Analysis of Spatial Clustering of Seismic Events by the DPS Topological Filtering Algorithm: Lake Baikal Region

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The paper presents the results of applying the Discrete Perfect Set (DPS) topological filtering algorithm to analyze the spatial clustering of seismic epicenters in the Lake Baikal region. The study utilizes earthquake data recorded by the seismic network of the Baikal Branch of the Geophysical Survey of the Russian Academy of Sciences within the latitude range 48°N, 58°N and longitude range of 99°E, 122°E for the period from 1964 to 2018. Clustering characteristics are obtained for (i) the recording period from 1989 to 2018 with varying parameters of the DPS algorithm and four levels of the minimum energy class KР of seismic events and (ii) six non-overlapping time intervals from 1964 to 2018 and seismic events of energy class KР ≥ 8.6 with fixed parameters of the DPS algorithm.

The dynamics of the clustering parameters from 1964 to 2018 may characterise the variability of the seismic regime of the region. Specifically, the decrease in the linear size of the areas of identified epicenter groups from about a thousand km to tens km may indicate a significant change in the seismic regime of the Lake Baikal region at the end of the 1990s and the beginning of the 2000s compared to the period between 1964 and 1997.

全文:

受限制的访问

作者简介

A. Nekrasova

Institute of Earthquake Prediction Theory and Mathematical Geophysics, Russian Academy of Sciences; Schmidt Institute of Physics of the Earth, Russian Academy of Sciences

编辑信件的主要联系方式.
Email: nastia@mitp.ru
俄罗斯联邦, Moscow; Moscow

A. Agayan

Institute of Earthquake Prediction Theory and Mathematical Geophysics, Russian Academy of Sciences; Moscow State University

Email: nastaagaian@mail.ru
俄罗斯联邦, Moscow; Moscow

V. Kossobokov

Institute of Earthquake Prediction Theory and Mathematical Geophysics, Russian Academy of Sciences

Email: volodya@mitp.ru
俄罗斯联邦, Moscow

参考

  1. Агаян А.С., Некрасова А.К. Применение алгоритма топологической фильтрации DPS для анализа сейсмичности: Прибайкалье. Современные методы оценки сейсмической опасности и прогноза землетрясений: тезисы докладов II Всероссийской конференции с международным участием, Москва, 29–30 сентября 2021 г. – М.: Институт теории прогноза землетрясений и математической геофизики РАН. 2021. С. 10–13.
  2. Агаян С.М., Богоутдинов Ш.Р., Добровольский М.Н. Об одном алгоритме поиска плотных областей и его геофизических приложениях. Доклады 15-й Всероссийской конференции “Математические методы распознавания образов. ММРО-15”. 2011. С. 543–546.
  3. Агаян С.М., Богоутдинов Ш.Р., Добровольский М.Н. Дискретные совершенные множества и их применение в кластерном анализе // Кибернетика и системный анализ. 2014. Т. 50. № 2. С. 17–32.
  4. Баскаков В.С., Голенецкий С.И., Серебренников С.П. Землетрясение 25(26) октября 1989 г. в районе северо-восточного окончания хребта Кодар (Становое нагорье). Землетрясения в СССР в 1989 г. М. 1993. С. 113–117.
  5. Гвишиани А.Д., Горшков А.И., Ранцман Е.Я., Систернас А., Соловьев А.А. Прогнозирование мест землетрясений в регионах умеренной сейсмичности. М.: Наука. 1988. 176 с.
  6. Гвишиани А.Д., Агаян С.М., Добровольский М.Н., Дзебоев Б.А. Объективная классификация эпицентров и распознавание мест возможного возникновения сильных землетрясений в Калифорнии // Геоинформатика. 2013. № 2. С. 44–57.
  7. Гвишиани А.Д., Агаян С.М., Дзебоев Б.А., Белов И.О. Распознавание мест возможного возникновения эпицентров сильных землетрясений с одним классом обучения // Докл. РАН. 2017а. Т. 474. № 1. С. 86–92.
  8. Гвишиани А.Д., Дзебоев Б.А., Белов И.О., Сергеева Н.А., Вавилин Е.В. Последовательное распознавание мест возможного возникновения значительных и сильных землетрясений: Прибайкалье-Забайкалье // Докл РАН. 2017б. Т. 477. № 6. С. 704–710.
  9. Гвишиани А.Д., Соловьев А.А., Дзебоев Б.А. Проблема распознавания мест возможного возникновения сильных землетрясений: Актуальный обзор // Физика Земли. 2020. № 1. С. 5–29.
  10. Голенецкий С.И., Ружич В.В., Дреннова Г.Ф. Землетрясение 12 (13) мая 1991 г. в районе пос. Бабушкин и сейсмичность Южного Байкала. Землетрясения в СССР в 1991 г. М.: ОИФЗ РАН. 1997. С. 47–52.
  11. Горшков А.И., Соловьев А.А., Жарких Ю.И. Распознавание мест возможного возникновения сильных землетрясений в регионе Алтай–Саяны–Прибайкалье // Докл. РАН. 2018. Т. 479. № 3. С. 333–335.
  12. Государственный доклад “О состоянии озера Байкал и мерах по его охране в 2017 году”. Иркутск: АНО “КЦ Эксперт”. 2018. 340 с.
  13. Дзебоев Б.А., Агаян С.М., Жарких Ю.И., Красноперов Р.И., Барыкина Ю.В. Зоны возможного возникновения эпицентров сильнейших землетрясений Камчатки // Физика Земли. 2018. № 2. С. 96–103.
  14. Кособоков В.Г., Соловьев А.А. Распознавание образов в задачах оценки сейсмической опасности // Чебышевский сборник. 2018. Т. 19. № 4. С. 55–90.
  15. Мельникова В.И., Гилева Н.А., Радзиминович Я.Б., Филиппова А.И. Таллайское землетрясение 2 сентября 2015 г., Кр = 14.0, Mw = 5.1, I0 = 7–8 на северо-восточном фланге Байкальского рифта // Землетрясения Северной Евразии. 2021. № 24(2015). С. 305–313.
  16. Новый каталог сильных землетрясений на территории СССР с древнейших времен до 1975 г. / Кондорская Н.В., Шебалин Н.В. (ред.). М.: Наука. 1977. 536 с.
  17. Соловьев А.А., Гвишиани А.Д., Горшков А.И., Добровольский М.Н., Новикова О.В. Распознавание мест возможного возникновения землетрясений: методология и анализ результатов // Физика Земли. 2014. № 2. С. 3–20.
  18. Солоненко Н.В., Солоненко А.В. Афтершоковые последовательности и рои землетрясений в Байкальской рифтовой зоне. Новосибирск: Наука. 1987. 91 с.
  19. Agayan S.M., Tatarinov V.N., Gvishiani A.D., Bogoutdinov Sh.R., Belov I.O. FDPS algorithm in stability assessment of the Earth’s crust structural tectonic blocks // Russian Journal of Earth Sciences. 2020. V. 20(6). P. 1–14.
  20. Agayan S.M., Dzeboev B.A, Bogoutdinov S.R., Belov I.O., Dzeranov B.V., Kamaev D.A. Development of the Algorithmic Basis of the FCAZ Method for Earthquake-Prone Area Recognition // Appl. Sci. 2023. V. 13. P. 2496.
  21. Bukchin B.G., Fomochkina A.S., Kossobokov V.G., Nekrasova A.K. Characterizing the Foreshock, Main Shock, and Aftershock Sequences of the Recent Major Earthquakes in Southern Alaska, 2016–2018 // Front. Earth Sci. 2020. V. 8. P. 506.
  22. Gordon A.D. Classification. London: Chapman and Hall. 1981.
  23. Gorshkov A., Kossobokov V., Soloviev A. Recognition of earthquake-prone areas / Keilis-Borok V., Soloviev A. (eds.). Nonlinear Dynamics of the Lithosphere and Earthquake Prediction. Springer: Heidelberg. 2003. P. 239–310.
  24. Gvishiani A., Dobrovolsky M., Agayan S., Dzeboev B. Fuzzy-based clustering of epicenters and strong earthquake-prone areas // Environmental Engineering and Management Journal. 2013. V. 12. № 1. P. 1–10.
  25. Kossobokov V.G., Nekrasova A. Characterizing Aftershock Sequences of the Recent Strong Earthquakes in Central Italy // Pure Appl. Geophys. 2017. V. 174. P. 3713–3723.
  26. Kossobokov V.G., Nekrasova A. Aftershock sequences of the recent major earthquakes in New Zealand // Pure and Applied Geophysics. 2019. V. 176. P. 1–23.
  27. Pisarenko V.F., Pisarenko D.V. Modified k-nearest-neighbors method and its application to estimation of seismic intensity // Pure and Applied Geophysics. 2022. V. 179. P. 4025–4036.
  28. Radziminovich N.A., Ochkovskaya M.G. Identification of earthquake aftershock and swarm sequences in the Baikal rift zone // Geodynamics & Tectonophysics. 2013. V. 4 (2). P. 169–186.
  29. Silverman B.W. Density Estimation for Statistics and Data Analysis. Monographs on Statistics and Applied Probability. Chapman and Hall. 1986.

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Number of earthquakes with energy class KR ≥ 8.6 for semiannual time intervals. Data from 01.01.1960 to 31.12.2021 within 48-58°N and 99-122°E. (circulation date 12.12.2022).

下载 (700KB)
索引源数据
3. Fig. 2. Gutenberg-Richter plots for four time intervals. Note: the abscissa axis represents the value of the RC energy class, the ordinate axis represents the cumulative number of earthquakes.

下载 (587KB)
索引源数据
4. Fig. 3. Characteristics of seismic event epicenter clusters (1989-2018), CR ≥ 8.6, ≥ 9.2, ≥ 9.8 and ≥ 10.4, q = -2: (a) - β values (abscissa), neq - percentage of events included in clusters (ordinate); (b) - local density values α (abscissa), neq (ordinate).

下载 (508KB)
索引源数据
5. Fig. 4. Spatial distribution of epicenters of earthquakes with RC ≥ 8.6, ≥ 9.2, ≥ 9.8 and ≥ 10.4 clustered by DPS algorithm: (i) clustered earthquakes - colored symbols, (ii) not clustered earthquakes - gray symbols. Epicenters of earthquakes with a CR = 14 or greater that are included in clusters are shown with black asterisks; those that are not included in clusters are shown with red asterisks. Note: data from 1989 to 2018. DPS algorithm parameters: q = -2, β = -0.5.

下载 (463KB)
索引源数据
6. Рис. 5. Параметры алгоритма DPS: q = –2, β = –0.25. Обозначения соответствуют подписи к рис. 4.

下载 (473KB)
索引源数据
7. Fig. 6. Parameters of the DPS algorithm: q = -2, β = 0. The notations correspond to the caption of Fig. 4.

下载 (451KB)
索引源数据
8. Fig. 7. Parameters of the DPS algorithm: q = -2, β = 0.25. The notations correspond to the caption of Fig. 4.

下载 (439KB)
索引源数据
9. Fig. 8. Spatial distribution of epicenters of earthquakes with energy class KR = 8.6 and higher: (i) those included in clusters - colored symbols, (ii) those not included in clusters - gray color symbols. Earthquakes with energy class KR ≥ 14 that are clustered are shown with black asterisks, those that are not clustered are shown with red asterisks. Note: DPS algorithm parameters: q = -2, β = -0.5.

下载 (1MB)
索引源数据

版权所有 © Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».