WO2012161606A1 - Способ прогнозирования сейсмического события - Google Patents
Способ прогнозирования сейсмического события Download PDFInfo
- Publication number
- WO2012161606A1 WO2012161606A1 PCT/RU2011/000346 RU2011000346W WO2012161606A1 WO 2012161606 A1 WO2012161606 A1 WO 2012161606A1 RU 2011000346 W RU2011000346 W RU 2011000346W WO 2012161606 A1 WO2012161606 A1 WO 2012161606A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- seismic
- time window
- active region
- region
- time
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005259 measurement Methods 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 238000001228 spectrum Methods 0.000 claims abstract description 10
- 238000007619 statistical method Methods 0.000 claims abstract description 6
- 238000011835 investigation Methods 0.000 claims abstract 3
- 239000003673 groundwater Substances 0.000 claims description 12
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 8
- 229910052704 radon Inorganic materials 0.000 claims description 8
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 239000007789 gas Substances 0.000 claims description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 4
- 239000001569 carbon dioxide Substances 0.000 claims description 4
- 230000005672 electromagnetic field Effects 0.000 claims description 4
- 231100001261 hazardous Toxicity 0.000 claims description 4
- 229910052739 hydrogen Inorganic materials 0.000 claims description 4
- 239000001257 hydrogen Substances 0.000 claims description 4
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims description 4
- -1 for example Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 230000010355 oscillation Effects 0.000 description 9
- 230000002045 lasting effect Effects 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 241000269627 Amphiuma means Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- JTGFWPRSXKMKSD-UHFFFAOYSA-N SNSS Chemical compound SNSS JTGFWPRSXKMKSD-UHFFFAOYSA-N 0.000 description 1
- 206010064127 Solar lentigo Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical class C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/01—Measuring or predicting earthquakes
Definitions
- the invention relates to seismology and can be used to predict the location, strength and time of a seismic event, for example, an earthquake, volcanic eruption.
- the difficulty in predicting the upcoming seismic event is due to the fact that it is impossible to obtain direct data on the state of the earth's crust at a depth of several kilometers and it is necessary to use indirect estimates of the state of the earth's crust in the focus of the alleged seismic event, according to measurements of control parameters using a limited number of measuring instruments, and measuring instruments not necessarily located above or near the focus of the alleged seismic event.
- Numerous earthquake prediction solutions are known, based on tracking changes in certain control parameters that are somehow related to processes occurring in the earth's crust in earthquake-prone areas. When forecasting, they are used as separate parameters, such as: microseismic fluctuations in the earth’s crust, changes in the Earth’s magnetic field, changes in the Earth’s electromagnetic field, fluctuations in groundwater level, fluctuations in groundwater pressure, the concentration of one or more gases dissolved in groundwaters, such as carbon dioxide, methane, hydrogen, radon, or position Earth relative to the sun, moon and other planets of the solar system.
- the current changes in the control parameters are associated with their critical values, and based on this comparison, the location, time of the upcoming earthquake, and the strength of the earthquake are determined.
- a known method for predicting an earthquake including the formation in a seismically hazardous area of a measuring range in the form of a rectangular lattice of N inertia-free meters located at the nodes of the lattice and spaced apart by a distance of ⁇ / 4 with the geometric dimensions of the sides of the lattice that are a multiple of the wavelength ⁇ of the precursor signal, measuring the amplitude And the signal in each node of the lattice with a duty cycle of less than 1 s, the formation of a matrix of digital samples of the precursor signal with dimension m "m elements as a function of spatial coordinates at A (x, y). Then calculate the parameters of the electric signal of the matrix: the energy spectrum of the signals S (F X ), S (F y ), the spatial period
- a known method for predicting the location and intensity of an earthquake including receiving and processing information signals coming from areas of mechanical deformations underground, while as information signals, use an electromagnetic wave generated by deformation processes in the earthquake source, preferably a low-frequency one, which is received in a low-conductive layer of the earth's crust, preferably composed of basalts, for which 5 use receiving antennas of radio waves, which are placed in wells drilled from the surface to the low-conductive layer of the earth’s crust, and are mounted in isolation from the earth mass located above the low-conductive layer of the earth's crust, while information signals rayut simultaneously at least at three points (see. Russian patent th -N22147757 tml. G01V1 / 00 dated 20.04.2004).
- a known method for predicting earthquakes including the drilling of observation wells, the depth of which is less than the depth of the groundwater level and the continuous detection in each of these wells of radon emission from the rock mass and the total amount of seismic energy,
- zones with a sequential decrease or increase in radon emission are determined taking into account the received seismic energy, these zones are mapped to the studied area and the position of the epicenter and magnitude are judged by the area of the dynamic decrease in radon emission zone
- a typical example showing the lack of reliable methods for predicting an earthquake is an earthquake in Japan, which was not predicted, despite the presence on the Japanese islands of a large number of sensors measuring parameters characterizing processes in the earth's crust, for example microseismic vibrations of the earth's crust.
- the objective of the present invention is to develop a method for predicting a seismic event, for example, an earthquake or volcanic eruption, which will allow, based on measurements of controlled parameters characterizing the processes occurring in the earth's crust in a seismically dangerous zone, to determine the area in which an earthquake can occur, to determine with sufficient accuracy the time range during which an earthquake can occur, and determine the strength of the upcoming earthquake.
- An additional objective of the present invention is to develop an earthquake prediction method that will make it possible to use both real-time measured data and previously obtained data for earthquake prediction.
- a method for predicting a seismic event comprising: selecting at least one monitored parameter from among the parameters characterizing processes in the earth's crust to monitor the situation in at least one zone of the expected seismic event belonging to the seismically active the region; the formation in the studied seismically active region, to which at least this one zone of the expected seismic event belongs, an observational network of n measuring points of at least this one controlled parameter, while in the studied seismic active region the measuring points of the controlled parameter are spaced relative to each other friend, receiving in real time from the specified n meters data on the measurement results of at least one controlled parameter, while the measurement Rui parameter operate continuously and simultaneously at all the measurement points n observation network with fixed and the same for all stations sampling time step At and register them in the form of an electrical signal; the formation for the studied seismically active region of a regular network of NxM nodes, where ./V is the number of nodes in the direction of changing longitude and M is the number of nodes in the direction of changing latitude, covering the studied seismically active region, and
- processing data obtained from the indicated n measurement points to determine the risk of the upcoming seismic event, its location, time and force including: selecting a time window consisting of a given number L of consecutive time samples with a sampling step At, with L> 1 6, at the same time, for the current sliding time window, the end time of the time window coincides with the current time ⁇ ; determination for each node (/, /), ⁇ ⁇ i ⁇ N, ⁇ ⁇ j ⁇ M, of a regular grid of NxM nodes, a measure of consistency S of changes in the controlled parameters, by joint analysis of measurements in a certain number v (v> 3) closest to the node (, /) measurement points among the total number of n points measurements covering the studied seismically active region and / or determination for each node 0 ' , /), l ⁇ i ⁇ N, l ⁇ j ⁇ M, of a regular grid of NxM nodes of the multifractal parameter ⁇ , - d) the width of the carrier of the singular
- the current moving time window is an indicator of the overall increase in seismic hazard in a given seismic-hazardous region or in its separate subregion.
- the average SHNSS values for the entire region are determined by the formula: ⁇ ( ⁇ )> - ⁇ ⁇ 0 ( ⁇ ) / ( ⁇ - ⁇ ), and the decrease
- the average value of SHNSS ⁇ A (t)> at the current moment of time for the current moving time window is an indicator of the overall increase in seismic hazard in a given seismic-hazardous region or in its separate subregion.
- the average value of SHNSS ⁇ ⁇ )> at the current moment of time for the current moving time window is an indicator of the overall reduction of seismic hazard in this seismically dangerous region or in its separate subregion.
- the measure of consistency S of the change in the controlled parameters is meant a multiple correlation coefficient or a multiple coherence spectrum.
- At least one or more of the following parameters are used, at least one or more of the following parameters: microseismic vibrations, change in the Earth’s magnetic field strength, change in the Earth’s electromagnetic field strength, groundwater level fluctuations, groundwater pressure fluctuations, concentration of one or more gases dissolved in the groundwater, for example, carbon dioxide , methane, hydrogen, radon, while in the processing of data obtained from the specified n points of measurement using measurements of one of the specified control parameters, or when processing ke data obtained from said n points of measurement using the measurement of said different control parameters.
- microseismic vibrations change in the Earth’s magnetic field strength
- change in the Earth’s electromagnetic field strength change in the Earth’s electromagnetic field strength
- groundwater level fluctuations for example, groundwater pressure fluctuations
- concentration of one or more gases dissolved in the groundwater for example, carbon dioxide , methane, hydrogen, radon
- a time window equal to or a multiple of 28 days is used.
- a time window equal to or a multiple of 365 days is used.
- time window is divided into several sub windows, each of which includes 16-64 sampling steps.
- the measurement results are recorded as an analog or digitized electrical signal.
- they additionally turn to databases on previous measurements of parameters in seismically active regions that characterize processes in the earth's crust that describe the change in these parameters in the period preceding a known seismic event in the period of the seismic event and in the period after the seismic event, and use this data to calculate critical values of the singularity and measure of consistency of 5 * measurements of control parameters, while processing the previous measurements only use data whose measurement periods overlap.
- the present invention makes it possible with sufficient accuracy for practical application to predict the zone of the upcoming earthquake, the strength of the upcoming earthquake and the time when it will occur.
- FIG. Figures 1-6 are diagrams and graphs illustrating a specific example of data processing in earthquake forecasting for Japan, data processing was performed before March 1, 201 201 1.
- FIG. Figure 1 shows the smoothed curves of Aa values in successive 30-minute time windows for the initial records of the vertical component of microseismic vibrations with a frequency of 1 Hz.
- FIG. Figure 2 shows the change in the average value of the linear predictability index p (thin black line) and its value averaged in a moving time window lasting 57 days (thick black line). Index p was calculated inside sequential time sub windows with a duration of 1 day
- FIG. Figure 3 shows the results of a cluster analysis of clouds of 7-dimensional vectors of daily properties of the microseismic oscillation field in the Japanese Islands in a sliding time window lasting 2 years with a shift of 7 days depending on the position of the right end of the time window: q is the optimal number of clusters; ⁇ is the value of the cluster exponent
- FIG. Figure 4 shows the change in the multiple correlation coefficient k, estimated for five average values of the parameter Aa, calculated within five spatial groups of measurement points for 1-minute data in consecutive days.
- the multiple correlation coefficient is calculated in a time window of 1 year duration
- FIG. Figure 5 shows the changes in the correlation coefficient between the average values * and Aa in a sliding time window of 1 year duration depending on the position of the right end of the time window.
- Horizontal arrows indicate time intervals of the same duration from the moment of the first deeply “pointed" minimum of the correlation coefficient to the moment of the earthquake of September 25, 2009 and from the moment of the second minimum of the same nature until July 2010, which is estimated as the beginning of a dangerous waiting time interval catastrophic earthquake.
- FIG. 7 illustrates the prediction of the location of an upcoming earthquake after event 1 March 1, 201 1 g
- the forecast made was also recorded in the application submitted to the Russian expert council for forecasting earthquakes and seismic hazards on April 26, 2010.
- the main steps for analyzing microseismic noise registration data by the F-net broadband seismic network in Japan are described below.
- the main results of processing and presenting data are presented, which made it possible to first formulate a forecast for the preparation of the disaster, and then give an estimate of the time of the strongest earthquake.
- the peculiarity of this analysis is that it presents for the first time previously unpublished data on the retrospective forecast of the place of occurrence of a catastrophic earthquake made by the author. This result, in spite of its retrospective nature, convincingly demonstrates the wide possibilities of the claimed invention when applied to predict all three necessary components of the forecast of destructive earthquakes that are important for practical purposes - place, force and time.
- the linear predictability index p gives a measure of how easily random seismic vibrations can be predicted one step ahead: if p> 0, then the vibrations are relatively simple to predict and the larger the value of p, the more accurately the next value of seismic vibrations can be predicted from a number of previous values.
- the value of p describes the complexity of random oscillations: the larger p, the simpler the oscillations.
- the multiple correlation coefficient k, 0 ⁇ k ⁇ 1 is a generalization of the usual correlation coefficient between two data sets, in our case from microseismic noise measurement sets, to the case when there are more than 2 such sets.
- a cluster exponent ⁇ arises when considering how good is a two-year cloud of 7 simultaneously processed parameters of microseismic noise, calculated every day (i.e., a total of 730 such 7-dimensional vectors are located in a two-year moving time window), is divided into h the number of groups (clusters) varying from a maximum of 40 to a minimum of 1 [L.4].
- FIG. Figure 2 shows graphs of smoothed values of the carrier width of the Aa singularity spectrum (AHSS), averaged over the values from all measurement points of the observational network, for the initial data with a sampling step of 1 s in time at consecutive time intervals of 30 min. Curves are smoothed in the window for 28 days (thin line) and 1 year (thick line).
- the behavior of the Aa values smoothed in the 1-year window is characterized by a significant drop in the average value, which began in 2003 about six months before a strong earthquake in the area of Hokkaido Island, and the average level achieved after this earthquake is no longer restored to its previous value up to the disaster And March 201 1
- FIG. Figure 3 shows a graph of the change in the average value for all measurement points of the observational network for the linear predictability index in successive time windows 1 day long. It can be seen that the generalized Hurst parameter p undergoes a significant and rather sharp jump in July 2002. Based on the development of events before the earthquake of September 25, 2003, this jump can be considered the beginning of an increase in synchronization.
- An increase in the linear predictability index means an increase in the temporal correlation of microseismic oscillations, i.e.
- FIG. 5 is a graph of changes in the multiple correlation coefficient k for 5 time series of average SHNSS values Aa within 5 spatial groups of station measurement points in a moving time window of 1 year duration. Using the annual time window to calculate the correlation measure is equivalent to averaging the seasonal effects of cyclones, storms and hurricanes as the main generators of low-frequency microseisms and makes the assessment very smooth and stable.
- FIG. Figure 6 shows a graph of the correlation coefficient between the average values of parameters a and A, calculated over a whole network of measurement points, calculated in a sliding time window of 1 year duration.
- the graph in FIG. 6 contains 2 bright anomalies in the behavior of the correlation coefficient — sharp lows in 2002 and 2009. Since the first anomaly of 2002 was followed by a major earthquake on September 25, 2003, it was suggested that the second sharp minimum of the correlation coefficient is a harbinger of a future strong earthquake starting in the second half of 2010, and this event can be large in energy with magnitude M - 8.5-9.0. It was this graph that gave the basis in late 2009 to designate mid-2010 as an estimate of the beginning of a dangerous period of anticipation of a catastrophic earthquake.
- Lyubushin A.A Analysis of data from geophysical and environmental monitoring systems. M .: Nauka, 2007.228 s. L.1. Lyubushin AA Trends and rhythms of synchronization of multifractal field parameters of low-frequency microseisms // Physics of the Earth. 2009. N ° 5. P.15-28. L.2.
- Lyubushin A.A Statistics of temporary fragments of low-frequency microseisms: their trends and synchronization // Physics of the Earth. 2010. N ° 6. P.86-96. L.Z.
- Lyubushin A.A Cluster analysis of the properties of low-frequency microseismic noise // Physics of the Earth. 201 1. N ° 6, S.26-34. L. 4.
- Lyubushin A.A Mean multifractal properties of low-frequency microseismic noise // Proceedings of 31st General Assembly of the European Seismological Commission ESC-2008. Hersonissos, Crete, Greece, 7-12 Sept. 2008. 2008a. P.255-270. L.5.
- Lyubushin A.A Multifractal properties of low-frequency microseismic noise in Japan, 1997-2008 // Book of abstracts of 7th General Assembly of the Asian Seismological Commission and Japan Seismological Society. Fall meeting. Tsukuba, Japan, 24-27 Nov. 2008. 2008b. P.92. L.6.
- Lyubushin A.A Synchronization of multifractal parameters of regional and global low-frequency microseisms // European Geosciences Union General Assembly 2010, Vienna, 02-07 of May, 2010. Geophys. Res. Abstr. V. 12. EGU2010-696, 2010a. L.7.
- Lyubushin A.A Synchronization phenomena of low-frequency microseisms // European Seismological Commission, 32nd General Assembly, Sept. 06-10, 2010, Montpelier, France: Book of abstr. Ses. ES6. 2010b. P.124. L.8.
- Lyubushin A Multifractal parameters of low-frequency microseisms // Synchronization and Triggering: from Fracture to Earthquake Processes, GeoPlanet: Earth and Planetary Sciences, DOI 10.1007 / 978-3-642- 12300-9J 5. Berlin; Heidelberg: Springer-Verlag, 2010c. 388 p. Chapter 15. P.253-272. L.9. Industrial applicability
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
Предложен способ прогноза сейсмических событий, основанный на совместной обработке результатов измерений контрольных параметров, полученных в режиме реального времени от нескольких пунктов измерений, покрывающих сейсмоактивный регион. Обработка данных включает в себя формирование для исследуемого сейсмоактивного региона регулярной сети из NxM узлов, выбор скользящего временного окна, состоящего из заданного числа L последовательных временных отсчетов с шагом дискретизации At, определение для каждого узла регулярной сетки из NxM узлов меры согласованности S изменений контролируемых параметров, и/или мульти- фрактального параметра Δαij(τ) ширины носителя спектра сингулярности (далее ШНСС) Аа как среднее от значений Аа в некотором числе ближайших к узлу (i,,j) пунктов измерения среди общего числа п пунктов измерения, покрывающих сейсмоактивный регион. Далее, используя значения меры согласованности S в каждом узле (i,,j), для каждого временного окна на текущий момент времени т определяют подобласть исследуемого региона, оцениваемую как область с повышенной сейсмоопасностью в пределах текущего скользящего временного окна, путем сравнения меры согласованности S с пороговым значением причем пороговое значение определяют на основе статистического анализа значения S для предыдущих сейсмических событий в этом сейсмоактивном регионе и на основе статистического анализа для предыдущих сейсмических событий в этом сейсмоактивном регионе.
Description
СПОСОБ ПРОГНОЗИРОВАНИЯ СЕЙСМИЧЕСКОГО СОБЫТИЯ
Область техники, к которой относится изобретение
Изобретение относится к сейсмологии и может быть использовано для прогнозирования места, силы и времени сейсмического события, например, землетрясения, извержения вулкана.
Уровень техники
Проблема прогнозирования места, силы и времени предстоящего сейсмического события, например, землетрясения, является наиболее актуальной для современной геофизики, так как многие сейсмоопасные зоны расположены в густонаселенных районах Земли и в этих районах находятся многочисленные промышленные объекты, полное или частичное разрушение которых может привести к непредсказуемым последствиям или к экологической катастрофе.
Сложность прогнозирования предстоящего сейсмического события связана с тем, что невозможно получить прямые данные о состоянии земной коры на глубине несколько километров и приходится использовать косвенные оценки состояния земной коры в очаге предполагаемого сейсмического события, по измерениям контрольных параметров с использованием ограниченного количества измерительных приборов, причем измерительные приборы не обязательно находятся над очагом или вблизи очага предполагаемого сейсмического события.
Известны многочисленные решения по прогнозированию землетрясения, основанные на отслеживании изменения определенных контрольных параметров, так или иначе связанных с процессами, протекающими в земной коре в сейсмоопасных районах. При прогнозе используются как отдельные параметры, такие как: микросейсмические
колебания в земной коре, изменение напряженности магнитного поля Земли, изменение напряженности электромагнитного поля Земли, колебания уровня подземных вод, колебания давления подземных вод, концентрацию одного или нескольких растворенных в подземных водах газов, например, углекислого газа, метана, водорода, радона, или положение Земли относительно Солнца, Луны и других планет солнечной системы. В известных решениях текущие изменения контрольных параметров связываются с их критическими значениями, и на основе такого сравнения определяются местоположение, время предстоящего землетрясения и сила землетрясения. Известен способ прогнозирования землетрясения, включающий формирование в сейсмоопасном районе измерительного полигона в виде прямоугольной решетки из N безынерционных измерителей, размещенных в узлах решетки и отстоящих друг от друга на расстоянии λ/4 при геометрических размерах сторон решетки, кратных длине волны λ сигнала предвестника, измерении амплитуды А сигнала в каждом узле решетки со скважностью менее 1 с, формирование матрицы цифровых отсчетов сигнала предвестника размерностью m "m элементов в функции пространственных координат А(х,у). Затем вычисляют параметры электрического сигнала матрицы: энергетический спектр сигналов S(FX), S(Fy), пространственный период
направление прихода волны Θ =arctg Fx/Fy, автокорреляционную функцию B(R) и по их значениям и времени существования судят о магнитуде и времени ожидаемого землетрясения (см. патент РФ 0195 по кл. G01V1/00 от 10.05.1999).
Известен способ прогноза местоположения и интенсивности землетрясения, включающий прием и обработку информационных сигналов, поступающих из зон механических деформаций под землей, при этом в
качестве информационных сигналов используют электромагнитную волну, порождаемую деформационными процессами в очаге землетрясения, предпочтительно низкочастотную, которую принимают в низкопроводящем слое земной коры, предпочтительно, сложенном базальтами, для чего 5 используют приемные антенны радиоволн, которые размещают в скважинах, пробуренных с поверхности до низкопроводящего слоя земной коры, и монтируют изолированно от земного массива, расположенного выше низкопроводящего слоя земной коры, при этом информационные сигналы отбирают одновременно по меньшей мере в трех точках (см. патент РФ ю -N22147757 по кл. G01V1/00 от 20.04.2004).
Известен способ прогноза землетрясений, включающий бурение наблюдательных скважин, глубина которых менее глубины уровня грунтовых вод и непрерывной регистрации в каждой из этих скважин выделения радона из массива горных пород и суммарного количества сейсмической энергии,
15 поступившей в каждую наблюдательную скважину. По серии наблюдений во времени выделяют зоны с последовательным уменьшением или увеличением выделения радона с учетом поступившей сейсмической энергии, указанные зоны наносят на карту исследуемого района и по площади зоны динамического уменьшения выделения радона судят о положении эпицентра и магнитуде
20 ожидаемого землетрясения, а по динамике уменьшения и/или увеличения выделения радона в наблюдательных скважинах судят о времени ожидаемого сейсмического события (см. патент РФ N°2106663 по кл. G01V1/00 от 10.03.1998).
Известен способ прогнозирования землетрясения, включающий 25 отслеживание образования и развития солнечных пятен и вспышек на Солнце с последующим расчетом времени и зоны возмущений магнитного поля Земли, связанных со вспышками на Солнце, и оценкой возможности землетрясения в соответствующей сейсмоопасной зоне (см. патент США 7706982 по кл. G01V1/00 от 27.04.2010). зо Несмотря на множество предложенных решений по прогнозу
местоположения и времени предстоящего землетрясения, до настоящего времени не предложено ни одного способа прогнозирования землетрясения или иного сейсмического события, который позволил бы с достаточной точностью определить местоположение, время и силу предстоящего землетрясения. Типичным примером, показывающим отсутствие достоверных способов прогнозирования землетрясения, является землетрясение в Японии, которое не было предсказано, несмотря на наличие на Японских островах большого количества датчиков, измеряющих параметры, характеризующие процессы в земной коре, например микросейсмические колебания земной коры.
Раскрытие изобретения
Задачей настоящего изобретения является разработка способа прогнозирования сейсмического события, например, землетрясения или извержения вулкана, который даст возможность на основе измерений контролируемых параметров, характеризующих процессы, происходящие в земной коре в сейсмоопасной зоне, определить область, в которой может произойти землетрясение, определить с достаточной точностью временной диапазон в течение которого может произойти землетрясение, и определить силу предстоящего землетрясения. Дополнительной задачей настоящего изобретения является разработка способа прогнозирования землетрясения, который даст возможность использовать для прогнозирования землетрясения как данные измеряемые в режиме реального времен, так и данные, полученные ранее.
Для решения указанных задач предлагается способ прогнозирования сейсмического события, содержащий: выбор, по меньшей мере, одного контролируемого параметра, из числа параметров, характеризующих процессы в земной коре, для мониторинга ситуации, по меньшей мере, в одной зоне ожидаемого сейсмического события, принадлежащей исследуемому сейсмоактивному региону;
формирование в исследуемом сейсмоактивном регионе, к которому принадлежит, по меньшей мере, эта одна зона ожидаемого сейсмического события, наблюдательной сети из п пунктов измерения, по меньшей мере, этого одного контролируемого параметра, при этом в исследуемом сейсмоактивном регионе пункты измерения контролируемого параметра разнесены относительно друг друга, получение в режиме реального времени от указанных п измерителей данных о результатах измерения, по меньшей мере, одного контролируемого параметра, при этом измерения контролируемого параметра выполняют непрерывно и одновременно на всех п пунктах измерения наблюдательной сети с постоянным и одинаковым для всех станций шагом дискретизации по времени At и регистрируют их в виде электрического сигнала; формирование для исследуемого сейсмоактивного региона регулярной сети из NxM узлов, где ./V - количество узлов в направлении изменения долготы и М - количество узлов в направлении изменения широты, покрывающей исследуемый сейсмоактивный регион, причем каждому из этих узлов соответствует прилегающая к нему одна зона исследуемого сейсмоопасного региона;
обработку данных, полученных от указанных п пунктов измерения, для определения риска появления предстоящего сейсмического события, его местоположения, времени и силы, включающую: выбор временного окна, состоящего из заданного числа L последовательных временных отсчетов с шагом дискретизации At, причем L > 1 6 , при этом для текущего скользящего временного окна время окончания временного окна совпадает с текущим временем τ; определение для каждого узла (/,/) , \ < i < N , \ < j < M , регулярной сетки из NxM узлов меры согласованности S изменений контролируемых параметров, путем совместного анализа измерений в некотором числе v ( v > 3 ) ближайших к узлу ( ,/) пунктов измерения среди общего числа п пунктов
измерения, покрывающих исследуемый сейсмоактивный регион, и/или определение для каждого узла 0',/) , l < i < N , l < j < M, регулярной сетки из NxM узлов мульти-фрактального параметра Δα,- г) ширины носителя спектра сингулярности (далее ШНСС) Аа как среднее от значений Аа в некотором числе V (ν > 3 ) ближайших к узлу (г, у) пунктов измерения среди общего числа п пунктов измерения, покрывающих сейсмоактивный регион, далее, используя значения меры согласованности S в каждом узле (/,/) , для каждого временного окна на текущий момент времени т; формируют для исследуемого сейсмоопасного региона пространственно-временную схему распределения меры согласованности S, далее называемую картой синхронизации S0 (T) , при этом совокупность зон, прилегающих к узлам регулярной сети, для которых мера согласованности S превышает пороговое значение S* SB (г) > S' , определяет подобласть исследуемого региона, оцениваемую как область с повышенной сейсмоопасностью в пределах текущего скользящего временного окна, причем пороговое значение определяют на основе статистического анализа значения S для предыдущих сейсмических событий в этом сейсмоактивном регионе, при этом совокупность зон, прилегающих к узлам регулярной сети, для которых ШНСС ниже порогового значения: Αα0(τ) < Αα определяет подобласть исследуемого региона, оцениваемую как область с повышенной сейсмоопасностью в пределах текущего скользящего временного окна, причем пороговое значение Аа определяют на основе статистического анализа значения Аа для предыдущих сейсмических событий в этом сейсмоактивном регионе,
При этом при обработке данных определяют среднюю меру согласованности для всего сейсмоактивного региона по формуле:
< S(T) > = '^jSiJ (T) /(N- M) , и увеличение среднего значения < S(r) > в пределах i
текущего скользящего временного окна является индикатором общего увеличения сейсмической опасности в данном сейсмоопасном регионе или в его отдельной подобласти. Кроме того при обработке данных определяют среднюю меру согласованности для всего сейсмоактивного региона по формуле: < S(r) > = TSi (r) /(N ) , и уменьшение среднего значения < S(r) > в пределах текущего скользящего временного окна является индикатором общего снижения сейсмической опасности в данном сейсмоопасном регионе или в его отдельной подобласти .
При этом при обработке данных определяют среднее значения ШНСС для всего региона по формуле: < Αα(τ) > - ^Αα0(τ) /(Ν - Μ) , и уменьшение
ij
среднего значения ШНСС < А (т) > на текущий момент времени для текущего скользящего временного окна является индикатором общего увеличения сейсмической опасности в данном сейсмоопасном регионе или в его отдельной подобласти.
Кроме того при обработке данных определяют среднее значения ШНСС для всего региона по формуле: < Αα(τ) > = ^ Αα0(τ) /(Ν · Μ) , и увеличение
i
среднего значения ШНСС < Αα{τ) > на текущий момент времени для текущего скользящего временного окна является индикатором общего снижения сейсмической опасности в данном сейсмоопасном регионе или в его отдельной подобласти.
Предпочтительно под мерой согласованности S изменения контролируемых параметров понимается множественный коэффициент корреляции либо множественный спектр когерентности.
Предпочтительно в качестве контролируемых параметров используют,
по крайней мере, один или несколько из следующих параметров: микросейсмические колебания, изменение напряженности магнитного поля Земли, изменение напряженности электромагнитного поля Земли, колебания уровня подземных вод, колебания давления подземных вод, концентрацию одного или нескольких растворенных в подземных водах газов, например, углекислого газа, метана, водорода, радона, при этом при обработке данных, полученных от указанных п пунктов измерения используют измерения одного из указанных контрольных параметров, либо при обработке данных, полученных от указанных п пунктов измерения используют измерения разных указанных контрольных параметров.
При этом при обработке данных используют либо шаг дискретизации At, равный 1 секунде , либо шаг дискретизации At, равный 1 минуте.
При этом при обработке данных используют временное окно, равное 1 часу. Кроме того при обработке данных используют временное окно, равное
24 часам.
Кроме того при обработке данных используют временное окно, равное или кратное 28 суткам.
Кроме того при обработке данных используют временное окно, равное или кратное 365 суткам.
Дополнительно временное окно разделяют на несколько субокон, каждое из которых включает 16-64 шагов дискретизации.
Предпочтительно результаты измерений записывают в виде аналогового или оцифрованного электрического сигнала. Кроме того дополнительно обращаются к базам данных о предшествующих измерениях параметров в сейсмоактивных регионах, характеризующих процессы в земной коре, описывающих изменение этих параметров в период, предшествующий известному сейсмическому событию, в
период самого сейсмического события и в период после сейсмического события, и используют эти данные для расчета критических значений сингулярности и меры согласованности 5* измерений контрольных параметров, при этом при обработке предшествующих измерений используют только те данные, периоды измерений которых перекрывают друг друга.
Настоящее изобретение дает возможность с достаточной для практического применения точностью предсказать зону предстоящего землетрясения, силу предстоящего землетрясения и время, когда оно произойдет. Перечень фигур
Чертежи заявки представлены в виде достаточном для понимания принципов изобретения специалистами в данной области техники и ни в какой мере не ограничивают объема настоящего изобретения.
На фиг. 1-6 приведены схемы и графики, иллюстрирующие конкретный пример обработки данных при прогнозировании землетрясения для Японии, обработка данных была выполнена до 1 1 марта 201 1 г.
На фиг. 1 представлены сглаженные кривые значений Аа в последовательных временных окнах длиной 30 мин для исходных записей вертикальной компоненты микросейсмических колебаний частотой 1 Гц. Тонкая черная линия - сглаживание во временном окне длительностью 13 суток; толстая линия - сглаживание во временном окне длительностью 0.5 года. Вертикальные линии на этом и последующих рисунках отмечают землетрясения: М= 8.3, 25 сентября 2003 г. и М= 9.0, 1 1 марта 2011 г.
На фиг. 2 показано изменение среднего значения индекса линейной предсказуемости р (тонкая черная линия) и его значения, усредненного в скользящем временном окне длительностью 57 суток (толстая черная линия). Индекс р вычислялся внутри последовательных временных субокон длительностью 1 сутки
На фиг. 3 показаны результаты кластерного анализа облаков 7-мерных векторов ежесуточных свойств поля микросейсмических колебаний на Японских островах в скользящем временном окне длительностью 2 года со смещением 7 суток в зависимости от положения правого конца временного окна: q - оптимальное число кластеров; μ - значение кластерной экспоненты
На фиг. 4 показано изменение множественного коэффициента корреляции к, оцененного для пяти средних значений параметра Аа , вычисленных внутри пяти пространственных групп пунктов измерения для 1- минутных данных в последовательных сутках. Коэффициент множественной корреляции вычислен во временном окне длительностью 1 год
На фиг. 5 показаны изменения коэффициента корреляции между средними величинами * и Аа в скользящем временном окне длительностью 1 год в зависимости от положения правого конца временного окна. Горизонтальными стрелками выделены временные интервалы одинаковой длительности от момента первого глубоко "заостренного" минимума коэффициента корреляции до момента землетрясения 25 сентября 2009 г. и от момента второго минимума, имеющего тот же характер, до июля 2010 г., который оценивается как начало опасного временного интервала ожидания катастрофического землетрясения. Фиг. 6 иллюстрирует прогнозирование места расположения очага землетрясения 1 1 марта 201 1 г. (Mw = 9.0): средняя карта распределения ширины носителя мультифрактального спектра сингулярности Аа . Область афтершоков будущего землетрясения отчетливо выделяется как синее пятно пониженных значений Аа . Фиг. 7 иллюстрирует прогнозирование местоположения предстоящего землетрясения после события 1 1 марта 201 1 г
Примеры осуществления изобретения
Следует понимать, что данное описание служит только для иллюстрации
ю
осуществления полезной модели, и ни в какой мере не ограничивает объема ее защиты.
В качестве примера реализации изобретения рассмотрим выполненный автором мониторинг ситуации в сейсмоопасном регионе - японских островах в регионе от 30° до 46° с.ш. и от 128° до 146° в.д. В данном регионе имеется развитая сеть пунктов измерения контрольных параметров, характеризующих процессы в земной коре. В качестве контрольного параметра использовали микросейсмические колебания, но можно использовать и иные параметры: изменение напряженности магнитного поля Земли, изменение напряженности электромагнитного поля Земли, колебания уровня подземных вод, колебания давления подземных вод, концентрацию одного или нескольких растворенных в подземных водах газов, например, углекислого газа, метана, водорода, радона. Применительно к исследуемому сейсмоопасному региону сформировали регулярную сеть узлов 30 x 30 км, каждому из которых соответствует прилегающая нему зона сейсмоопасного региона, имеющая те же размеры.
Пример прогнозирования землетрясения, применительно к землетрясению в Японии 11 марта 2011 г.
1 1 марта 201 1 г. в Японии произошло катастрофическое землетрясение магнитудой Mw = 9.0, сопровождавшееся цунами. В результате этого стихийного бедствия погибли и пропали без вести в общей сложности около 30 тыс. человек, стране нанесен огромный материальный ущерб, исчисляемый сотнями миллиардов долларов США.
Для данного землетрясения с использованием настоящего изобретения был сделан заблаговременный научный прогноз времени и силы ожидаемой сейсмической катастрофы. Он базировался на результатах анализа данных регистрации микросейсмических шумов широкополосной сейсмической сетью F-net в Японии, которые позволили автору еще в середине 2008 г. сделать вывод о подготовке сейсмической катастрофы в районе Японских островов,
при этом магнитуда будущего землетрясения оценивалась как М> 8.3. По мере обработки вновь поступающих данных оценки становились более определенными, и в конце 2009 г. появилась возможность оценить время возникновения сильнейшего землетрясения. В итоге был дан уточненный прогноз, обозначивший середину 2010 г. как начало периода ожидания сейсмической катастрофы магнитудой М= 8.5-9.0.
Сделанный прогноз был также зафиксирован в заявке, поданной в Российский экспертный совет по прогнозу землетрясений и сейсмической опасности 26 апреля 2010 г. Ниже излагаются основные этапы анализа данных регистрации микросейсмических шумов широкополосной сейсмической сетью F-net в Японии. Приводятся основные результаты обработки и представления данных, которые позволили сначала сформулировать прогноз о подготовке катастрофы, а потом дать оценку времени сильнейшего землетрясения. Особенность настоящего анализа состоит в том, что в ней впервые представлены ранее не публиковавшиеся данные о сделанном авторе ретроспективном прогнозе места возникновения катастрофического землетрясения. Этот результат, несмотря на его ретроспективный характер, убедительно демонстрирует широкие возможности заявленного изобретения при его применении для предсказания всех трех необходимых составляющих важных для практических целей прогноза разрушительных землетрясений - места, силы и времени.
Для мониторинга состояния среды в районе Японии использовались низкочастотные микросейсмические колебания, содержащие информацию о процессах в земной коре. Фактически земная кора является средой распространения колебаний пр воздействии на нее от атмосферных и океанических процессов. Поскольку передаточные свойства коры зависят от ее состояния, можно ожидать, что статистические свойства микросейсмических колебаний отражают изменения свойств литосферы.
Данные широкополосной сейсмической сети F-net свободно доступны в интернете по адресу http://www. het.bosai. o.ip/top.php ?LANG=en . Общее число станций равно 83. Наблюдения ведутся с 1997 года по настоящее время. Анализируемые данные - вертикальные компоненты с шагом по времени 1 с. Далее рассматривались лишь станции, расположенные выше 30° с.ш., что исключает из анализа данные 6 уединенных станций, расположенных на удаленных небольших островах. Данные остальных 77 станций анализируются либо в совокупности, либо после разбиения их на 5 групп, содержащих примерно одинаковое число станций. Далее, при описании прогноза японской катастрофы, будут использованы следующие термины: 1) параметр Аа - ширина носителя мультифрактального спектра сингулярности; 2) параметр а* - обобщенный показатель Херста; 3) параметр р - индекс линейной предсказуемости; 3) параметр к - множественный коэффициент корреляции; 4) параметр μ - кластерная экспонента.
Подробное изложение их определений и способов их вычислений по данным мониторинга можно найти в работах [например, Л.1, Л.2, Л.З или Л.4 в списке литературы]. Параметры Аа и а' характеризуют различные качества случайных сейсмических колебаний на сети станций в Японии. Обобщенный показатель Херста описывает закон убывания размаха случайных колебаний на временном интервале при уменьшении длины этого интервала. Величина Аа отражает степень разнообразия случайного поведения сигнала и поэтому, косвенно, уменьшение Аа является признаком подавления определенных степеней свободы среды, уменьшения их числа. Индекс линейной предсказуемости р дает меру того, насколько легко можно предсказать случайные сейсмические колебания на 1 шаг вперед: если р > О , то колебания сравнительно просто предсказуемы и чем больше величина р, тем точнее можно предсказать следующее значение сейсмических колебания по некоторому числу предыдущих значений. Таким образом, величина р
описывает сложность случайных колебаний: чем больше р, тем колебания проще устроены.
Коэффициент множественной корреляции к, 0 < к < 1 , представляет собой обобщение обычного коэффициента корреляции между двумя наборами данных, в нашем случае из наборов измерений микросейсмического шума, на случай, когда таких наборов больше 2. Наконец, кластерная экспонента μ возникает при рассмотрении того, насколько хорошо двухгодовое облако из 7 одновременно обрабатываемых параметров микросейсмического шума, вычисляемых каждый день (т.е. всего в двухгодовом скользящем временном окне находится 730 таких 7-мерных векторов), разбивается на число групп (кластеров), варьируемых от максимального количества 40 до минимального 1 [Л.4].
Результаты обработки данных до 11 марта 2011 года: прогноз магнитуды и времени возникновения будущего землетрясения
На фиг. 2 представлены графики сглаженных значений ширины носителя спектра сингулярности Аа (ШНСС), усредненных по значениям от всех пунктов измерений наблюдательной сети, для исходных данных с шагом дискретизации по времени 1 с в последовательных временных интервалах длительностью 30 мин. Представлены кривые, сглаженные в окне 28 сут (тонкая линия) и 1 год (толстая линия). Как видно из фиг. 2 особенность поведения сглаженных в 1 -годовом окне значений Аа заключается в существенном падении среднего значения, которое началось в 2003 г. примерно за полгода до сильного землетрясения в районе о-ва Хоккайдо, причем достигнутый средний уровень после этого землетрясения уже не восстанавливается до прежнего значения вплоть до катастрофы И марта 201 1 г.
Исходя из теории катастроф данная особенность Аа означает, что землетрясение в районе о-ва Хоккайдо, происшедшее 25 сентября 2003 несмотря на значительную силу ( = 8.3) может быть всего лишь форшоком еще более сильного землетрясения, готовящегося в районе Японских островов.
Качественная оценка магниту ды будущего толчка как 8.5-9.0 базировалась на предположении, что при таком поведении Аа : нижняя граница (М= 8.5) магнитуда главного толчка должна быть больше магнитуды форшока, а верхняя граница ( = 9.0) выбрана как максимальная из зарегистрированных магнитуд землетрясений.
Последующие фигуры описывают результаты обработки данных, полученные для записей сейсмических колебаний после перехода от исходных 1 -секундных данных к 1 -минутным путем вычисления средних значений в последовательных временных отрезках длительностью 1 мин (60 значений). На фиг. 3 представлен график изменения среднего значения по всем пунктам измерений наблюдательной сети для индекса линейной предсказуемости в последовательных временных окнах длиной 1 сут. Видно, что обобщенный показатель Херста р претерпевает значительный и довольно резкий скачок, приходящийся на июль 2002 г. Исходя из развития событий перед землетрясением 25 сентября 2003, этот скачок можно считать началом роста синхронизации. Рост индекса линейной предсказуемости означает увеличение временной коррелированности микросейсмических колебаний, т.е. за счет синхронизации характер сейсмических колебаний стал "проще" и более предсказуем. Из этого графика видно, что процесс синхронизации (консолидации блоков земной коры, возможно находящихся на разных тектонических плитах) начался в середине 2002 г. и землетрясение 25.09.2003 этот процесс не нарушило, в результате чего продолжалось накопление энергии в очаге землетрясения, и накопилось такое огромное количество энергии, выделившееся в результате землетрясения магнитудой = 9.0 11 марта 201 1 г.
На фиг. 4 представлены результаты кластеризации облаков 7 ежедневных средних характеристик микросейсмического фона сети F-net для 14 лет наблюдений (1997-2010 гг.) при оценке в скользящем временном окне длительностью 2 года (N= 730) со смещением 7 суток. Эти графики
показывают, что: а) число кластеров перед катастрофой стало стабильно минимальным и равным 1 , что также является признаком потери разнообразия типов поведения или "заморозкой лишних степеней" свободы геологической среды; б) поведение кластерной экспоненты μ в середине 2008 г. стало напоминать поведение перед событием М= 8.3 25 сентября 2003 г., но с большим размахом и временной длительностью линейного тренда. Когда же для двухгодового временного окна при оценке кластерной экспоненты μ в середине 2010 г. Линейная долговременная тенденция изменения поведения кластерной экспоненты μ переключилась с возрастающей на убывающую (аналогично периоду, предшествующему землетрясению 25 сентября 2003), стало ясно, что момент предстоящего землетрясения уже близок (определение даты предстоящего землетрясения будет описано ниже).
Фиг. 5 представляет график изменений множественного коэффициента корреляции к для 5 временных рядов средних значений ШНСС Аа внутри 5 пространственных групп пунктов измерений станций в скользящем временном окне длительностью 1 год. Использование годового временного окна для вычисления меры корреляции эквивалентно усреднению сезонных воздействий циклонов, штормов и ураганов как основных генераторов низкочастотных микросейсм и делает оценку весьма гладкой и устойчивой. Главная особенность графика на фиг. 5 - рост степени множественного область афтершоков будущего землетрясения отчетливо выделяется как синее пятно пониженных значений Аа и местоположение предстоящего землетрясения должно находиться в этой коэффициента корреляции перед событием 25 сентября 2003 г. и его стабилизация на новом более высоком уровне вплоть до 1 1 марта 201 1 г. Этот график независимо от графика среднего значения Аа на фиг. 2 подтверждает синхронизацию поля микросейсмических колебаний, причем в отличие от среднего значения Аа он дает не косвенную, а прямую оценку синхронизации изменения сейсмических колебаний.
На фиг. 6 представлен график изменения коэффициента корреляции между средними по всей сети пунктов измерений значениями параметров а и А , вычисленного в скользящем временном окне длительностью 1 год.
Как можно видеть, график на фиг. 6 содержит 2 яркие аномалии поведения коэффициента корреляции - острые минимумы в 2002 и 2009 гг. Поскольку после первой аномалии 2002 г. последовало крупное землетрясение 25 сентября 2003 г., было предположено, что второй острый минимум коэффициента корреляции является предвестником будущего сильного землетрясения, начиная со второй половины 2010 г., причем это событие может быть большим по энергии с магнитудой М- 8.5-9.0. Именно этот график дал основание уже в конце 2009 г. обозначить середину 2010 г. как оценку начала опасного периода ожидания катастрофического землетрясения.
Отметим, что середина 2010 г. также выделяется на графике кластерной экспоненты μ на рис. 2 как точка перелома положительного линейного тренда на отрицательный, но это стало ясно лишь после обработки сответствующих данных в начале 201 1 г.
Определение местоположения предстоящего землетрясения.
Покроем исследуемый сейсмоопасный регион от 30° до 46° с.ш. и от 128° до 146° в. д. регулярной сетью узлов 30x30 км, каждому из которых соответствует прилегающая нему зона сейсмоопасного региона, имеющая те же размеры. Выберем скользящее временное окно длительностью 60 суток со смещением 7 суток. Просканируем этим окном весь интервал наблюдений от начала 1997 г. до конца февраля 2011 г. и внутри каждого временного окна оценим значение параметра Аа , характеризующего ширину носителя спектра сингулярности (ШНСС), в каждом узле регулярной сети как медиану средних внутри временного окна оценок Аа от 5 ближайших к узлу пунктов измерений сейсмических колебаний, Оценки Аа в каждом узле регулярной сетки есть не что иное, как карта распределения Аа за 60-суточное окно для исследуемого сейсмоопасного региона..
Далее усредним оценки Аа от всех окон, и в результате получим усредненную за весь интервал наблюдений карту распределения Аа . Она представлена на рис. 6. Области, не покрытые пунктами измерений сейсмических колебаний, закрыты серым фоном, поскольку оценки Аа там несостоятельны. Видно, что область афтершоков будущего землетрясения отчетливо выделяется как синее пятно пониженных значений Аа и местоположение предстоящего землетрясения должно находиться в этой области. Как видно из фиг. 6 синее пятно соответствует зоне землетрясения 1 1 марта 201 1 г. Все расчеты по предсказанию, происшедшего в Японии 1 1 марта 201 1 г. землетрясения были выполнены до даты землетрясения.
Таким образом, пример прогнозирования землетрясения, применительно к землетрясению в Японии 11 марта 2011 г показывает, что предлагаемый способ дает возможность с достаточной для практического применения точностью предсказать зону предстоящего землетрясения, силу предстоящего землетрясения и время, когда оно произойдет.
В период после землетрясения 1 1 марта 201 1 года был сделан прогноз местоположения следующего землетрясения в этом сейсмоопасном регионе с использованием данных, полученных от пунктов измерений сейсмических колебаний в период с 12 марта 201 1 по 30 апреля 2011. Результаты показаны на фиг. 7. Как показала обработка данных с использованием предлагаемого способа прогнозирования сейсмического события, в исследуемом сейсмоопасном регионе область повышенной вероятности сильного афтершока, характеризующаяся пониженным значением Аа , прогнозируется в районе между островами Хонсю и Хоккайдо, где возможно землетрясение с магнитудой М около 8 баллов.
Литература
Любушин А.А. Анализ данных систем геофизического и экологического мониторинга. М.: Наука, 2007. 228 с. Л.1.
Любушин A.A. Тренды и ритмы синхронизации мультифрактальных параметров поля низкочастотных микросейсм // Физика Земли. 2009. N° 5. С.15-28. Л.2.
Любушин А.А. Статистики временных фрагментов низкочастотных микросейсм: их тренды и синхронизация // Физика Земли. 2010. N° 6. С.86- 96. Л.З.
Любушин А.А. Кластерный анализ свойств низкочастотного микросейсмического шума // Физика Земли. 201 1. N° 6, С.26-34.Л.4.
Lyubushin А.А. Mean multifractal properties of low- frequency microseismic noise // Proceedings of 31st General Assembly of the European Seismological Commission ESC-2008. Hersonissos, Crete, Greece, 7-12 Sept. 2008. 2008a. P.255-270. Л.5.
Lyubushin A.A. Multifractal properties of low-frequency microseismic noise in Japan, 1997-2008 // Book of abstracts of 7th General Assembly of the Asian Seismological Commission and Japan Seismological Society. Fall meeting. Tsukuba, Japan, 24-27 Nov. 2008. 2008b. P.92. Л.6.
Lyubushin A.A. Synchronization of multifractal parameters of regional and global low-frequency microseisms // European Geosciences Union General Assembly 2010, Vienna, 02-07 of May, 2010. Geophys. Res. Abstr. V. 12. EGU2010-696, 2010a. Л.7.
Lyubushin A.A. Synchronization phenomena of low-frequency microseisms // European Seismological Commission, 32nd General Assembly, Sept. 06-10, 2010, Montpelier, France: Book of abstr. Ses. ES6. 2010b. P.124. Л.8.
Lyubushin A. Multifractal parameters of low-frequency microseisms // Synchronization and Triggering: from Fracture to Earthquake Processes, GeoPlanet: Earth and Planetary Sciences, DOI 10.1007/978-3-642- 12300-9J 5. Berlin; Heidelberg: Springer- Verlag, 2010c. 388 p. Chapter 15. P.253-272. Л.9.
Промышленная применимость
Для реализации предложенного способа прогнозирования сейсмического события можно использовать существующие пункты измерения контрольных параметров, развернутые в сейсмоопасных регионах, и данные, поступающие из этих пунктов измерения контрольных параметров. При необходимости могут быть развернуты новые пункты измерения контрольных параметров, чтобы более полно охватить сейсмоопасный регион и повысить точность обработки данных.
Вышеприведенный вариант осуществления изобретения является просто примером и не ограничивает объема прав, определяемых формулой изобретения предложенной полезной модели.
Claims
1. Способ прогнозирования сейсмического события, содержащий: выбор, по меньшей мере, одного контролируемого параметра, из числа параметров, характеризующих процессы в земной коре, для мониторинга 5 ситуации, по меньшей мере, в одной зоне ожидаемого сейсмического события, принадлежащей исследуемому сейсмоактивному региону; формирование в исследуемом сейсмоактивном регионе, к которому принадлежит, по меньшей мере, эта одна зона ожидаемого сейсмического события, наблюдательной сети из п пунктов измерения, по меньшей мере, ю этого одного контролируемого параметра, при этом в исследуемом сейсмоактивном регионе пункты измерения контролируемого параметра разнесены относительно друг друга, получение в режиме реального времени от указанных п измерителей данных о результатах измерения, по меньшей мере, одного контролируемого 15 параметра, при этом измерения контролируемого параметра выполняют непрерывно и одновременно на всех п пунктах измерения наблюдательной сети с постоянным и одинаковым для всех станций шагом дискретизации по времени At и регистрируют их в виде электрического сигнала;
формирование для исследуемого сейсмоактивного региона регулярной 0 сети из NxM узлов, где ./V - количество узлов в направлении изменения долготы и М - количество узлов в направлении изменения широты, покрывающей исследуемый сейсмоактивный регион, причем каждому из этих узлов соответствует прилегающая к нему одна зона исследуемого сейсмоопасного региона; 5 обработку данных, полученных от указанных п пунктов измерения, для определения риска появления предстоящего сейсмического события, его местоположения, времени и силы, включающую: выбор временного окна, состоящего из заданного числа L последовательных временных отсчетов с шагом дискретизации At, причем L > 1 6 , при этом для текущего скользящего временного окна время окончания временного окна совпадает с текущим временем τ; определение для каждого узла (/, /) , \ < i < N , 1 < j < М , регулярной сетки из NxM узлов меры согласованности S изменений контролируемых параметров, путем совместного анализа измерений в некотором числе v (v > 3 ) ближайших к узлу (/, /) пунктов измерения среди общего числа п пунктов измерения, покрывающих исследуемый сейсмоактивный регион, и/или определение для каждого узла (/,/) , \ < i < N , \ < j < M , регулярной сетки из NxM узлов мульти-фрактального параметра Аау (г) ширины носителя спектра сингулярности (далее ШНСС) Аа как среднее от значений Аа в некотором числе V ( v > 3 ) ближайших к узлу (/,/) пунктов измерения среди общего числа п пунктов измерения, покрывающих сейсмоактивный регион, далее, используя значения меры согласованности S в каждом узле (/', j) , для каждого временного окна на текущий момент времени т; формируют для исследуемого сейсмоопасного региона пространственно-временную схему распределения меры согласованности S, далее называемую картой синхронизации ^ (г) , при этом совокупность зон, прилегающих к узлам ( , j) регулярной сети, для которых мера согласованности S превышает пороговое значение S* S(J(T) > S* , определяет подобласть исследуемого региона, оцениваемую как область с повышенной сейсмоопасностью в пределах текущего скользящего временного окна, причем пороговое значение определяют на основе статистического анализа значения S для предыдущих сейсмических событий в этом сейсмоактивном регионе, при этом совокупность зон, прилегающих к узлам (/,/) регулярной сети, для которых для которых ШНСС ниже порогового значения: Δα(>(τ) < Δ«* , определяет подобласть исследуемого региона, оцениваемую как область с повышенной сейсмоопасностью в пределах текущего скользящего временного окна, причем пороговое значение Аа определяют на основе статистического анализа значения Аа* для предыдущих сейсмических событий в этом сейсмоактивном регионе,
2. Способ по п. 1, в котором определяют среднюю меру согласованности для всего сейсмоактивного региона по формуле: < Ξ(τ > = ^5υ(τ)/(Ν· Μ) , и увеличение среднего значения < S(r) > в пределах текущего скользящего временного окна является индикатором общего увеличения сейсмической опасности в данном сейсмоопасном регионе или в его отдельной подобласти.
3. Способ по п. 1 , в котором определяют среднюю меру согласованности для всего сейсмоактивного региона по формуле: < S(T) > - ^I SU (T) /(N - M) , и i
уменьшение среднего значения < S(T) > В пределах текущего скользящего временного окна является индикатором общего снижения сейсмической опасности в данном сейсмоопасном регионе или в его отдельной подобласти.
4. Способ по п. 1, в котором определяют среднее значения ШНСС для всего региона по формуле: < Αα(τ) > = ^Αα0(τ) /(Ν· Μ) , и уменьшение среднего значения ШНСС < Аа(т) > на текущий момент времени для текущего скользящего временного окна является индикатором общего увеличения сейсмической опасности в данном сейсмоопасном регионе или в его отдельной подобласти.
5. Способ по п. 1, в котором определяют среднее значения ШНСС для всего региона по формуле: < Αα{τ) > - ^ιΑαί]{τ) Ι{Ν· Μ) , и увеличение среднего i
значения ШНСС < Δα(τ) > на текущий момент времени для текущего скользящего временного окна является индикатором общего снижения сейсмической опасности в данном сейсмоопасном регионе или в его отдельной подобласти.
6. Способ по п. 1, в котором под мерой согласованности S изменения контролируемых параметров понимается множественный коэффициент корреляции либо множественный спектр когерентности.
7. Способ по п. 1, в котором в качестве контролируемых параметров используют, по крайней мере, один или несколько из следующих параметров: микросейсмические колебания, изменение напряженности магнитного поля Земли, изменение напряженности электромагнитного поля Земли, колебания уровня подземных вод, колебания давления подземных вод, концентрацию одного или нескольких растворенных в подземных водах газов, например, углекислого газа, метана, водорода, радона.
8. Способ по п. 7, в котором при обработке данных, полученных от указанных п пунктов измерения используют измерения одного из указанных контрольных параметров.
9 Способ по п. 7, в котором при обработке данных, полученных от указанных п пунктов измерения используют измерения разных указанных контрольных параметров.
10. Способ по п. 1, в котором при обработке данных используют шаг дискретизации At, равный 1 секунде.
1 1. Способ по п. 1, в котором при обработке данных используют шаг дискретизации At, равный 1 минуте.
12. Способ по п. 1, в котором при обработке данных используют временное окно, равное 1 часу.
13. Способ по п. 1 , в котором при обработке данных используют временное окно, равное 24 часам.
14. Способ по п. 1, в котором при обработке данных используют временное окно, равное или кратное 28 суткам.
15. Способ по п. 1, в котором при обработке данных используют временное окно, равное или кратное 365 суткам.
16. Способ по любому из п.п. 10-15, в котором временное окно разделяют на несколько субокон, каждое из которых включает 16-64 шагов дискретизации.
17. Способ по п. 1, в котором результаты измерений записывают в 5 виде аналогового или оцифрованного электрического сигнала.
18. Способ по п. 1, в котором дополнительно обращаются к базам данных о предшествующих измерениях параметров в сейсмоактивных регионах, характеризующих процессы в земной коре, описывающих изменение этих параметров в период, предшествующий известному сейсмическому ю событию, в период самого сейсмического события и в период после сейсмического события, и используют эти данные для расчета критических значений сингулярности и меры согласованности S измерений контрольных параметров.
19. Способ по п. 14, в котором при обработке предшествующих 15 измерений используют только те данные, периоды измерений которых перекрывают друг друга.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/RU2011/000346 WO2012161606A1 (ru) | 2011-05-20 | 2011-05-20 | Способ прогнозирования сейсмического события |
| RU2011126886/28A RU2581119C2 (ru) | 2011-05-20 | 2011-05-20 | Способ прогнозирования сейсмического события |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/RU2011/000346 WO2012161606A1 (ru) | 2011-05-20 | 2011-05-20 | Способ прогнозирования сейсмического события |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2012161606A1 true WO2012161606A1 (ru) | 2012-11-29 |
Family
ID=47217481
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/RU2011/000346 WO2012161606A1 (ru) | 2011-05-20 | 2011-05-20 | Способ прогнозирования сейсмического события |
Country Status (2)
| Country | Link |
|---|---|
| RU (1) | RU2581119C2 (ru) |
| WO (1) | WO2012161606A1 (ru) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106443346A (zh) * | 2016-10-08 | 2017-02-22 | 昆明理工大学 | 一种基于滤波器支路电流多重分形谱特高压直流线路故障识别方法 |
| CN112305606A (zh) * | 2020-10-16 | 2021-02-02 | 宁夏回族自治区地震局 | 一种基于自然正交函数展开的地震活动场分析方法 |
| CN114139579A (zh) * | 2021-11-23 | 2022-03-04 | 吉林大学 | 一种基于方差分形的深度学习微地震事件检测方法 |
| CN116663752A (zh) * | 2023-07-31 | 2023-08-29 | 山东省地质测绘院 | 一种基于大数据分析的地质灾害智能预警系统 |
| CN117688505A (zh) * | 2024-02-04 | 2024-03-12 | 河海大学 | 一种植被大范围区域化负异常的预测方法及系统 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2625100C1 (ru) * | 2016-07-22 | 2017-07-11 | Владимир Васильевич Чернявец | Способ прогнозирования сейсмического события и наблюдательная система для сейсмических исследований |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2030769C1 (ru) * | 1992-11-16 | 1995-03-10 | Научно-исследовательский институт управления при Министерстве экономики России | Способ обнаружения возможности наступления катастрофических явлений |
| US5890094A (en) * | 1995-07-05 | 1999-03-30 | Geoforschungszentrum Potsdam | Earthquake monitoring |
| WO2007143799A1 (fr) * | 2006-06-16 | 2007-12-21 | Telman Abbas Oglu Aliev | Procédé de surveillance et de prédiction de tremblements de terre |
| RU2325673C1 (ru) * | 2006-08-24 | 2008-05-27 | Джамалудин Гаджиевич Таймазов | Способ прогнозирования землетрясений |
-
2011
- 2011-05-20 RU RU2011126886/28A patent/RU2581119C2/ru not_active IP Right Cessation
- 2011-05-20 WO PCT/RU2011/000346 patent/WO2012161606A1/ru active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2030769C1 (ru) * | 1992-11-16 | 1995-03-10 | Научно-исследовательский институт управления при Министерстве экономики России | Способ обнаружения возможности наступления катастрофических явлений |
| US5890094A (en) * | 1995-07-05 | 1999-03-30 | Geoforschungszentrum Potsdam | Earthquake monitoring |
| WO2007143799A1 (fr) * | 2006-06-16 | 2007-12-21 | Telman Abbas Oglu Aliev | Procédé de surveillance et de prédiction de tremblements de terre |
| RU2325673C1 (ru) * | 2006-08-24 | 2008-05-27 | Джамалудин Гаджиевич Таймазов | Способ прогнозирования землетрясений |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106443346A (zh) * | 2016-10-08 | 2017-02-22 | 昆明理工大学 | 一种基于滤波器支路电流多重分形谱特高压直流线路故障识别方法 |
| CN112305606A (zh) * | 2020-10-16 | 2021-02-02 | 宁夏回族自治区地震局 | 一种基于自然正交函数展开的地震活动场分析方法 |
| CN114139579A (zh) * | 2021-11-23 | 2022-03-04 | 吉林大学 | 一种基于方差分形的深度学习微地震事件检测方法 |
| CN114139579B (zh) * | 2021-11-23 | 2024-04-30 | 吉林大学 | 一种基于方差分形的深度学习微地震事件检测方法 |
| CN116663752A (zh) * | 2023-07-31 | 2023-08-29 | 山东省地质测绘院 | 一种基于大数据分析的地质灾害智能预警系统 |
| CN116663752B (zh) * | 2023-07-31 | 2023-10-10 | 山东省地质测绘院 | 一种基于大数据分析的地质灾害智能预警系统 |
| CN117688505A (zh) * | 2024-02-04 | 2024-03-12 | 河海大学 | 一种植被大范围区域化负异常的预测方法及系统 |
| CN117688505B (zh) * | 2024-02-04 | 2024-04-19 | 河海大学 | 一种植被大范围区域化负异常的预测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2011126886A (ru) | 2015-06-27 |
| RU2581119C2 (ru) | 2016-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7277797B1 (en) | Prediction system and method | |
| RU2581119C2 (ru) | Способ прогнозирования сейсмического события | |
| Ambrosino et al. | Analysis of geophysical and meteorological parameters influencing 222Rn activity concentration in Mladeč caves (Czech Republic) and in soils of Phlegrean Fields caldera (Italy) | |
| US7890266B2 (en) | Wavelet maxima curves of surface latent heat flux | |
| Panakkat et al. | Recent efforts in earthquake prediction (1990–2007) | |
| Di Giovanni et al. | A seismological study of the Sos Enattos area—the Sardinia candidate site for the Einstein Telescope | |
| Kumar et al. | Development of earthquake early warning system for Kachchh, Gujarat, in India using τ c and P d | |
| Fidani et al. | Electric and magnetic recordings by Chieti CIEN Station during the intense 2016–2017 seismic swarms in Central Italy | |
| Maghsoudi et al. | Improving the estimation of detection probability and magnitude of completeness in strongly heterogeneous media, an application to acoustic emission (AE) | |
| Liu et al. | Pre-earthquake MBT anomalies in the Central and Eastern Qinghai-Tibet Plateau and their association to earthquakes | |
| Tsai et al. | Multidisciplinary earthquake precursor studies in Taiwan: a review and future prospects | |
| Inbal et al. | Non‐triggering and then triggering of a repeating aftershock sequence in the Dead Sea by the 2023 Kahramanmaraş Earthquake pair: Implications for the physics of remote delayed aftershocks | |
| Anchieta et al. | Seismicity around the Hawaiian Islands recorded by the PLUME seismometer networks: Insight into faulting near Maui, Molokai, and Oahu | |
| Park et al. | Assessment of infrasound detectors based on analyst review, environmental effects, and detection characteristics | |
| Petersen et al. | Sustained long-period seismicity at Shishaldin Volcano, Alaska | |
| Aliano et al. | Robust Satellite Techniques (RST) for seismically active areas monitoring: the case of 21st May, 2003 Boumerdes/Thenia (Algeria) earthquake | |
| Ansari et al. | Broadband seismic network of Iran and increasing quality of seismic recordings | |
| Park et al. | Seasonal variations of infrasound detections and their characteristics in the western US | |
| RU2510053C1 (ru) | Способ динамической оценки сейсмической опасности | |
| Tubanov et al. | Kudara earthquake of September 12, 2020 (MW= 5.5) on Lake Baikal: Results of instrumental and macroseismic observations | |
| Alizadeh Zakaria et al. | Investigation of the application of geospatial artificial intelligence for integration of earthquake precursors extracted from remotely sensed SAR and thermal images for earthquake prediction | |
| Tramutoli et al. | Significant cases of preseismic thermal infrared anomalies | |
| Kumar et al. | The b-value and fractal dimension of local seismicity around Koyna Dam (India) | |
| RU2506612C2 (ru) | Способ прогноза землетрясений | |
| Shankar et al. | Evaluation of site-specific characteristics using microtremor measurements in the Gorakhpur city of Uttar Pradesh, India |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 11866278 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| ENP | Entry into the national phase |
Ref document number: 2011126886 Country of ref document: RU Kind code of ref document: A |
|
| 32PN | Ep: public notification in the ep bulletin as address of the adressee cannot be established |
Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205N DATED 28/01/2014) |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 11866278 Country of ref document: EP Kind code of ref document: A1 |