The object of research, development or design (in Russian) : Автоматизированная система регистрации и анализа сейсмических данных

The object of research, development or design (in Kazakh) : Сейсмикалық деректерді тіркеу мен талдаудың автоматтандырылған жүйесі.

Aim of work (in Russian) : Разработка автоматизированной системы регистрации и анализа данных сейсмобиомониторинга с целью выявления аномалий предвестникового характера с использованием искусственного интеллекта и методов машинного обучения, а также энтропийного анализа сейсмограмм.

Aim of work (in Kazakh) : Жасанды интеллект пен машиналық оқыту әдістерін, сондай-ақ сейсмограммалардың энтропиялық талдауын пайдалана отырып, алдын ала белгілер сипатындағы аномалияларды анықтау мақсатында сейсмобиомониторинг деректерін тіркеу мен талдаудың автоматтандырылған жүйесін әзірлеу.

Методы исследования (на русском) : Методы машинного обучения, включая свёрточные нейронные сети (CNN), рекуррентные нейронные сети (RNN), Фурье преобразования для создания спектрограмм, расчет спектральной энтропии (SE) сигнала, энтропии Шеннона.

Методы исследования (на казахском) : Машиналық оқыту әдістері, оның ішінде конвейерлік нейрондық желілер (CNN), қайталамалы нейрондық желілер (RNN), спектрограммаларды құруға арналған Фурье түрлендірулері, сигналдың спектрлік энтропиясын (SE) және Шеннон энтропиясын есептеу.

Obtained results and novelty (in Russian) : Анализ архивных данных по звуковой активности птиц возможен на основе научных баз данных и их сервисов. По данным звуковой активности биообъектов (птиц) также была рассчитана информационная энтропия Шенона, использованная в разработанном приборе. Получены предварительные результаты анализа архивных данных сейсмограмм. Выявлены количественные характеристики процессов сейсмической активности, регистрируемых посредством мониторинговых станций. В рамках экспериментов была реализована архитектура свёрточной нейронной сети (CNN) для прямой обработки временных рядов сейсмограмм. Модель продемонстрировала высокую точность (94,1%) и полноту обнаружения (89,1%), обеспечивая устойчивую работу даже при низком отношении сигнал/шум. Дополнительно разработана гибридная модель CWT–YOLO, основанная на сочетании непрерывного вейвлет-преобразования (CWT) и алгоритма YOLO, позволяющая преобразовывать сейсмические сигналы в спектральные изображения и выполнять детекцию P-волн с высокой пространственно-временной точностью. Результаты показали, что предложенные методы превосходят традиционные алгоритмы STA/LTA и AIC по скорости обработки и устойчивости к шумовым искажениям. Реализованные модели заложили основу для формирования интеллектуальной системы раннего предупреждения о землетрясениях, способной адаптироваться к региональным геологическим особенностям Алматы и прилегающих территорий.

Obtained results and novelty (in Kazakh) : Құстардың дыбыстық белсенділігі бойынша архивтік деректерді талдау ғылыми деректер базалары мен олардың сервистері негізінде жүргізілуі мүмкін. Биообъектілердің (құстардың) дыбыстық белсенділігі туралы деректер негізінде әзірленген құрылғыда қолданылған Шеннон ақпараттық энтропиясы есептелді. Сейсмограммалардың архивтік деректерін талдау бойынша алдын ала нәтижелер алынды. Мониторингтік станциялар арқылы тіркелген сейсмикалық белсенділік процестерінің сандық сипаттамалары анықталды. Эксперименттер шеңберінде сейсмограммалардың уақыттық қатарларын тікелей өңдеуге арналған конволюциялық нейрондық желі (CNN) архитектурасы жүзеге асырылды. Модель анықтау дәлдігі 94,1% және толықтығы 89,1% нәтижелерін көрсетті, сонымен қатар сигнал/шум қатынасы төмен жағдайларда да тұрақты жұмыс көрсетті. Қосымша түрде CWT–YOLO гибридті моделі әзірленді, ол үздіксіз вейвлет-түрлендіру (CWT) мен YOLO алгоритмінің үйлесіміне негізделген. Бұл модель сейсмикалық сигналдарды спектрлік кескіндерге түрлендіріп, P-толқындарды кеңістік пен уақыт бойынша жоғары дәлдікпен анықтауға мүмкіндік береді. Зерттеу нәтижелері ұсынылған әдістердің STA/LTA және AIC дәстүрлі алгоритмдерінен өңдеу жылдамдығы мен шу әсеріне төзімділігі жағынан басым екенін көрсетті. Жүзеге асырылған модельдер жер сілкінісі туралы ерте ескертуге арналған интеллектуалды жүйе Алматы өңірі мен оған іргелес аймақтардың аймақтық геологиялық ерекшеліктеріне бейімделе алады.

The main constructive and technical economic indicators (in Russian) : Для мониторинга звуковой активности биообъектов разработан прибор, способный записывать и анализировать акустические сигналы. Устройство, построенное на платформе Raspberry Pi 4 Model B с 2 ГБ оперативной памяти, работает под управлением Python. Использует чувствительный микрофон BY-M1, охватывающий диапазон от 65 Гц до 18 кГц. Для последующей обработки и анализа данных в системе реализован модуль цифровой фильтрации и выделения событий. Сигнал проходит двухэтапную предобработку — удаление линейного тренда и полосовую фильтрацию в диапазоне 5–200 Гц, что позволяет подавлять низкочастотные и высокочастотные помехи. Для анализа частотного состава применяется спектрально-вейвлетный метод и детектор STA/LTA, обеспечивающие надёжное выделение коротких биоакустических импульсов при низком уровне сигнала. Результаты испытаний показали, что при частоте дискретизации 16 кГц среднее время обработки одного окна составляет 0,12 с, загрузка процессора — 26–30 %, а использование памяти — не более 220 МБ. Система сохраняет устойчивость при непрерывной работе более 2 часов без сбоев, что подтверждает её пригодность для эксплуатации в полевых условиях.

The main constructive and technical economic indicators (in Kazakh) : Биообъектілердің дыбыстық белсенділігін бақылау үшін акустикалық сигналдарды жазып және талдай алатын құрылғы әзірленді. Құрылғы Raspberry Pi 4 Model B платформасында, 2 ГБ жедел жадымен, Python бағдарламалық ортасында жұмыс істейді. Ол BY-M1 жоғары сезімтал микрофонын пайдаланады, бұл микрофон 65 Гц-тен 18 кГц-ке дейінгі жиілік диапазонын қамтиды. Жүйеде деректерді кейінгі өңдеу мен талдау үшін цифрлық сүзгілеу және оқиғаларды анықтау модулі іске асырылған. Сигнал екі сатылы алдын ала өңдеуден өтеді — сызықтық трендті жою және 5–200 Гц диапазонында жолақты сүзгілеу, бұл төмен және жоғары жиілікті кедергілерді басуға мүмкіндік береді. Жиіліктік құрамды талдау үшін спектрлік-вейвлет әдісі және STA/LTA детекторы қолданылады, бұл әлсіз деңгейдегі сигналдар кезінде қысқа биоакустикалық импульстарды сенімді түрде анықтауға мүмкіндік береді. Сынақ нәтижелері көрсеткендей, дискреттеу жиілігі 16 кГц болғанда, бір терезені өңдеудің орташа уақыты 0,12 с, процессордың жүктемесі 26–30 %, ал жадты пайдалану 220 МБ-тан аспайды. Жүйе екі сағаттан астам үздіксіз жұмыс істеу кезінде тұрақтылығын сақтап, далалық жағдайда пайдалануға жарамдылығын дәлелдеді.

Level of implementation (in Russian) : Еще не внедрено

Level of implementation (in Kazakh) : Әлі енгізілмеді

Efficiency (in Russian) : Получен патент на изобретение номер 37610 “Система раннего обнаружения землетрясений на основе анализа P-волн с использованием сверточных нейронных сетей”.

Efficiency (in Kazakh) : Конволюциялық нейрондық желілер пайдалана отырып, P-толқындарды талдау негізінде жер сілкінісін ерте анықтау жүйесі” атты өнертабысқа №37610 патент алынды.

Field of application (in Russian) : Сейсмология, цифровая обработка сигналов, машинное обучение, нейронные сети, анализ сигналов и временных рядов.

Field of application (in Kazakh) : Сейсмология, сигналдарды цифрлық өңдеу, машиналық оқыту, нейрондық желілер, сигналдар мен уақыттық қатарларды талдау.