https://peterburg-today.ru

В России создали нейросеть, распознающую сигналы земли для предсказания землетрясений

/ 7 июля 2026 13:01

Ученые Дальневосточного федерального университета совместно с коллегами из Китая предложили новый алгоритм для прогноза землетрясений. Разработанная ими компьютерная программа позволяет точнее анализировать строение земной коры, при этом не требует больших вычислительных ресурсов. Результаты исследования были представлены на конференции "Solar‑Terrestrial Relations and Physics of Earthquake Precursors".

Один из известных способов раннего обнаружения признаков землетрясения основан на прослушивании звуков, возникающих в недрах Земли. Повышенная тектоническая активность сопровождается характерной геоакустической эмиссией, которую вызывают огромные напряжения, накапливающиеся в горных породах.

Часто сильные техногенные шумы и вибрации мешают сейсмологическим наблюдениям, однако исследователи предложили использовать эти техногенные источники как дополнительную "подсветку" для изучения структуры земной коры. Любое изменение ее структуры может быть признаком активизации сейсмических процессов и служить одним из индикаторов приближающегося землетрясения.

Для обработки собранных данных ученые разработали специальную программу, которая использует новый нейросетевой метод Physics-Informed Neural Networks, а также уникальную архитектуру нейронных сетей Kolmogorov-Arnold Networks. Применение этого метода позволяет учитывать не только экспериментальные наблюдения, но и известные физические закономерности, происходящие в земной коре. При этом уменьшаются вычислительные затраты, а разрешение карт земной коры становится выше, что позволяет получать более точные двумерные и трехмерные изображения ее строения.

На данном этапе исследования были проведены численные эксперименты и получены обнадеживающие результаты. В перспективе данный подход может найти применение в сейсморазведке, например, при поиске месторождений полезных ископаемых или для оценки прочности грунтов перед строительством крупных объектов.

Работа выполнена при поддержке Министерства науки и высшего образования (грант FZNS‑2023‑0008).

Общество