Вариации спектрального состава микросейсм как прогнозный параметр землетрясений в байкальской рифтовой системе

Исследован спектральный состав микросейсмического шума за несколько часов до умеренных и сильных сейсмических событий. Рассмотрены 40 землетрясений с энергетическим классом К = 9.5–14.5 на эпицентральных расстояниях от 10 до 120 км. Установлено статистически значимое повышение спектральной плотности мощности (СПМ) в диапазоне 0.8–2.4 Гц. Методами машинного обучения построена модель бинарной классификации, позволяющая по значениям СПМ микросейсм в указанном диапазоне частот определить процессы подготовки землетрясений за несколько часов до толчка.

геофизический мониторинг, машинное обучение, цифровая платформа, предвестники, сейсмический прогноз, землетрясения

1. Pulinets S., Herrera V.M.V. Earthquake Precursors: The Physics, Identification, and Application // Geosciences. 2024. Vol. 14 (209), P. 2–33.

2. https://doi.org/10.3390/geosciences14080209

3. Bogdanov V., Gavrilov V., Pulinets S., Ouzounov D. Responses to the preparation of strong Kamchatka earthquakes in the lithosphere–atmosphere–ionosphere system, based on new data from integrated ground and ionospheric monitoring // E3S Web Conf. 2020. Vol. 196 (03005) P. 1–14.

4. https://doi.org/10.1051/e3sconf/ 202019603005

5. Saltykov V.A. On the Possibility of Using the Tidal Modulation of Seismic Waves for Forecasting Earthquakes // Izvestiya, Physics of the Solid Earth. 2017. Vol. 53 (2), P. 250–261. https://doi.org/10.1134/S1069351317010128

6. Li J., Zhai H., Jiang C. et al. Application of artificial intelligence technology in the study of anthropogenic earthquakes // Artif Intell. 2025. Vol. 58 (155). https://doi.org/10.1007/s10462-025-11157-2

7. Kubo H., Nao M., Kano M. Recent advances in earthquake seismology using machine learning // Earth Planets. 2024. Vol .76 (36).

8. https://doi.org/10.1186/s40623-024-01982-0

9. Korol S.A., Sankov A.V., Dobrynina А.А., Sankov V.A. Ambient Seismic Noise Variations before Earthquakes in the Baikal Rift System // Geodynamics & Tectonophysics. 2022. Vol. 13 (2), 0632 (In Russ.). https://doi.org/10.5800/GT-2022-13-2s-0632

10. Sobolev G.A., Lyubushin A.A., Zakrzhevskaya N.A. Asymmetrical Pulses, the Periodicity and Synchronization of Low Frequency Microseisms // Journal of Volcanology and Seismology. 2008. Vol. 2, No. 2. P. 118–134. https://doi.org/10.1134/S07420 4630802005X

11. Seminsky K.Zh., Dobrynina A.A., Bornyakov S.A., Sankov V.A., Pospeev A.V., Rasskazov S.V., Perevalova N.P., Seminskiy I.K., Lukhnev A.V., Bobrov A.A., Chebykin E.P., Edemskiy I.K., Ilyasova A.M., Salko D.V., Sankov A.V., Korol S.A. Integrated monitoring of hazardous geological processes in Pribaikalye: pilot network and first results // Geodynamics & Tectonophysics. 2022. Vol. 13 (5), 0677 (In Russ.). https://doi.org/10.5800/GT-2022-13-5-0677

12. Grigoryuk A.P., Braginskaya L.P., Seminsky I.K., Seminsky K.Zh., Kovalevsky V.V. A Digital Platform for Integration and Analysis of Geophysical Monitoring Data from the Baikal Natural Zone // Russian Digital Libraries Journal. 2022. Vol. 25, No. 4. P. 303–316. https://doi.org/10.26907/1562-5419-2022-25-4-303-316.

13. Braginskaya L., Grigoryuk A., Kovalevsky V., Dobrynina A. Digital platform for integrated geophysical investigations in the Baikal region // Seismic Instruments. 2023. Vol. 59 (4), P. 36–49. https://doi.org/10.21455/ si2023.4-3

14. Earthquake-prediction-using-Machine-learning-models // A project done for the course CSE3505 — Essentials of Data Analytics under ELANGO N M. URL: https://github.com/akash-r34/Earthquake-prediction-using-Machine-learning-models?tab=readme-ov-file#earthquake-prediction-using-machine-learning-models