Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета, 2010, №55

Научный журнал КубГАУ, №55(01), 2010 года 

http://ej.kubagro.ru/2009/09/pdf/22.pdf

1

УДК 303.732.4 
 
UDC 303.732.4 
 
СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ И 
ПРОГНОЗИРОВАНИЕ СЕЙСМИЧЕСКОЙ 
АКТИВНОСТИ ЛИТОСФЕРЫ ЗЕМЛИ, КАК 
ГЛОБАЛЬНОЙ АКТИВНОЙ ГЕОСИСТЕМЫ 
 

SYSTEMIC-COGNITIVE ANALYSIS AND 
FORECASTING OF SEISMIC ACTIVITY OF 
THE LITHOSPHERE OF THE EARTH, AS THE 
GLOBAL ACTIVE GEOSYSTEM 

Трунев Александр Петрович 
к. ф.-м. н., Ph.D. 
Alexander Trunev 
Ph.D. 
Директор, A&E Trounev IT Consulting, Торонто, 
Канада 
Director, A&E Trounev IT Consulting, Toronto,  
Canada  
 
Луценко Евгений Вениаминович  
 д. э. н., к. т. н., профессор 
 

Lutsenko Evgeny Veniaminovich 
Dr. Sci. Econ., Cand. Tech. Sci., Professor 

Кубанский государственный аграрный 
университет, Краснодар, Россия 
 

Kuban State Agrarian University, Krasnodar, Russia 
 

На основе семантических информационных моделей исследована зависимость параметров сейсмической активности от положения небесных тел 
 

Dependence of seismic activity parameters on celestial 
bodies’ positions is examined on the basis of semantic 
information models 

Ключевые слова: АСТРОСОЦИОТИПОЛОГИЯ, 
ВЫЧИСЛИТЕЛЬНЫЙ ЭКСПЕРИМЕНТ,  
СЕМАНТИЧЕСКИЕ ИНФОРМАЦИОННЫЕ 
МОДЕЛИ,  ЗЕМЛЕТРЯСЕНИЕ, ПРОГНОЗ 

Keywords:  ASTROSOCIOTYPOLOGY, 
COMPUTATIONAL EXPERIMENT, SEMANTIC 
INFORMATION MODELS, EARTHQUAKE 
FORECAST 
 

Введение 

К глобальным активным геосистемам относятся ноосфера, биосфера, 

атмосфера, гидросфера и литосфера1. Поведение любого объекта опреде
ляется действующими на него внутренними и внешними факторами. Внут
ренние факторы отражают текущее состояние объекта и предысторию его 

развития. Внешние факторы можно разделить на зависящие от нашей воли, 

которые можно рассматривать как управляющие факторы, и независящие 

от нее, т.е. факторы (влияния) окружающей среды. Для глобальных систем 

управляющие факторы, по сути, отсутствуют или неизвестны, а факторами 

окружающей среды, очевидно, являются космические факторы, т.к. имен
но космос представляет собой окружающую среду для Земли и глобальных 

активных геосистем. 

Активным называется объект, имеющий внутренний источник само
движения (энергии), систему моделирования себя и окружающей среды, 

                                                
1 См.: http://ru.wikipedia.org/wiki/Литосфера

Научный журнал КубГАУ, №55(01), 2010 года 

http://ej.kubagro.ru/2009/09/pdf/22.pdf

2

включая внешние управляющие системы, а также собственную систему 

поддержки принятия решений, т.е. ведущий себя так, как будто он стре
мится к собственной определенной цели [9]. «Классическими» активными 

объектами являются системы с участием людей: экономические, социаль
но-психологические, технологические и организационно-технические, а 

также биологические и экологические системы (включая искусственные 

экосистемы). Однако и поведение объектов так называемой «неживой» 

природы, подается блестящему теоретическому описанию на основе пред
ставления о том, что они стремятся к некоторой «объективной цели» [25]. 

Это позволяет расширить представление об активных объектах на все объ
екты и считать представление об абсолютно пассивном объекте чистей
шей абстракцией, которой в реальности ничего не соответствует, если не 

считать Кантовской «вещи в себе». Дело в том, что абсолютно пассивный 

объект не смог бы взаимодействовать ни с какими объектами [26]. 

Тем ни менее вполне оправдано говорить о степени активности 

объектов и о существовании конструкта, спектра или иерархии объектов 

по степени их активности: от объектов с очень высокой активностью до 

объектов с очень низкой активностью. По мнению авторов [27], актив
ность объекта (системы) однозначно определяется его уровнем систем
ности, т.е. степенью отличия свойств системы от суммы свойств ее эле
ментов. С этой точки зрения спектр систем по их активности выглядит 

следующим образом: механические, химические, биологические, социаль
но-экономические системы. Между тем уровень системности в свою оче
редь обусловливается интенсивностью взаимосвязей между элементами 

системы и сложностью ее внутренней организации [9], а значит и ее мас
штабами. Это значит, что чем больше и сложнее система, состоящая из 

элементов определенной активности, чем больше она включает элемен
тов, тем сложнее могут быть взаимосвязи между ними и тем выше об
щий уровень системности и активности системы в целом. С другой сто

Научный журнал КубГАУ, №55(01), 2010 года 

http://ej.kubagro.ru/2009/09/pdf/22.pdf

3

роны если системы состоят из одинакового количества элементов, но эти 

элементы обладают разной сложностью, то и системы будут отличаться по 

своей сложности. Это значит, что большие и сложные системы, состоящие 

из очень большого количества относительно простых элементов, могут 

иметь такой же общий уровень системности, как системы сравнительно 

небольшого размера, имеющие очень сложную внутреннюю организацию 

и состоящие из очень сложных элементов.  

Поэтому вполне оправданно ввести новое научное понятие удельного 

уровня системности (или удельной системности), под которым авторы 

предлагают понимать уровень системности на единицу массы системы.  

По удельной системности человек, по-видимому, имеет наивысший 

уровень системности из известных систем, и, например, намного превос
ходит, отдельно взятое дерево. Однако по общему уровню системности 

лесной массив, как экосистема, может быть сопоставимым с человеком 

или даже превосходить его, вплоть до проявления в системе реагирования 

элементов, которые мы бы могли квалифицировать как проявления психи
ки. Отдельный вирус несопоставимо ниже человека по уровню системно
сти, однако, по последним данным эпидемия в целом ведет себя по отно
шению к людям, изобретающим все новые средства борьбы с ней, как ар
мия, под руководством опытного полководца, осаждающая крепости
города. Авторы предлагают гипотезу, согласно которой, не смотря на то, 

что удельная системность литосферы на многие порядки ниже удельной 

системности 
биосферы, 
не 
говоря 
уже 
о 
ноосфере 
(социально
экономических системах), однако, учитывая огромную массу и масштабы 

литосферы можно предположить, что ее суммарный уровень системности 

сопоставим с биосферой и даже с ноосферой. 

Поведение простых объектов с низким уровнем системности и ак
тивности практически полностью определяется внешними факторами. По
ведение же активных объектов практически полностью определяется внут

Научный журнал КубГАУ, №55(01), 2010 года 

http://ej.kubagro.ru/2009/09/pdf/22.pdf

4

ренними факторами, т.е. их внутренней организацией, текущим состояни
ем и предысторией. Внешние факторы также оказывают влияние на пове
дение активного объекта, но не непосредственно, а опосредованно его 

внутренней организацией. При этом реагирование активной системы на 

внешние воздействия осуществляется таким образом, что основную роль 

играет не мощность или суммарные затраты энергии этих внешних воз
действий (как в простых системах), а внутренняя организация этих воз
действий, точнее – их информационная составляющая. Конечно, актив
ные системы имеют иерархическое строение и обычно включают некую 

базовую структуру, имеющую относительно низкий уровень системности. 

Например, автомобиль в заглушенном состоянии можно рассматривать как 

систему с низким уровнем системности, и, поэтому, для его транспорти
ровки на стоянку в этом состоянии необходим эвакуатор, однако если ав
томобиль завести, то практически без затрат энергии на управляющие воз
действия можно легко переместить его в ту же точку и даже отбуксировать 

туда сам эвакуатор. 

Развитие активных систем происходит путем чередования периодов 

эргодичности и точек бифуркации. На периодах эргодичности законы по
ведения объекта практически не изменяются и накапливаются количест
венные изменения, которые, в конце концов, приводят к его скачкообраз
ному 
качественному 
изменению 
и 
переходу 
в 
новый 
период 

эргодичности [9]. Для активных систем точки бифуркации, по сути, пред
ставляют собой точки принятия решений, определяющих эволюцию сис
темы на следующем периоде эргодичности. При этом сами моменты вре
мени, в которые осуществляются переходы активной системы в точки 

бифуркации могут определяться низкоэнергетическими, по существу ин
формационными внешними воздействиями, эффект влияния которых аб
солютно не сопоставим с их мощностью и общей затраченной энергией. 

Научный журнал КубГАУ, №55(01), 2010 года 

http://ej.kubagro.ru/2009/09/pdf/22.pdf

5

В ряде работ2 авторы исследовали влияние космической среды на 

некоторые подсистемы ноосферы: социальный выбор людей [5] и их реше
ния на фондовом рынке. Данная работа входит в цикл статей, посвящен
ных исследованию литосферы, как глобальной активной системы, для ко
торой переход в точки бифуркации означает скачкообразное изменение 

внутренней структуры, внешне проявляющееся как сейсмическая актив
ность (землетрясения). 

В работах /1-3/ была развита модель прогнозирования землетрясений 

по астрономическим данным, опирающаяся на теорию и модели астросо
циотипологии /4-7/. Эти модели обеспечивают многопараметрическую ти
пизацию (обобщение) конкретных землетрясений, описанных астрономи
ческими данными, и формирование обобщенных образов (классов) земле
трясений, в которые они объединяются по их магнитуде и глубине гипо
фокуса.  Моделирование сейсмических событий осуществлялось по пара
метру сходства между описаниями конкретных землетрясений и обобщен
ными образами классов на основе системы искусственного интеллекта 

«Эйдос-астра» /8-9/. База данных землетрясений была сформирована на 

основе оперативного сейсмологического каталога ГС РАН /10/, содержа
щего 65541 запись событий землетрясений, произошедших в различных 

регионах мира в период с 1 января 1993 года по 20 ноября 2008 г.  

Была обнаружена зависимость параметра сходства от магнитуды, 

глубины очага (гипофокуса) и числа землетрясений, происходящих еже
дневно на нашей планете, как в месячном, так и в 2-3 дневном прогнозе.   

В настоящей работе представлены результаты прогнозирования па
раметров сейсмической активности по астрономическим данным на основе 

семантических информационных моделей с использованием всемирной ба
зы землетрясений /11/, исследована совокупность 128320 событий земле
трясений с магнитудой 
4
≥
mb
, произошедших на нашей планете в период 

                                                
2 См.: http://ej.kubagro.ru/a/viewaut.asp?id=495

Научный журнал КубГАУ, №55(01), 2010 года 

http://ej.kubagro.ru/2009/09/pdf/22.pdf

6

с 9 февраля 1963 года по 31 декабря 2006 г (всего 16032 дня). Полученные 

результаты находятся в согласии с данными /1-3/, что позволяет расширить 

область применения развитых в этих работах моделей.     

Задача о распознавании категорий событий в поле центральных сил 

Рассмотрим задачу распознавания категорий по астрономическим 

данным /1-4, 7/. Имеется множество событий A, которому ставится в соот
ветствие множество категорий Ci. Событием можно считать регистрацию 

землетрясения сейсмологической станцией, а категорией – его магнитуду, 

лежащую в определенном интервале и глубину гипофокуса. В климатоло
гии событием будем называть любое измерение климатических парамет
ров – температуры, осадков, скорости ветра и т.п., по результатам которых 

формируются категории климатических параметров. Каждое такое собы
тие характеризуется моментом времени и географическими координатами 

места его происхождения. По этим данным можно построить матрицу, со
держащую координаты небесных тел, например углы долготы и расстоя
ния.  Будем считать, что заданы частотные распределения Ni – число собы
тий, имеющих отношение к данной категории Ci.  

Определим число случаев реализации данной категории, которое 

приходится на заданный интервал изменения астрономических парамет
ров, имеем в дискретном случае: 

0

j
,...,
1
,
2
1
,
1

~
,
)
,
~
(
)
,
(

k
k
m
j
n
i

x
x
x
x
x
k
x
w
N
k
x
N
j
j
j
i
j
ij
=
≤
≤
≤
≤

∆
+
<
<
∆
=

                (1) 

Здесь w – плотность распределения событий вдоль нормированной 

координаты. Нормированная переменная определяется через угловую и 

радиальную координаты следующим образом: 

≤
≤
+
−
−

≤
≤

=
2m
j
1
,)
(
)
(
)
(
)
(

1
,
2
/)
(

min
max

max
m
k
r
k
r
k
r
k
r

m
j
k
x

j

jk

π
ϑ

 

Научный журнал КубГАУ, №55(01), 2010 года 

http://ej.kubagro.ru/2009/09/pdf/22.pdf

7

где 
max
min,r
r
 - минимальное и максимальное удаление планеты от центра 

масс системы, k0 – число небесных тел, используемых в задаче. 

Определим матрицу информативности согласно /9/       

0

2

,

2

1
,
2
1
,
1

1
1

,0
)
(
,0

0
)
(
,
/

/
log

k
k
m
j
n
i

I
n
I
n
I

x
N
I

x
N
N
N

N
N
I

i
i
ijk
ijk
jk

jk
ij
ijk

jk
ij

i
j
i
ij
ij

j
ij
ij

ijk

≤
≤
≤
≤
≤
≤

−
=

=
=

≠
=

∑
∑

∑
∑
∑

δ

                        (2) 

 

Первая величина (2) называется информативность признака, а вторая 

величина является стандартным отклонением информативности или инте
гральной информативностью (ИИ).  

Каждой категории можно сопоставить вектор информативности ас
трономических параметров размерности 2mk0, составленный из элементов 

матрицы информативности, путем последовательной записи столбцов, со
ответствующих нормированной координате, в один столбец, т.е.  

0
2
1
,
mk
s
I
c
s
jk
ijk
is
≤
≤
=
=
                               (3) 

С другой стороны, процесс идентификации, распознавания и прогно
зирования может рассматриваться как разложение вектора распознаваемо
го объекта в ряд по векторам категорий (классов распознавания) /9/. Этот 

вектор, состоящий из единиц и нулей, можно определить по координатам 

небесных тел, соответствующих дате и месту происхождения события  l  в 

виде 

Научный журнал КубГАУ, №55(01), 2010 года 

http://ej.kubagro.ru/2009/09/pdf/22.pdf

8

≤
≤

=
∆
≤
≤
∆
−
=

0
2
1
,0

,
)
(
)1
(
,1

mk
s

s
jk
x
j
l
x
x
j
a
jk
ls
    (4) 

Таким образом, если нормированная координата небесного тела из 

данных по объекту исследуемой выборки попадает в заданный интервал, 

элементу вектора придается значение 1, а во всех остальных случаях – зна
чение 0. Перечисление координат осуществляется последовательно, для 

каждого небесного тела.      

В случае, когда система векторов (3) является полной, можно точно 

любой вектор (4) представить в виде линейной комбинации векторов сис
темы (3). Коэффициенты этого разложения будут соответствовать уровню 

сходства данного события с данной категорией. В случае неполной систе
мы векторов (3) точная процедура заменяется распознаванием или разло
жением в ряд с некоторой погрешностью. При этом уровень сходства дан
ных события с той или иной категорией можно определить по величине 

скалярного произведения вектора (4) на вектор (3), т.е. в координатной 

форме: 

∑
=
=

0
2

1
)
(
1
mk

s
is
ls
i
l
il
c
A
a
c
a
K

                               (5) 

Отметим, что возможны четыре исхода, при которых можно истинно 

или ложно отнести или не отнести данное событие к данной категории. 

Для учета этих исходов распознавание категорий в системе искусственного 

интеллекта «Эйдос-астра» /8/ осуществляется по параметру сходства, ко
торый определяется следующим образом /6/: 

%
100
)
(
1

1
⋅
−
−
+
=
∑
=

N

l
il
il
il
il
i
F
BF
T
BT
N
S
                    (6) 

Si – достоверность идентификации «i-й» категории; 

N – количество событий в распознаваемой выборке; 

BTil– уровень сходства «l-го» события с «i-й» категорией, к которой 

он был правильно отнесен системой; 

Научный журнал КубГАУ, №55(01), 2010 года 

http://ej.kubagro.ru/2009/09/pdf/22.pdf

9

Til – уровень сходства «l-го» события с «i-й» категорией, к которой 

он был правильно не отнесен системой; 

BFil – уровень сходства «l-го» события с «i-й» категорией, к которой 

он был ошибочно отнесен системой; 

Fil – уровень сходства «l-го» события с «i-й» категорией, к которой 

он был ошибочно не отнесен системой. 

При таком определении параметр сходства изменяется в пределах от 

-100% до 100%, как обычный коэффициент корреляции в статистике. При 

этом ошибки 1-го и 2-го рода (ошибки ложной идентификации и ложной 

неидентификации) приводят к уменьшению параметра сходства. Очевид
но, что параметр сходства должен удовлетворять критерию простой про
верки 

%
100
)
1
(
=
=
i
i N
S
 
В работах /5-6/ и других было показано, что процедура распознава
ния по параметру сходства (6), реализованная в системе искусственного 

интеллекта «Эйдос-астра» /8/,  является устойчивой как относительно объ
ема выборки, так и относительно числа ячеек модели. Математическое 

обоснование этой процедуры дано в монографии /9/. Причина, по которой 

оказывается возможным идентифицировать подмножества (категории) со
бытий различной даже случайной природы, используя астрономические 

параметры, достаточно очевидна. Ведь фактически идентифицируются 

распределения, которые образуются при модулировании исходных распре
делений астрономическими параметрами /4/. В некоторых случаях этого 

достаточно, чтобы осуществить распознавание категорий. 

Технология моделирования сейсмической активности 

Исследуемая база данных сейсмических событий была сформирова
на на основе базы данных Международного сейсмологического центра 

(ISC) /11/,  содержащей 20489816 записей регистрации различными сейс
мостанциями событий землетрясений, произошедших на нашей планете в 

период с 1 января 1961 года по 31 декабря 2006 г.  

Научный журнал КубГАУ, №55(01), 2010 года 

http://ej.kubagro.ru/2009/09/pdf/22.pdf

10

 Из исходной базы было образовано несколько различных БД для ис
следования влияния астрономических параметров на магнитуду и глубину 

гипофокуса, на ежедневное число землетрясений, а также на средние па
раметры сейсмической активности. В настоящей работе исследована сово
купность 128320 событий землетрясений с магнитудой 
4
≥
mb
, произо
шедших на нашей планете в период с 9 февраля 1963 года по 31 декабря 

2006 г (всего 16032 дня).  

В качестве астрономических параметров были использованы долгота 

и расстояние от Земли до десяти небесных тел – Солнца, Луны, Марса, 

Меркурия, Венеры, Юпитера, Сатурна, Урана, Нептуна и Плутона, и дол
гота Северного Узла Луны. Астрономические параметры вычислялись на 

каждый день в фиксированной точке с географическими координатами 

Гринвича в 12:00 GMT в топоцентрической системе координат. Отметим, 

что выбор этой точки не является существенным для решаемого класса за
дач. Из астрономических параметров и категорий сейсмической активно
сти была создана база данных, содержащая 16032 записи с обобщенной 

информацией о ежедневной сейсмической активности Земли.   

Решение прямой задачи включает в себя нормирование входных па
раметров и приведение их к одному масштабу изменения в интервале 

(0;360), разбиение интервалов на М частей, вычисление матрицы абсолют
ных частот и информативности, в соответствии с формулами  (1-2). Отме
тим, что в системе «Эйдос-астра» реализован режим автоматического син
теза нескольких семантических информационных моделей, в которых чис
ло ячеек принимает любое заданное значение М=2,3,...,173.  

Решение обратной задачи включает в себя распознавание категорий 

по заданным астрономическим параметрам, в соответствии с уравнениями 

(3-6). Частным случаем задачи распознавания является определение досто
верности идентификации категорий по астрономическим данным в каждой 

модели.  Решение этой задачи по данным /10/ было рассмотрено в работах 

/1-3/. Аналогичные результаты были получены и в случае исследуемой со