Труды КНЦ вып.8 (ГЕЛИОФИЗИКА вып. 7/2017(8))

УДК 550.34.03, 004.032.26 А. Е.Ганнибал ПРИМЕНЕНИЕ НЕЙРОННОЙ СЕТИ ДЛЯ ОПРЕДЕЛЕНИЯ ЛОЖНЫХ СРАБАТЫВАНИЙ АВТОМАТИЧЕСКОГО ДЕТЕКТОРА СЛАБЫХ СЕЙСМИЧЕСКИХ СОБЫТИЙ Аннотация Представлены схема и результаты работы алгоритма определения ложных срабатываний автоматического детектора слабых сейсмических событий с использованием перцептрона. Проведен анализ результатов работы алгоритма. Представлена классификация ошибок работы алгоритма и предложены способы их устранения. Ключевые слова: автоматическое детектирование сейсмических событий, нейронные сети, сейсмология. А. Е. Hannibal THE APPLICATION OF THE NEURAL NETWORK FOR THE DETERMINATION OF THE FALSE TRIGGERING OF THE AUTOMATIC DETECTOR OF WEAK SEISMIC EVENTS Abstract A scheme and results of testing of an algorithm of discrimination of false alarms of automatic weak seismic event detector with the aid of perceptron are presented. The analysis of the algorithm performance is done. The classification of the algorithm’s mistakes is considered and ways to eliminate the mistakes are proposed. Keywords: Automated seismic event detection, neural networks, seismology. Введение Мониторинг сейсмической активности подразумевает регистрацию сейсмических событий, происходящих в регионе. Для этого удобно использовать автоматические системы детектирования. Однако при автоматическом детектировании слабых локальных событий, как правило, возникает большое количество ложных срабатываний. Ситуация усугубляется тем, что мониторинг таких событий имеет наибольшее значение для районов горнодобывающей промышленности, а сейсмические станции в таких регионах часто довольно зашумлены. За сейсмическое событие могут быть ошибочно приняты шумы, вызываемые транспортом, техникой. На записях станций, расположенных недалеко от берега, это также может быть шум сильных прибрежных волн. Такой характерный источник шума, как пролет самолета, может быть легко исключен благодаря хорошо заметному эффекту Доплера. Но большинство ложных событий представляют локальные всплески шума, не обладающие достаточно заметными характерными особенностями. В связи с этим встает задача автоматического отбрасывания ложных срабатываний автоматического детектора. 147