z-logo
open-access-imgOpen Access
A study of lower ionosphere and seismic interactions activity using a radiowave receiver network
Author(s) -
Christos Skeberis,
Χρήστος Σκέμπερης
Publication year - 2021
Language(s) - Uncategorized
Resource type - Dissertations/theses
DOI - 10.12681/eadd/43784
Subject(s) - ionosphere , artificial neural network , mode (computer interface) , geology , physics , acoustics , computer science , geophysics , artificial intelligence , operating system
Στην παρούσα εργασία μελετήθηκε η ανάπτυξη και εφαρμογή τεχνικών και μεθόδων Ψηφιακής Επεξεργασίας Σήματος και Νευρωνικών δικτύων για την μελέτη των αλληλεπιδράσεων μεταξύ κατώτερης ιονόσφαιρας και σεισμικής δραστηριότητας, πριν, κατά την διάρκεια και μετά από έναν σεισμό. Οι βασικοί γεωφυσικοί μηχανισμοί των αλληλεπιδράσεων αυτών παρουσιάστηκαν και περιγράφηκαν. Στη διαδικασία της έρευνας, που οδήγησε την παρούσα μελέτη, χρησιμοποιήθηκε και επεκτάθηκε ένα διεθνές δίκτυο δεκτών ραδιοκυμάτων VLF και LF, και παρουσιάστηκε η χρήση του δικτύου δεκτών στην λήψη σημάτων από ένα δίκτυο πομπών διεθνούς εμβέλειας. Στη συνέχεια, στην παρούσα μελέτη, παρουσιάστηκαν τα δεδομένα αυτού του δικτύου, και οι μέθοδοι οι οποίες εξελίχθηκαν για την μελέτη αυτών των δεδομένων. Τα αποτελέσματα αυτών των μεθόδων έδειξαν την μεγάλη χρησιμότητα αυτού του δικτύου. Η μεθοδολογία που αναπτύχθηκε περιγράφεται σε κάθε στάδιό της στην παρούσα εργασία, και για κάθε στάδιο, παρουσιάζονται αναλυτικά τα αποτελέσματα που εξάγονται. Περιληπτικά, η διαδικασία αποτελείται από την αρχική διαδικασία κανονικοποίησης των δεδομένων του δικτύου, ώστε να απορριφθούν οι διαφοροποιήσεις που μπορεί να οφείλονται στα ιδιαίτερα χαρακτηριστικά των διαφορετικών ζευγών πομπών-δεκτών που χρησιμοποιούνται. Εν συνεχεία, τα δεδομένα υπόκεινται σε μια δεύτερη επεξεργασία, χρησιμοποιώντας μία παραλλαγή του μετασχηματισμού Hilbert Huang (HHT) σε σχέση με τον αρχικό μετασχηματισμό HHT. Με την εφαρμογή της ανάλυσης αυτής εξάγεται το φασματικό περιεχόμενο των σημάτων και επιλέγεται ο θόρυβος που βρίσκεται στις υψηλότερες συχνότητες, διαλέγοντας για την μελέτη τις πρώτες δύο ενδογενείς συναρτήσεις ρυθμού (Intrinsic Mode Functions – IMF). Το αποτέλεσμα αυτής της διαδικασίας συγκρίνεται επίσης με τον μετασχηματισμό Zhao-Atlas-Marks (ZAMD). Στην διαδικασία παρουσίασης των τεχνικών, φάνηκε καθαρά το γεγονός ότι ο HHT και ο ZAM αλληλοσυμπληρώνονται στην ανάλυση των δεδομένων, και το ότι η χρήση και των δύο μεθόδων δίνει πληρέστερη εικόνα. Παρουσιάστηκε επίσης η χρήση Νευρωνικών Δικτύων, με την εφαρμογή των Predictive Modular Neural Network (PREMONN) , και Self-Organizing Maps (SOM) και τα αποτελέσματα που δείχνουν ότι δίνεται η δυνατότητα της αυτόματης επεξεργασίας των διαθέσιμων δεδομένων, και της αυτόματης επισήμανσης σημείων ενδιαφέροντος. Η πλήρης εφαρμογή της διαδικασίας που αναπτύχθηκε, δίνει μια ολοκληρωμένη επισκόπηση των δεδομένων, και τα αποτελέσματα αυτής παρουσιάστηκαν εκτενώς στην παρούσα εργασία. Στην συνέχεια, χρησιμοποιώντας ως βάση την δομής του δικτύου με πολλαπλούς δέκτες, και με την ανάπτυξη νέων μεθόδων ανάλυσης των δεδομένων βασισμένων στη χρήση διαφορικής ανάλυσης (DA), αλλά και εφαρμόζοντας όλη την προηγούμενη διαδικασία που έχει αναπτυχθεί, παρουσιάστηκε η βελτίωση των δυνατοτήτων του δικτύου, που μπορεί να δώσει πληρέστερη επισκόπηση ενός σεισμικού φαινομένου. Σε κάθε βήμα παρουσίασης της πλήρους μεθόδου παρουσιάστηκαν ανάλογα παραδείγματα σεισμών, με τα πραγματικά τους δεδομένα, δίνοντας λεπτομερή ανάλυση για 12 σεισμικά φαινόμενα, των τελευταίων 6 ετών, παρουσιάζοντας με παραδείγματα την σημασία κάθε βήματος και την σχέση του με τα προηγούμενα. Το σύνολο των μεθόδων ανάλυσης πρόδρομων σεισμικών φαινομένων που αναπτύχθηκε, παρέχει μια ολοκληρωμένη και ευσύνοπτη παρουσίαση νέων δεδομένων, επεκτείνοντας τις δυνατότητες του δικτύου των δεκτών που έχουν εγκατασταθεί και μπορεί να αποτελέσει ένα εργαλείο πρόγνωσης σεισμικής δραστηριότητας, και πιθανότατα να είναι κομμάτι ενός ολοκληρωμένου συστήματος προειδοποίησης για την αποφυγή υλικών ζημιών αλλά σημαντικότερα την αποφυγή απώλειας ανθρωπίνων ζωών.

The content you want is available to Zendy users.

Already have an account? Click here to sign in.
Having issues? You can contact us here