрясений с максимальной магнитудой для районов северо-западного района Вьетнама по каталогу с историческими землетрясениями
ЛИТЕРАТУРА
[1] Cao Dînh Triêu, 2010. Tai bién Dông dât à Viet Nam / Nhà xuât bàn Khoa hoc Ky thuât, Hà Nôi, 304 trang.
[2] Cao Dînh Triêu, Lê Van Düng, Thái Anh Tuân, 2010. Dô nguy hiêm dông dât khu vue Tây Bäc bô và các vùng ké cân // Tap chí Dia chât, loat A, So 320 (9—10), Hà Nôi, trang 253—262.
[3] Cao Dînh Triêu, Ngô Thi Lu, MaiXuân Bách, Nguyên Hùu Tuyên, Pham Nam Hung, Thái Anh Tuân, 2001. Du báo cuc dai dông dât phan dât lièn länh tho Viet Nam trên ca sà phân loai
dang vo Trai dat // Tuyen tap bao cao Hoi nghi KHKT BVL Viet nam lan thu 5, Tp. Ho Chi Minh, trang 159—171.
[4] Cao Dinh Trieu, Nguyen Dinh Xuyen, Nguyen Hong Phuang, Nguyen Thanh Tung, 2006. Tai bien dong dat cac tinh Tay BSc Viet Nam // Nha xuat ban Khoa hoc Ky thuat, Ha Noi, 216 trang.
[5] Cao Dinh Trieu, Nguyen Thanh Xuan, 1999. Banh gia nguy hiem dong dat vung Tay Bac (Viet Nam) tren co s& tu lieu vien tham va ky thuat he thong tin dia ly GIS // Tuyen tap cac bao cao khoa hoc tai Hoi thao quan ly moi truong Viet Nam, 1999, Ha noi, 192—204.
[6] Cao Dinh Trieu (chu bien) va nnk, 2006. Thiet lap nhung tiep can thich hop de nghien cuu du bao dong dat lanh tho Viet Nam. Bao cao tong ket nhiem vu HTQT ve KH&CN theo nghi dinh thu Viet Nam — Italy (2004—2006) // luu tru Vien VLBC, 169 trang.
[7] Nguyen Ngoc Thuy (chu bien) va nnk., 2005. Phan vung du bao chi tiet dong dat & vung Tay BSc (giai doan 2001—2005) // Bao cao tong ket Be tai Khoa hoc va cong nghe cap Nha Nuoc, MS: KC.08.10.
[8] Ashif Panakkat and Hojjat Adeli, 2007. Neural Network Model for Earthquake Magnitude Prediction using multiple seismicity indicator // International Journal System. Vol. 17, No. 1 (2007), pp 13—33.
[9] Cao Dinh Trieu, 2010. Seismic Hazards in Vietnam / Science and Technics Publishing House, Hanoi, pp 182.
[10] Dieter H. Weichert, 1980. Estimation of earthquake reccurrence parameters for unequal observation period for different magnitude // Bulletin of the Seismological Society of America, Vol. 70, No. 4, pp 1337—1346, August 1980.
[11] Hagan M.T., Demuth H.B. andBeale M. 1996. Neural Network Design // PWS Publishing Company, Boston, MA, 1996.
[12] Hojjat Adeli, Ashif Panakkat, 2009. A probalistic neural network for earthquake magnitude prediction // Neural Network 22 (2009), pp 1018—1024.
[13] Wang Ying, Chen Yi, Zhang Jinkui, 2009. The Application of RBF Neural Network in Earthquake Prediction // 2009 Third International Conference on Genetic and Evolutionary Computing, pp 465—468.
THE APPLICATION OF NEURAL NETWORK FOR EARTHQUAKE MAGNITUDE PREDICTION IN TAYBAC VIET NAM
KA. Pupkov, Cao Dinh Trong
Department of Cybernetics and Mechatronics Peoples' Friendship University of Russia
Ordzhonikidze, 3, Moscow, Russia, 115419
Cao Dinh Trieu, Pham Nam Hung
Institute of Geophysics Hoang Quoc Viet str., Hanoi, Viet Nam
In this paper the authors presented some primary results of the application of Neural Network for Earthquake Magnitude Prediction in Tay Bac Viet Nam.
Key words: Earthquake Prediction, Magnitude, Neural Networks.
