Hochauflösende Abbildung von Schwarm Systemen mittels Neuauswertung von Wellenformen mitDoppelte Differenz Methoden [HISS]
Physik des Erdkörpers
Zusammenfassung der Projektergebnisse
Im Rahmen dieses Projektes wurden neue Technologien entwickelt, die zum Einen die Detektion und Lokalisation von Schwarmerdbeben bei großen Datensätzen und großer Ereignishäufigkeit erheblich effizienter gestalten, beispielsweise durch moderne Verfahren aus dem Bereich künstlicher Intelligenz. Das neue Verfahren erlaubt die Lokalisierung von Ereignissen in Erdbebenschwärmen anhand voller Wellenformen innerhalb von etwa 1 Millisekunde pro Beben. Die Genauigkeit ist abhängig von der Qualität des Referenzdatensatzes. Die Ergebnisse zeigen, dass die Abweichung der prognostizierten Hypozentren von den Referenzlokalisationen bei 69 % der Ereignisse kleiner als 100 Meter ist. Weiter wird eine bislang ungenutzte Eigenschaft des konvolvierenden neuronalen Netzwerkes (Convolutional Neural Network = CNN) evaluiert. Diese erlaubt es, Erdbeben anhand der Kohärenz der Wellenformen in Bezug auf die Aktivierungsmatrix der ersten Schicht im neuronalen Netzwerk zu detektieren. Weiter wurde eine neue Methode zur fokussierten Bestimmung der akustischen Dämpfung im Quellvolumen von Schwarmbeben entwickelt, getestet und angewendet. Diese Methode beruht auf der Auswertung jeweils zweier Erdbeben, deren Signale sich auf näherungsweise gleichen Pfaden durch den Untergrund bis zu einer Station ausbreiten. Dieser Umstand erlaubt, das Differenzspektrum auszuwerten, um die akustische Dämpfung des Mediums zwischen beiden Erdbeben abzuleiten. Die Ergebnisse zeigen eine erhöhte Kompressionswellendämpfung gegenüber dem umliegenden Gestein, was vermutlich auf ein fluidsaturiertes und/oder stark gebrochenes Medium zurückzuführen ist. Beide Verfahren wurden durch eine neue Toolbox zur Synthetisierung von Schwarmbebenkatalogen sowie deren voller Wellenformen entwickelt und getestet. Sämtliche, im Rahmen dieses Projektes entwickelten Quelltexte sind öffentlich und frei zugänglich.
Projektbezogene Publikationen (Auswahl)
- (2017). Monitoring performance using synthetic data for induced microseismicity by hydrofracking at the Wysin site (Poland). Geophysical Journal International, 2017, 210: 42-55
López-Comino J. A., Cesca S., Kriegerowski, M., Heimann, S., Dahm, T., Mirek, J. and Lasocki, S.
(Siehe online unter https://doi.org/10.1093/gji/ggx148) - (2018). A Deep Convolutional Neural Network for Localization of Clustered Earthquakes Based on Multistation Full Waveforms. Seismological Research Letters, 90(2A):510516.
Kriegerowski, M., Petersen, G. M., Vasyura-Bathke, H., and Ohrnberger, M.
(Siehe online unter https://doi.org/10.1785/0220180320) - (2019). Event couple spectral ratio Q method for earthquake clusters: application to northwest Bohemia. Solid Earth, 10(1):317328
Kriegerowski, M., Cesca, S., Ohrnberger, M., Dahm, T., and Krüger, F.
(Siehe online unter https://doi.org/10.5194/se-10-317-2019) - A Python framework for efficient use of pre-computed Green's functions in seismological and other physical forward and inverse source problems, Solid Earth Discuss.
Heimann, S., Vasyura-Bathke, H., Sudhaus, H., Isken, M. P., Kriegerowski, M., Steinberg, A., and Dahm, T.
(Siehe online unter https://doi.org/10.5194/se-2019-85)
