Применение методов машинного обучения к задаче кластеризации пространственно-временного распределения микросейсмичности в дельте реки Ленадипломная работа (Магистр)
Организация, в которой проходила защита:
Московский физико-технический институт
Год защиты:2023
Аннотация:В результате подготовки настоящей квалификационной работы получены следующие основные результаты:
С использованием языка программирования Python cоздано программное обеспечение, позволяющее выполнять загрузку, сортировку, обработку и визуализацию данных сейсмического каталога.
Получены оценки пространственно-временного распределения глубин и магнитуд слабых землетрясений (по данным сейсмических станций, на их основе сформировано семейство атрибутов для последующего анализа с использованием методов: k-средних, метода агломеративной кластеризации, методов Гауссовой смеси.
Выполнена визуализация результатов кластерного анализа в пространстве атрибутов и на географических картах.
Выделены кластеры, характеризуемые различными особенностями и достаточно устойчивой пространственной локализацией, что отражает тектоническую неоднородность рассматриваемой территории а также позволяет выделить общие направления концентрации схожих по свойствам источников сейсмической активности, которые находятся на тектонических разломах:
• Результаты кластеризации массива данных по землетрясениям говорят о достаточно устойчивом делении области анализа на кластеры, количество которых практически неизменно от выбранного метода кластеризации, что говорит о явно выделяющихся схожих свойствах очагов в каждом кластере.
В целом, по выполненной работе можно сделать выводы:
1. Опробованные методы хорошо работают на относительно небольшом количестве данных. Алгоритм Гауссовой смеси достаточно достоверно уверенно выделяет кластеры с квазилинейной геометрией.
2. Полученные модели можно использовать для кластерного анализа сейсмической активности в других неисследованных регионах.