Clear Sky Science · ru

Сейсмическое обнаружение с помощью сигналов поляризации в подводных кабелях и машинного обучения

· Назад к списку

Слушая землетрясения с помощью подводных интернет-кабелей

Большая часть землетрясений происходит под океанами, далеко от традиционных наземных датчиков. В то же время почти все континенты уже связаны обширными сетями оптоволоконных кабелей, по которым идет интернет‑трафик. В этом исследовании поставлен простой, но важный вопрос: могут ли эти существующие кабели также служить огромными готовыми «ушами» для прослушивания землетрясений на дне моря?

Почему интернет-кабель «чувствует», как движется земля

Свет, бегущий по оптоволоконному кабелю, делает больше, чем просто передает данные: его внутренние характеристики тонко меняются, когда кабель изгибается, растягивается или встряхивается. Одна из таких характеристик — состояние поляризации, которое описывает ориентацию световых волн в процессе распространения. Когда морское дно движется во время землетрясения, это может потрясти зарытый или лежащий на дне кабель и, как следствие, сместить поляризацию света внутри него. Авторы проанализировали важный интернет-маршрут в Средиземном море — кабель Med‑Nautilus, соединяющий Катанию на Сицилии с Тель‑Авивом, — чтобы понять, оставляют ли реальные землетрясения устойчивый отпечаток в этих поляризационных сигналах.

Figure 1. Использование существующего подводного интернет-кабеля в Средиземном море для обнаружения землетрясений путем отслеживания изменений в свете внутри волокна.
Figure 1. Использование существующего подводного интернет-кабеля в Средиземном море для обнаружения землетрясений путем отслеживания изменений в свете внутри волокна.

Преобразование сырых сигналов кабеля в полезные подсказки

С середины 2022 до конца 2024 года итальянский телеком supplied предоставил непрерывные записи величин, связанных с поляризацией, а также информацию о поведении оптической системы. Исследователи сопоставили эти данные с независимым каталогом землетрясений по Средиземному морю, сосредоточившись на 60 событиях магнитудой 5 и выше. Они оценили расстояние каждого землетрясения до кабеля и рассчитали ожидаемое прибытие первичных и вторичных сейсмических волн, используя стандартные модели Земли. Затем оптические данные очистили и стандартизировали, разрезав их на временные окна вокруг каждого события и на контрольные периоды без значительных землетрясений. Такая тщательная подготовка создала основу для тестирования как традиционных методов обнаружения, так и современных алгоритмов искусственного интеллекта на одних и тех же данных.

Простые правила не справляются, обучающиеся модели работают лучше

Команда сначала опробовала классические инструменты сейсмологии, которые ищут резкие скачки в уровне сигнала или в спектральной энергии с фиксированными порогами. На данных по поляризации эти методы на основе правил либо вызывали слишком много ложных срабатываний, либо пропускали большинство реальных событий, иногда показывая результат не лучше случайного угадывания. Напротив, модели машинного обучения, способные учитывать множество тонких признаков одновременно, работали заметно лучше. Метод Extreme Gradient Boosting, агрегирующий решения множества небольших деревьев решений, достиг примерно 60-процентной точности, чувствительности и специфичности при задаче различения дней с влиянием землетрясения и более спокойных дней. Анализ поведения модели показал, что она не опирается на один-единственный ключевой признак, а использует сочетание статистических мер, которые вместе улавливают небольшие, но значимые изменения в паттернах поляризации.

Figure 2. Как колебания морского дна изменяют свет в кабеле и как машинное обучение извлекает сигналы землетрясений из зашумленных данных по поляризации.
Figure 2. Как колебания морского дна изменяют свет в кабеле и как машинное обучение извлекает сигналы землетрясений из зашумленных данных по поляризации.

Что кабель может и чего не может «услышать»

Авторы затем проанализировали, какие землетрясения алгоритм обучения распознавал с наибольшей вероятностью. Удивительно, но простые факторы вроде расстояния до кабеля, глубины залегания или даже магнитуды не показали однозначных закономерностей. Некоторые умеренно сильные землетрясения вызывали отчетливые изменения поляризации, тогда как другие с похожими характеристиками оставались преимущественно незаметными. Дополнительный подход на основе глубокого обучения, который обучался распознавать «нормальное» поведение кабеля и помечать сильные отклонения как аномалии, ясно реагировал лишь на несколько крупнейших событий. Это означает, что способность кабеля «услышать» землетрясение зависит не только от самого события; важную роль играют детали вроде степени контакта кабеля с морским дном, его укладки и конструкции, а также окружающего фонового шума.

Общая картина для будущего мониторинга океанов

Несмотря на умеренные показатели обнаружения и множество пропущенных событий, исследование дает важное доказательство концепции: хотя кабель Med‑Nautilus изначально не был спроектирован как датчик, он все же несет в себе пригодную информацию о сильных землетрясениях через поляризацию света. Основная мысль для широкой аудитории заключается в том, что наша существующая цифровая инфраструктура потенциально может выполнять и роль масштабной недорогой сети научных приборов. Если такие методы будут доработаны и объединены с другими технологиями слежения, глобальные системы подводных кабелей могут помочь закрыть текущие «слепые зоны» в океаническом сейсмическом мониторинге, давая прибрежным сообществам более раннюю и более полную информацию о том, что происходит под волнами.

Цитирование: Caruso, M., Morelli, M., Monaco, A. et al. Seismic detection using submarine cable polarization signals with machine learning. Commun Earth Environ 7, 421 (2026). https://doi.org/10.1038/s43247-026-03434-x

Ключевые слова: подводные кабели, обнаружение землетрясений, сенсоры на оптоволокне, машинное обучение, Средиземное море