A study of lower ionosphere and seismic interactions activity using a radiowave receiver network

Abstract

This work investigates the application of Digital Signal Processing methods, including the application of neural networks, in the study of lower ionosphere, and the seismic interactions before, during and after an earthquake. An introduction and analysis of the building blocks of the interactions from a geophysical perspective, and the different elements that make up the Lithosphere-Atmosphere-Ionosphere Connection (LAIC) mechanism, is presented. This mechanism describes the interactions during the preparation and occurrence of an earthquake, and the ionosphere. The International Network for Frontier Research on Earthquake Precursors (INFREP), a radio receiver network that has been used and expanded during this study is presented, along with the framework of other similar networks. For this study, the application of the Hilbert Huang Transformation (HHT) and the Zhao-Atlas-Marks Distribution (ZAMD), are presented, evaluated and compared to more traditional methods like the Wavelet Transformation (WT), and are found to be complementary for a full picture of the phenomenon. In addition, the next step of analysis, with the inclusion of Differential Analysis (DA), is presented, leveraging multiple receivers and transmitter pairs, for a detailed analysis. The application of Neural Networks, using Predictive Modular Neural Network (PREMONN) architecture, and Self-Organizing Maps (SOM) is demonstrated. As a final step, the complete process is presented, using different examples of significant earthquake events in the region of the receivers, and the repeatability of the process is validated, using two similar events, that occurred at different times, in the same area. From the above process, it is shown, that the methods presented, provide the capability to detect a pattern of disturbances with unique behavior, in multiple configurations of receivers and transmitters and with the analysis of these patterns, it is providing the capability to analyze in depth the interaction of precursors of seismic event, as they are detected in the lower ionosphere.

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.