Инд. авторы:	Попов С.Е., Замараев Р.Ю.
Заглавие:	Веб-сервис классификации сейсмических событий на базе системы распределенных вычислений Apache Spark
Библ. ссылка:	Попов С.Е., Замараев Р.Ю. Веб-сервис классификации сейсмических событий на базе системы распределенных вычислений Apache Spark // Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов (SDM-2019) [Электронный ресурс]: Сборник трудов всероссийской конференции (Бердск, 26.08-30.08.2019). - 2019. - Новосибирск: Институт вычислительных технологий Сибирского отделения РАН. - С.440-450. - ISBN: 978-5-905569-11-1.
Внешние системы:	РИНЦ: 41376605;
Реферат:	rus: В статье описаны ключевые моменты процесса разработки сервиса для быстрой автоматической классификации сейсмических сигналов на основе диагностических шаблонов. Представлены программные решения для предварительной обработки сигнала и алгоритмизации параллельных вычислений на математической модели выработки конечных заключений с использованием базы рейтингового голосования. Показаны возможности интеграции таких решений с системой распределенных вычислений Apache Spark. Проведены тесты производительности алгоритма классификации для набора суточных сигналов в различных программных средах.
Ключевые слова:	веб-сервис; классификация сейсмических событий; распределенные вычисления; apache spark;
Издано:	2019
Физ. характеристика:	с.440-450
Конференция:	Название: Всероссийская конференция с международным участием «Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов» Аббревиатура: SDM-2019 Город: Бердск, Новосибирская область Страна: Россия Даты проведения: 2019-08-26 - 2019-08-30 Ссылка: http://conf.nsc.ru/SDM-2019
Цитирование:	1. Scarpetta S., Giudicepietro F., Ezin E. C., Petrosino S., Del Pezzo E., Martini M., Marinaro M. Automatic Classification of Seismic Signals at Mt. Vesuvius Volcano, Italy, Using Neural Networks // Bulletin of the Seismological Society of America. 2005. Vol. 95, N 1. P. 185-196. 2. Benbrahim M., Daoudi A., Benjelloun K., Ibenbrahim A. Discrimination of Seismic Signals Using Artificial Neural Networks // Proceedings of world academy of science, engineering and technology. 2005. Vol. 4. P. 4-7. 3. Diersena S., Leeb E-J., Spearsc D., Chenb P., Wanga L. Classification of Seismic Windows Using Artificial Neural Networks // Procedia Computer Science. 2011. Vol. 4. P. 1572-1581. 4. Hamer R.M., Cunningham J.W. Cluster analyzing profile data confounded with interrater differences: A comparison of profile association measures. Applied Psychological Measurement. 1981. Vol. 5. P. 63-72. 5. Kedrov E.O., Kedrov O.K. Spectral time method of identification of seismic events at distances of 15°-40° // Izvestiya, Physics of the Solid Earth. 2006. Vol. 42, N 5. P. 398-415. 6. Langer H., Falsaperla S., Powell T., Thompson G. Automatic classification and a-posteriori analysis of seismic event identification at Soufrière Hills volcano, Montserrat // Journal of Volcanology and Geothermal Research. Elsevier 2006. Vol. 153 (1). P. 1-10. 7. Lyubushin Jr. A.A., Kaláb Z., Častová N. Application of Wavelet Analysis to the Automatic Classification of Three-Component Seismic Records // Izvestiya, Physics of the Solid Earth, 2004. Vol. 40, N 7. P. 587-593. 8. Musil M., Pleginger A. Discrimination between Local Microearthquakes and Quarry Blasts by Multi-Layer Perceptrons and Kohonen Maps // Bulletin of the Seismological Society of America, 1996. Vol. 86, N 4. P. 1077-1090. 9. Ryzhikov G.A., Biryulina M.S., Husebye E.S. A novel approach to automatic monitoring of regional seismic events // IRIS Newsletter. 1996. Vol. XV, N 1. P. 12-14. 10. Shimshoni Y., Intrator N. Classification of Seismic Signals by Integrating Ensembles of Neural Networks // IEEE transactions on signal processing. 1998. Vol. 46, N 5. P. 1194-1201. 11. Ryan T.M., Borisov D., Lefebvre M., Tromp J. SeisFlows - Flexible waveform inversion software // Computers & Geosciences. 2018. Vol. 115. P. 88-95. 12. Lesage P. Interactive Matlab software for the analysis of seismic volcanic signals // Computers & Geosciences. 2009. Vol. 35, is 10. P. 2137-2144. 13. Jiang W., Yu H., Li L., Huang L. A Robust Algorithm for Earthquake Detector // Proceedings of the 15 World Conference on Earthquake Engineering. Lisbon. Portugal. 2012. 14. Álvarez I., García L., Mota S. et al. An Automatic P-Phase Picking Algorithm Basedon Adaptive Multiband Processing // IEEE Geosci. and Remote Sens. Lett. 2013. Vol. 10, N 6. P. 1488-1492. 15. Guilherme M., António R. A neural network seismic detector // IFAC Proceedings Volumes. 2009. Vol. 42, is 19. P. 304-309. 16. Clara E.Y., Ossian O.R., Karianne J.B., Beroza G.C. Earthquake detection through computationally efficient similarity search // Science Advances. 2015. Vol. 1. P. e1501057(1-13). 17. Paul B.Q., Pierre G., Yoann C., Munkhuu U. Detection and classification of seismic events with progressive multichannel correlation and hidden Markov models // Computers & Geosciences. 2015. Vol. 83. P. 110-119. 18. IRIS. Incorporated Research Institutions for Seismology. https://www.iris.edu/hq (дата обращения: 04.05.2018). 19. Romero J.E., Titos M., Bueno Á. et al. APASVO: A free software tool for automatic P-phase picking and event detection in seismic traces // Computers & Geosciences. 2016. Vol. 90. Part A. P. 213-220. 20. GeoSeisQC. http://www.geoleader.ru/index.php/ru/produkty-ru/geoseicqc (дата обращения: 07.05.2018). 21. ZETLAB Детектор STA/LTA. https://zetlab.com/shop/programmnoe-obespechenie/funktsii-zetlab/analiz-signalov/detektor-sta-lta (дата обращения: 07.05.2018). 22. Stratimagic. http://www.pdgm.com/products/stratimagic (дата обращения: 07.05.2018). 23. Разработка и создание Грид-приложений для решения прикладных задач геофизики. (грант РФФИ № 10-07-00491-а). http://www.rfbr.ru/rffi/ru/project_search/o_49145 (дата обращения: 07.05.2018). 24. Использование слабо связанных вычислительных систем для решения обратных задач геофизики (грант РФФИ № 11-05-00988-а). http://www.rfbr.ru/rffi/ru/project_search/o_43212 (дата обращения: 07.05.2018). 25. Разработка GRID-системы и вычислительных сервисов для исследования геодинамических пространственно-временных процессов по данным ДЗЗ" (грант РФФИ № 11-07-12045-офи). http://www.rfbr.ru/rffi/ru/project_search/o_46676 (дата обращения: 07.05.2018). 26. Distance computations. https://docs.scipy.org/doc/scipy/reference/spatial.distance.html (дата обращения: 11.05.2018). 27. Замараев Р.Ю., Попов С.Е., Логов А.Б. Алгоритм классификации сейсмических событий на основе энтропийного отображения сигналов // Физика Земли. 2016. № 3. С. 31-37. 28. McKay D. Information Theory, Inference, and Learning Algorithms. Cambridge: Cambridge University Press, 2003. 631 p. 29. Kortström J., Uski M., Tiira T. Automatic classification of seismic events within a regional seismograph network // Computers & Geosciences. 2016. N 87. P. 22-30. 30. Gan G., Ma C., Wu J. Data clustering: theory, algorithms, and applications (ASA-SIAM series on statistics and applied probability). Philadelphia. PA. USA: Society for Industrial and Applied Mathematics, 2007. 451 p.