Speaker
Description
Silne trzesienia ziemi niosa ze soba ryzyko wystapi-
enia wstrzas´ow wt´ornych, kt´ore moga powodowa´c wieksze
zniszczenia ni˙z gł´owne trzesienie. Ze wzgledu na zło˙zono´s´c
tego zjawiska oraz gwałtowno´s´c jego przebiegu, prognozowanie
czasu wystapienia i intensywno´sci wstrzas´ow wt´ornych stanowi
wcia˙z istotne wyzwanie dla sejsmologii. W niniejszym artykule
zaprezentowano podej´scie do predykcji wstrzas´ow wt´ornych na
podstawie analizy sejsmogram´ow gł´ownego zdarzenia. W tym
celu zastosowano sieci konwolucyjne (CNN) oraz rekurencyjne
(RNN) do budowy modeli predykcyjnych. Sieci konwolucyjne,
wyspecjalizowane w rozpoznawaniu wzorc´ow, wykorzystano do
identyfikacji trzesie ´n ziemi, kt´ore moga wywoła´c wstrzasy
wt´orne. Umo˙zliwiaja one analize zar´owno w dziedzinie czasu
– przy czym surowy sejsmogram stanowi bezpo´srednie wej´scie
do sieci neuronowej – jak i w dziedzinie czestotliwo´sci, gdzie
zastosowanie transformaty Fouriera pozwala uzyska´c widmo se-
jsmogramu. Dodatkowo, sieci rekurencyjne zostały u˙zyte do mod-
elowania korelacji pomiedzy poszczeg´olnymi segmentami cza-
sowymi. Proponowana metodologia zakłada optymalizacje całego
systemu, majaca na celu zwiekszenie dokładno´sci przewidywa-
nia zjawisk wt´ornych przy jednoczesnym ograniczeniu liczby
fałszywych alarm´ow. W dłu˙zszej perspektywie rozwiazanie to
mo˙ze przyczyni´c sie do zwiekszenia bezpiecze ´nstwa ludno´sci oraz
usprawnienia podejmowania decyzji dotyczacych organizacji
akcji ratowniczych i planowania działa ´n prewencyjnych. Dalszy
rozw´oj przedstawionego podej´scia planowany jest w kierunku
zwiekszenia precyzji wykrywania słabszych zjawisk sejsmicznych
Index Terms—trzesienie ziemi, wstrzasy wkt´orne, sztuczne sieci
neuronowe
