Анализ с одной станции сейсмических сигналов Кампи-Флегреи (Италия) с использованием мультишкального энтропийного анализа и неконтролируемого обучения

Почему этот беспокойный итальянский вулкан важен

Западнее Неаполя находится Кампи-Флегреи — обширная вулканическая кальдера, окружённая оживлёнными районами и в которой проживает более двух миллионов человек. Хотя извержений здесь не наблюдалось с XVI века, почва поднимается, из-под земли выходит газ, и мелкие землетрясения становятся чаще. Наблюдение за таким беспокойным вулканом жизненно важно, но огромный объём зашумлённых сейсмических данных затрудняет экспертам своевременное обнаружение тонких предупреждающих признаков. В этом исследовании изучается, как форма искусственного интеллекта может «слушать» одну сейсмическую станцию и автоматически выделять необычное поведение, которое может указывать на изменение состояния вулкана.

Слушая шумный вулкан одним ухом

Кампи-Флегреи — это обрушившаяся вулканическая кальдера примерно 12 километров в поперечнике, частично накрывающая западные районы Неаполя и прибрежный город Позцуоли. Начиная с 1950-х годов эта территория чередовалась периодами спокойствия и напряжённости, выражавшимися в подъёме грунта, сериях мелких землетрясений и изменениях в составе горячих газов, выходящих из выходов. В районе Письярелли, одном из самых активных участков, сейсмическая станция расположена всего около 50 метров от ревущего фумароля и бурлящего грязевого котла. Такое расположение отлично подходит для регистрации крошечных толчков, связанных с движением газов и горячей воды под землёй, но оно же сопровождается постоянным фоновым шумом. Авторы поставили цель выяснить, сможет ли одна такая станция, проанализированная с помощью умных алгоритмов, надёжно отличать значимые сигналы от постоянного вулканического гудения.

Обучение нейронной карты сортировать вулканические сигналы

Исследователи преобразовали непрерывные записи 2023 года в огромную коллекцию минутных фрагментов, а затем перевели каждый фрагмент в компактный «отпечаток», который компьютер мог сравнивать. Они использовали три типа таких отпечатков: один, фиксировавший форму спектра частот сигнала; другой — описывавший, как меняется его мощность во времени; и третий — так называемая мультишкальная энтропия, измеряющая сложность и нерегулярность сигнала на разных временных масштабах. Эти отпечатки были поданы в саморганизующуюся карту (Self-Organizing Map), вид нейронной сети, который размещает похожие шаблоны рядом на сетке. Без каких-либо меток от человека карта научилась группировать минутные отрезки данных с похожим сейсмическим поведением, формируя кластеры для последующего анализа.

Обнаружение скрытых сбоев, землетрясений и паровых треморов

После обучения система сразу выявила неожиданный узор: множество минут из определённого месяца сосредоточились в одном углу карты, указывая на изменение поведения станции. При внимательном разборе этот кластер оказался связан с технической неисправностью, начавшейся 18 июня и устранённой месяцем позже — проблемой, которая ранее не была очевидна. После исключения этого периода и повторного обучения с более информативными отпечатками карта начала выделять кластеры, богатые землетрясениями из официального каталога, включая некоторые небольшие события, которые вовсе не были зафиксированы в каталоге. Другие кластеры доминировались стабильной вибрацией, или тремором, фумароля Письярелли. Отслеживая, насколько концентрированы данные каждого дня на карте, авторы определили «индекс кластеризации», который рос, когда станция регистрировала длительные отрезки схожей, тремороподобной активности.

Погода, газ и ежедневное настроение вулкана

Команда сравнила этот индекс кластеризации с независимыми измерениями осадков, потока диоксида углерода и температуры вокруг Письярелли. В нескольких случаях пики индекса совпадали со вспышками эмиссии CO₂ и эпизодами сильных дождей, что предполагает, что как выбросы газа, так и инфильтрация воды в грунт могут модулировать фумарольный тремор, регистрируемый станцией. Применение того же подхода к соседним станциям показало, что самые чёткие треморные кластеры появлялись только на датчиках, расположенных ближе всего к фумаролю, подчёркивая локализованный характер этих сигналов. Наконец, авторы спроецировали новые данные начала 2025 года на ранее обученную карту. В апреле и начале мая индекс кластеризации устойчиво рос вместе с увеличением общей сейсмической энергии и повышением температуры фумароля, что указывало на усиление гидротермальной активности. Вскоре после того, как оба показателя резко снизились, в регионе произошло землетрясение магнитудой 4.4 — крупнейшее в недавней серии.

Что это значит для жителей возле Кампи-Флегреи

Для жителей и служб гражданской защиты ключевой вывод заключается в том, что продвинутые инструменты распознавания шаблонов могут превратить одну сейсмическую станцию в раннее предупреждающее «ухо» для беспокойного вулкана. Сжимая сложные сигналы в простые отпечатки и позволяя нейронной карте сортировать их, метод может автоматически выявлять проблемы с инструментом, обнаруживать ранее незамеченные землетрясения и отслеживать изменения в постоянном треморе, вызванном подъёмом газов и горячих флюидов. Хотя этот подход сам по себе не прогнозирует извержения, он даёт учёным более быструю и прозрачную картину того, как дышит и смещается Кампи-Флегреи день ото дня, помогая сосредоточить внимание экспертов, когда подземная система показывает признаки необычного напряжения.

Цитирование: Grimaldi, A., Amoroso, O., Scarpetta, S. et al. Single-station analysis of Campi Flegrei (Italy) seismic signals using multiscale entropy and unsupervised learning. Sci Rep 16, 7669 (2026). https://doi.org/10.1038/s41598-026-38257-5

Ключевые слова: Campi Flegrei, мониторинг вулканов, сейсмический тремор, машинное обучение, мультишкальная энтропия