Расширенный поиск
Новые эвристики на основе вейвлет-анализа записи одиночного датчика для распознавания землетрясений и взрывов
Федеральный исследовательский центр “Единая геофизическая служба РАН”
Журнал: Сейсмические приборы
Том: 58
Номер: 3
Год: 2022
Страницы: 5-24
УДК: 550.(34.(012:062):344.2)
DOI: 10.21455/si2022.3-1
Показать библиографическую ссылку
Силкин К.Ю. Новые эвристики на основе вейвлет-анализа записи одиночного датчика для распознавания землетрясений и взрывов // Сейсмические приборы. 2022. Т. 58. № 3. С. 5-24. DOI: 10.21455/si2022.3-1
@article{СилкинНовые2022,
author = "Силкин, К. Ю.",
title = "Новые эвристики на основе вейвлет-анализа записи одиночного датчика для распознавания землетрясений и взрывов",
journal = "Сейсмические приборы",
year = 2022,
volume = "58",
number = "3",
pages = "5-24",
doi = "10.21455/si2022.3-1",
language = "Russian"
}
Скопировать ссылку в формате ГОСТ
Скопировать ссылку BibTex
Ключевые слова: распознавание, землетрясение, взрыв, подземный взрыв, поверхностный взрыв, вейвлет-преобразование, корреляция
Аннотация: Распознавание сейсмического события по типу породившего его явления (землетрясение или взрыв, подземный или поверхностный взрыв) в региональном масштабе на основании его сейсмограммы – задача, которую решают многие исследователи во всём мире. В работе приведен широкий подробный обзор российских и зарубежных публикаций по этой теме и на его основании сформулированы наиболее перспективные направления, по которым ведутся исследования. Таким образом, данная работа, предлагающая ещё один подход к созданию дискриминирующего признака, может быть полезна для улучшения результата распознавания. В основу предлагаемой методики положено непрерывное вейвлет-преобразование записи одиночного сейсмоприёмника. Две дополнительные трансформации (построение частотных огибающих к вейвлетограммам и их временнáя взаимная корреляция) последовательно переводят этот результат в компактный частотно-временной портрет события. Проведена апробация данной методики на сейсмограммах нескольких событий известной природы. Распознавание при этом может выполняться как визуально, так и автоматически. Для первого из этих вариантов сформулированы ключевые особенности частотно-временных портретов событий, для второго – определён способ измерения числовых значений, снимаемых с изображений. Показано, что эти характеристики распадаются на кластеры, соответствующие типам событий.
Список литературы: Адушкин В.В., Китов И.О., Санина И.А. О применении группы трехкомпонентных датчиков для повышения эффективности распознавания сейсмических событий с использованием метода согласованного фильтра // Доклады Академии наук. 2016. Т. 466, № 1. С.84–87. https://doi.org/10.7868/S0869565216010163
Асминг В.Э., Баранов С.В. Использование спектрально- и частотно-временных вариаций сейсмических сигналов для различия землетрясений, и взрывов в Евро-арктическом регионе // Современные методы обработки и интерпретации сейсмологических данных: Материалы Международной сейсмологической школы, посвященной 100-летию открытия сейсмических станций “Пулково” и “Екатеринбург”, Петергоф, 02–06 октября 2006 г. Петергоф: ФГБУН Геофизическая служба Российской академии наук, 2006. С.23–27.
Асминг В.Э., Федоров А.В. Возможности применения автоматического детектора-локатора сейсмических событий по одиночной станции для детальных сейсмологических наблюдений // Сейсмические приборы. 2014. Т. 50, № 3. С.19–29.
Асминг В.Э., Кременецкая Е.О., Виноградов Ю.А., Евтюгина З.А. Использование критериев идентификации взрывов и землетрясений для уточнения оценки сейсмической опасности региона // Вестник МГТУ. Труды Мурманского государственного технического университета. 2010. Т. 13, № 4–2. С.998–1007.
Асминг В.Э., Кременецкая Е.О., Виноградов Ю.А., Федоров А.В. О применении наивных байесовских классификаторов в сейсмологии // Сейсмические приборы. 2015. Т. 51, № 4. С.29–40.
Виноградов Ю.А., Асминг В.Э., Кременецкая Е.О., Жиров Д.В. Современная сейсмичность на территории Мурманской области и ее проявление в горнопромышленных зонах // Физико-технические проблемы разработки полезных ископаемых. 2016. № 1. С.62–70.
Войтова А.С., Калинина Э.В. Идентификация взрывов и землетрясений на примере событий из сводного каталога Западного Кавказа // XVII Уральская молодежная научная школа по геофизике: Сборник научных материалов, Екатеринбург, 21–26 марта 2016 г. Екатеринбург: Институт геофизики им. Ю.П. Булашевича УрО РАН, 2016. С.47–50.
Ганнибал А.Е. Применение нейронной сети для определения ложных срабатываний автоматического детектора слабых сейсмических событий // Труды Кольского научного центра РАН. 2017. № 7–3 (8). С.147–150.
Годзиковская А.А. Задача распознавания карьерных взрывов и местных землетрясений // Вопросы инженерной сейсмологии. 1987. Вып. 28. С.232–236.
Голубева И.В., Старикович Е.Н., Шарифьянова Е.В. О распознавании промышленных взрывов и региональных землетрясений на примере Западно-Уральской сейсмологической сети станций // Современные методы обработки и интерпретации сейсмологических данных: Вторая Международная сейсмологическая школа, Пермь, 13–17 августа 2007 г. Пермь: ФГБУН Геофизическая служба Российской академии наук, 2007. С.89–93.
Добрынина А.А., Герман В.И. Дискриминация слабых землетрясений и взрывов // Сервер репозитория Zenodo, 2019. С.1–4. URL: https://doi.org/10.5281/zenodo.2590766. (дата обращения 28.02.2022).
Дягилев Р. А. Использование статистических подходов при распознавании типов сейсмических событий на Урале // Стратегия и процессы освоения георесурсов: Материалы еже-годной научной сессии Горного института УрО РАН по результатам НИР в 2007 г. Пермь: Горный институт Уральского отделения Российской академии наук, 2008. С.153–155.
Кислов К.В., Гравиров В.В. Использование искусственных нейронных сетей в классификации зашумленных сейсмических сигналов // Сейсмические приборы. 2016. Т. 52, № 2. С.46–64.
Минко А.А. Алгоритмы идентификации объектов на основе вейвлет-подобных преобразований Гаусса: Дис. ... канд. техн. наук: 05.13.01. Рязань, 2009. 298 с.
Михайлова Н.Н., Великанов А.Е., Соколова И.Н., Аристова И.Л., Султанова Г.С., Мукамбаев А.С. Идентификация промышленных взрывов при оценке сейсмической опасности слабосейсмичных районов Казахстана // Вестник Национального ядерного центра Республики Казахстан. 2012. № 1. С.68–73.
Морозов А.Н. Метод идентификации взрывной сейсмичности на территории Архангельской области // Вестник Камчатской региональной организации Учебно-научный центр. Серия: Науки о Земле. 2008. № 1 (11). С.177–184.
Морозов А.Н., Французова В.И. Пример комплексного использования различных методик рас-познавания промышленных взрывов на записях станций Архангельской сети // Восьмая Уральская молодежная научная школа по геофизике, Пермь, 19–23 марта 2007 г. Пермь, 2007. С.164–169.
Надежка Л.И., Ипполитов О.М. Опыт классификации сейсмических событий на основе пространственно-временного анализа на территории Воронежского кристаллического массива // Современные методы обработки и интерпретации сейсмологических данных: Вторая Международная сейсмологическая школа, Пермь, 13–17 августа 2007 г. Пермь: ФГБУН Геофизическая служба Российской академии наук, 2007. С.156–159.
Панас Н.М., Бахарева Д.И. О распознавании слабых землетрясений и промышленных взрывов на юго-востоке Балтийского щита // Известия Главной астрономической обсерватории в Пулкове. СПб.: Главная (Пулковская) астрономическая обсерватория РАН, 2009. № 219. Вып. 3. С.53-62.
Санина И.А., Нестеркина М.А., Константиновская Н.Л. Применение вейвлет-анализа для уточнения каталога промышленных взрывов по данным малоапертурной группы “Михнево” // Современные методы обработки и интерпретации сейсмологических данных: Мате-риалы XI Международной сейсмологической школы, Чолпон-Ата, Кыргызстан, 12–16 сентября 2016 г. Чолпон-Ата, Кыргызстан: ФИЦ “Единая геофизическая служба Российской академии наук”, 2016. С.294–298.
Сафронич И.Н., Пивоваров С.П. Некоторые особенности записей местных сейсмических событий // Современная геодинамика, глубинное строение и сейсмичность платформенных территорий и сопредельных территорий: Материалы Международной конференции. Воронеж: Изд-во ВГУ, 2001. С.172–175.
Силкин К.Ю. Использование вейвлет-анализа как дополнительного критерия при идентификации природы сейсмического события // Структура, вещественный состав, свойства, со-временная геодинамика и сейсмичность платформенных территорий и сопредельных регионов: материалы XXII Всероссийской с международным участием научно-практической Щукинской конференции, Воронеж, 22–25 сентября 2020 г. Воронеж: Воронежский государственный университет, 2020. С.328–334.
Силкин К.Ю. Оценка длительности короткозамедленного взрыва на результатах вейвлет-анализа его записи // Российский сейсмологический журнал. 2022. Т. 4, № 1. C.53–62. https://doi.org/10.35540/2686-7907.2022.1.04
Смирнов А.А., Мукамбаев А.С., Михайлова Н.Н. Методика распознавания сейсмических событий по комплексу инфразвуковых и сейсмических данных // Вестник НЯЦ РК. 2020. № 2. С.105–111.
Французова В.И., Николаев А.В., Морозов А.Н. Идентификация промышленных взрывов по данным региональной сейсмометрии в Архангельской области // Геоэкология. Инженерная геология, гидрогеология, геокриология. 2010. № 5. С.433–445.
Abu-Elsoud M.A., Abou-Chadi F.E.Z., Amin A.M., Mahana M. Classification of seismic events in Su-ez gulf area, Egypt using artificial neural network // International Conference on Electrical, Elec-tronic and Computer Engineering, ICEEC. 2004. P.337–340. https://doi.org/10.1109/ICEEC.2004.1374460
Bergen K.J., Beroza G.C. Detecting Earthquakes over a Seismic Network using Single-Station Simi-larity Measures // Geophysical Journal International. 2018. N 213 (3). P.1984–1998. https://doi.org/10.1093/gji/ggy100
Bergen K.J., Beroza G.C. Earthquake fingerprints: Extracting waveform features for similarity-based earthquake detection // Pure and Applied Geophysics. 2019. V. 176. P.1037–1059. https://doi.org/10.1007/s00024-018-1995-6
Bregman Y., Lindenbaum O., Rabin N. Array based earthquakes-explosion discrimination using dif-fusion maps // Pure and Applied Geophysics. 2021. V. 178. P.2403–2418. https://doi.org/ 10.1007/s00024-020-02452-w
Canário J.P., Mello R., Curilem M., Huenupan F., Rios R. In-depth comparison of deep artificial neural network architectures on seismic events classification // Journal of Volcanology and Geo-thermal Research. 2020. V. 401, N 1. Art. 106881. P.1–16. https://doi.org/10.1016/j.jvolgeores.2020.106881
Kahbasi A., Moradi A. Earthquake-explosion discrimination using waveform cross-correlation tech-nique for mines in southeast of Tehran // Journal of Seismology. 2016. V. 20. P.569–578. https://doi.org/10.1007/s10950-015-9544-6
Kuyuk H.S., Yildirim E., Dogan E., Horasan G. An unsupervised learning algorithm: application to the discrimination of seismic events and quarry blasts in the vicinity of Istanbul // Natural Haz-ards and Earth Systems Sciences. 2011. V. 11, N 1. P.93–100. https://doi.org/10.5194/nhess-11-93-2011
Mallat S. A wavelet tour of signal processing: the sparse way. Cambridge: Academic press, 2008. 109 p.
Persson L., Boutet J.T. Discrimination of local seismic events in Panama by means of higher order statistics // Proceedings of the IEEE Signal Processing Workshop on Higher-Order Statistics. 1997. P.14–19. https://doi.org/10.1109/HOST.1997.613478
Plafcan D., Sandvol E., Seber D., Barazangi M., Ibenbrahim A., Cherkaoui T.-E. Regional discrimi-nation of chemical explosions and earthquakes: A case study in Morocco // Bulletin of the Seis-mological Society of America. 1997. V. 87, N 5. P.1126–1139. https://doi.org/10.1785/BSSA0870051126
Rabin N., Bregman Y., Lindenbaum O., Ben-Horin Y., Averbuch A. Earthquake-explosion discrimina-tion using diffusion maps // Geophysical Journal International. 2016. V. 207, N 3. P.1484–1492. https://doi.org/10.1093/gji/ggw348
Scarpetta S., Giudicepietro F., Ezin E.C., Petrosino S., DelPezzo E., Martini M., Marinaro M. Au-tomatic classification of seismic signals at Mt. Vesuvius volcano, Italy, using neural networks // Bulletin of the Seismological Society of America. 2005. V. 95, N 1. P.185–196. http://dx.doi.org/10.1785/0120030075
Stollnitz E., DeRose T., Salesin D. Wavelets for computer graphics: a primer. Part 1 // IEEE Comput-er Graphics and Applications. 1994. V. 15, N 3. P.76–84. https://doi.org/10.1109/38.376616
Tibi R., Linville L., Young C., Brogan R. Classification of local seismic events in the Utah region:
A comparison of amplitude ratio methods with a spectrogram-based machine learning ap-proach // Bulletin of the Seismological Society of America. 2019. V. 109, N 6. P.2532–2544. https://doi.org/10.1785/0120190150
Walter W.R., Pasyanos M.E., Matzel E., Gok R., Sweeney J., Ford S.R., Rodgers A.J. Regional seis-mic amplitude modeling and tomography for earthquake-explosion discrimination // Proc. 30th Monitoring Research and Review: Ground-Based Nuclear Explosion Monitoring Technologies, Portsmouth. 2008. N 1. P.702–711. Bibcode: 2008AGUFM.S13E..02W
Wiszniowski J., Plesiewicz B., Lizurek G. Machine learning applied to anthropogenic seismic events detection in Lai Chau reservoir area, Vietnam // Computers & Geosciences. 2021. V. 146. P.1–10. https://doi.org/10.1016/j.cageo.2020.104628
Асминг В.Э., Баранов С.В. Использование спектрально- и частотно-временных вариаций сейсмических сигналов для различия землетрясений, и взрывов в Евро-арктическом регионе // Современные методы обработки и интерпретации сейсмологических данных: Материалы Международной сейсмологической школы, посвященной 100-летию открытия сейсмических станций “Пулково” и “Екатеринбург”, Петергоф, 02–06 октября 2006 г. Петергоф: ФГБУН Геофизическая служба Российской академии наук, 2006. С.23–27.
Асминг В.Э., Федоров А.В. Возможности применения автоматического детектора-локатора сейсмических событий по одиночной станции для детальных сейсмологических наблюдений // Сейсмические приборы. 2014. Т. 50, № 3. С.19–29.
Асминг В.Э., Кременецкая Е.О., Виноградов Ю.А., Евтюгина З.А. Использование критериев идентификации взрывов и землетрясений для уточнения оценки сейсмической опасности региона // Вестник МГТУ. Труды Мурманского государственного технического университета. 2010. Т. 13, № 4–2. С.998–1007.
Асминг В.Э., Кременецкая Е.О., Виноградов Ю.А., Федоров А.В. О применении наивных байесовских классификаторов в сейсмологии // Сейсмические приборы. 2015. Т. 51, № 4. С.29–40.
Виноградов Ю.А., Асминг В.Э., Кременецкая Е.О., Жиров Д.В. Современная сейсмичность на территории Мурманской области и ее проявление в горнопромышленных зонах // Физико-технические проблемы разработки полезных ископаемых. 2016. № 1. С.62–70.
Войтова А.С., Калинина Э.В. Идентификация взрывов и землетрясений на примере событий из сводного каталога Западного Кавказа // XVII Уральская молодежная научная школа по геофизике: Сборник научных материалов, Екатеринбург, 21–26 марта 2016 г. Екатеринбург: Институт геофизики им. Ю.П. Булашевича УрО РАН, 2016. С.47–50.
Ганнибал А.Е. Применение нейронной сети для определения ложных срабатываний автоматического детектора слабых сейсмических событий // Труды Кольского научного центра РАН. 2017. № 7–3 (8). С.147–150.
Годзиковская А.А. Задача распознавания карьерных взрывов и местных землетрясений // Вопросы инженерной сейсмологии. 1987. Вып. 28. С.232–236.
Голубева И.В., Старикович Е.Н., Шарифьянова Е.В. О распознавании промышленных взрывов и региональных землетрясений на примере Западно-Уральской сейсмологической сети станций // Современные методы обработки и интерпретации сейсмологических данных: Вторая Международная сейсмологическая школа, Пермь, 13–17 августа 2007 г. Пермь: ФГБУН Геофизическая служба Российской академии наук, 2007. С.89–93.
Добрынина А.А., Герман В.И. Дискриминация слабых землетрясений и взрывов // Сервер репозитория Zenodo, 2019. С.1–4. URL: https://doi.org/10.5281/zenodo.2590766. (дата обращения 28.02.2022).
Дягилев Р. А. Использование статистических подходов при распознавании типов сейсмических событий на Урале // Стратегия и процессы освоения георесурсов: Материалы еже-годной научной сессии Горного института УрО РАН по результатам НИР в 2007 г. Пермь: Горный институт Уральского отделения Российской академии наук, 2008. С.153–155.
Кислов К.В., Гравиров В.В. Использование искусственных нейронных сетей в классификации зашумленных сейсмических сигналов // Сейсмические приборы. 2016. Т. 52, № 2. С.46–64.
Минко А.А. Алгоритмы идентификации объектов на основе вейвлет-подобных преобразований Гаусса: Дис. ... канд. техн. наук: 05.13.01. Рязань, 2009. 298 с.
Михайлова Н.Н., Великанов А.Е., Соколова И.Н., Аристова И.Л., Султанова Г.С., Мукамбаев А.С. Идентификация промышленных взрывов при оценке сейсмической опасности слабосейсмичных районов Казахстана // Вестник Национального ядерного центра Республики Казахстан. 2012. № 1. С.68–73.
Морозов А.Н. Метод идентификации взрывной сейсмичности на территории Архангельской области // Вестник Камчатской региональной организации Учебно-научный центр. Серия: Науки о Земле. 2008. № 1 (11). С.177–184.
Морозов А.Н., Французова В.И. Пример комплексного использования различных методик рас-познавания промышленных взрывов на записях станций Архангельской сети // Восьмая Уральская молодежная научная школа по геофизике, Пермь, 19–23 марта 2007 г. Пермь, 2007. С.164–169.
Надежка Л.И., Ипполитов О.М. Опыт классификации сейсмических событий на основе пространственно-временного анализа на территории Воронежского кристаллического массива // Современные методы обработки и интерпретации сейсмологических данных: Вторая Международная сейсмологическая школа, Пермь, 13–17 августа 2007 г. Пермь: ФГБУН Геофизическая служба Российской академии наук, 2007. С.156–159.
Панас Н.М., Бахарева Д.И. О распознавании слабых землетрясений и промышленных взрывов на юго-востоке Балтийского щита // Известия Главной астрономической обсерватории в Пулкове. СПб.: Главная (Пулковская) астрономическая обсерватория РАН, 2009. № 219. Вып. 3. С.53-62.
Санина И.А., Нестеркина М.А., Константиновская Н.Л. Применение вейвлет-анализа для уточнения каталога промышленных взрывов по данным малоапертурной группы “Михнево” // Современные методы обработки и интерпретации сейсмологических данных: Мате-риалы XI Международной сейсмологической школы, Чолпон-Ата, Кыргызстан, 12–16 сентября 2016 г. Чолпон-Ата, Кыргызстан: ФИЦ “Единая геофизическая служба Российской академии наук”, 2016. С.294–298.
Сафронич И.Н., Пивоваров С.П. Некоторые особенности записей местных сейсмических событий // Современная геодинамика, глубинное строение и сейсмичность платформенных территорий и сопредельных территорий: Материалы Международной конференции. Воронеж: Изд-во ВГУ, 2001. С.172–175.
Силкин К.Ю. Использование вейвлет-анализа как дополнительного критерия при идентификации природы сейсмического события // Структура, вещественный состав, свойства, со-временная геодинамика и сейсмичность платформенных территорий и сопредельных регионов: материалы XXII Всероссийской с международным участием научно-практической Щукинской конференции, Воронеж, 22–25 сентября 2020 г. Воронеж: Воронежский государственный университет, 2020. С.328–334.
Силкин К.Ю. Оценка длительности короткозамедленного взрыва на результатах вейвлет-анализа его записи // Российский сейсмологический журнал. 2022. Т. 4, № 1. C.53–62. https://doi.org/10.35540/2686-7907.2022.1.04
Смирнов А.А., Мукамбаев А.С., Михайлова Н.Н. Методика распознавания сейсмических событий по комплексу инфразвуковых и сейсмических данных // Вестник НЯЦ РК. 2020. № 2. С.105–111.
Французова В.И., Николаев А.В., Морозов А.Н. Идентификация промышленных взрывов по данным региональной сейсмометрии в Архангельской области // Геоэкология. Инженерная геология, гидрогеология, геокриология. 2010. № 5. С.433–445.
Abu-Elsoud M.A., Abou-Chadi F.E.Z., Amin A.M., Mahana M. Classification of seismic events in Su-ez gulf area, Egypt using artificial neural network // International Conference on Electrical, Elec-tronic and Computer Engineering, ICEEC. 2004. P.337–340. https://doi.org/10.1109/ICEEC.2004.1374460
Bergen K.J., Beroza G.C. Detecting Earthquakes over a Seismic Network using Single-Station Simi-larity Measures // Geophysical Journal International. 2018. N 213 (3). P.1984–1998. https://doi.org/10.1093/gji/ggy100
Bergen K.J., Beroza G.C. Earthquake fingerprints: Extracting waveform features for similarity-based earthquake detection // Pure and Applied Geophysics. 2019. V. 176. P.1037–1059. https://doi.org/10.1007/s00024-018-1995-6
Bregman Y., Lindenbaum O., Rabin N. Array based earthquakes-explosion discrimination using dif-fusion maps // Pure and Applied Geophysics. 2021. V. 178. P.2403–2418. https://doi.org/ 10.1007/s00024-020-02452-w
Canário J.P., Mello R., Curilem M., Huenupan F., Rios R. In-depth comparison of deep artificial neural network architectures on seismic events classification // Journal of Volcanology and Geo-thermal Research. 2020. V. 401, N 1. Art. 106881. P.1–16. https://doi.org/10.1016/j.jvolgeores.2020.106881
Kahbasi A., Moradi A. Earthquake-explosion discrimination using waveform cross-correlation tech-nique for mines in southeast of Tehran // Journal of Seismology. 2016. V. 20. P.569–578. https://doi.org/10.1007/s10950-015-9544-6
Kuyuk H.S., Yildirim E., Dogan E., Horasan G. An unsupervised learning algorithm: application to the discrimination of seismic events and quarry blasts in the vicinity of Istanbul // Natural Haz-ards and Earth Systems Sciences. 2011. V. 11, N 1. P.93–100. https://doi.org/10.5194/nhess-11-93-2011
Mallat S. A wavelet tour of signal processing: the sparse way. Cambridge: Academic press, 2008. 109 p.
Persson L., Boutet J.T. Discrimination of local seismic events in Panama by means of higher order statistics // Proceedings of the IEEE Signal Processing Workshop on Higher-Order Statistics. 1997. P.14–19. https://doi.org/10.1109/HOST.1997.613478
Plafcan D., Sandvol E., Seber D., Barazangi M., Ibenbrahim A., Cherkaoui T.-E. Regional discrimi-nation of chemical explosions and earthquakes: A case study in Morocco // Bulletin of the Seis-mological Society of America. 1997. V. 87, N 5. P.1126–1139. https://doi.org/10.1785/BSSA0870051126
Rabin N., Bregman Y., Lindenbaum O., Ben-Horin Y., Averbuch A. Earthquake-explosion discrimina-tion using diffusion maps // Geophysical Journal International. 2016. V. 207, N 3. P.1484–1492. https://doi.org/10.1093/gji/ggw348
Scarpetta S., Giudicepietro F., Ezin E.C., Petrosino S., DelPezzo E., Martini M., Marinaro M. Au-tomatic classification of seismic signals at Mt. Vesuvius volcano, Italy, using neural networks // Bulletin of the Seismological Society of America. 2005. V. 95, N 1. P.185–196. http://dx.doi.org/10.1785/0120030075
Stollnitz E., DeRose T., Salesin D. Wavelets for computer graphics: a primer. Part 1 // IEEE Comput-er Graphics and Applications. 1994. V. 15, N 3. P.76–84. https://doi.org/10.1109/38.376616
Tibi R., Linville L., Young C., Brogan R. Classification of local seismic events in the Utah region:
A comparison of amplitude ratio methods with a spectrogram-based machine learning ap-proach // Bulletin of the Seismological Society of America. 2019. V. 109, N 6. P.2532–2544. https://doi.org/10.1785/0120190150
Walter W.R., Pasyanos M.E., Matzel E., Gok R., Sweeney J., Ford S.R., Rodgers A.J. Regional seis-mic amplitude modeling and tomography for earthquake-explosion discrimination // Proc. 30th Monitoring Research and Review: Ground-Based Nuclear Explosion Monitoring Technologies, Portsmouth. 2008. N 1. P.702–711. Bibcode: 2008AGUFM.S13E..02W
Wiszniowski J., Plesiewicz B., Lizurek G. Machine learning applied to anthropogenic seismic events detection in Lai Chau reservoir area, Vietnam // Computers & Geosciences. 2021. V. 146. P.1–10. https://doi.org/10.1016/j.cageo.2020.104628
