Апостериорные вычислительные алгоритмы и программы в задачах геофизического мониторинга тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат наук Воскобойникова, Гюльнара Маратовна

• Воскобойникова, Гюльнара Маратовна
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Воскобойникова, Гюльнара Маратовна

Оглавление

ВВЕДЕНИЕ

ГЛАВА 1. ОБЗОР СОВРЕМЕННЫХ МЕТОДОВ ОБНАРУЖЕНИЯ ВОЛНОВЫХ ИМПУЛЬСОВ В ШУМАХ

1.1. Постановка задачи

1.2. Последовательные алгоритмы обнаружения сейсмических волновых форм

1.3. Апостериорные алгоритмы обнаружения последовательностей волновых импульсов

ГЛАВА 2. АПОСТЕРИОРНЫЕ АЛГОРИТМЫ ОПРЕДЕЛЕНИЯ ПАРАМЕТРОВ ВОЛНОВЫХ ФОРМ В ШУМАХ

Введение

2.1. Постановка задачи

2.2. Обнаружение неодинаковых квазипериодических волновых форм

2.2.1. Функция правдоподобия и целевая функция

2.2.2. Обобщенные ограничения и их анализ

2.2.3. Базовая экстремальная задача и ее решение

2.2.4. Вычислительная сложность

2.2.5. Численное моделирование

2.3. Алгоритм совместного обнаружения и оценивания квазипериодических одинаковых волновых форм

2.3.1. Критерий совместного обнаружения и оценивания

2.3.2. Целевая функция и алгоритм оптимизации

2.3.3. Результаты численного моделирования

2.4. Фрактальный анализ в проблеме выделения сейсмических волн

Введение

2.4.1. Построение фракталов сейсмических волн

2.4.2. Результаты моделирования и экспериментов по оцениванию границ волновых форм

Заключение к главе 2

ГЛАВА 3. РЕШЕНИЕ ЗАДАЧ ГЕОФИЗИЧЕСКОГО МОНИТОРИНГА

3.1. Определение времен вступлений волн и положения источника при скважинных наблюдениях

3.1.1. Постановка задачи и методика проведения экспериментов

3.1.2. Алгоритм и программа для автоматического определения моментов вступления волн

3.1.3. Методика проведения экспериментов

3.3.4. Результаты обработки экспериментального материала

3.2. Оценивание метеозависимых геоэкологических рисков от техногенных взрывов в задачах экологоохранного прогнозирования

Введение

3.2.1. Постановка задачи исследований

3.2.2. Численное моделирование эффекта направленности распространения акустических волн с учетом влияния метеоусловий

3.2.3. Методика проведения экспериментальных работ и оценивание параметров акустических волн от вибратора ЦВ-40 и полигонных взрывов

3.2.4. Результаты измерения параметров сейсмических и акустических волн и эффектов фокусировки волновых полей

3.2.5. Оценивание экологических рисков от полигонных взрывов

Заключение к главе 3

ГЛАВА 4. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ ВЫДЕЛЕНИЯ И ИЗМЕРЕНИЯ ПАРАМЕТРОВ СЕЙСМИЧЕСКИХ И АКУСТИЧЕСКИХ ВОЛНОВЫХ ФОРМ

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

Введение диссертации (часть автореферата) на тему «Апостериорные вычислительные алгоритмы и программы в задачах геофизического мониторинга»

ВВЕДЕНИЕ

Актуальность работы

В перечень критических технологий Российской Федерации отнесены технологии мониторинга, прогнозирования и предупреждения чрезвычайных ситуаций природного и техногенного характера. Важнейшие из них связаны с геофизическим мониторингом событий в виде регулярно возникающих разрушительных сейсмических природных явлений, а также массовых техногенных взрывов. Развитие и совершенствование методов геофизического мониторинга относится к числу приоритетных современных проблем. Решение их напрямую связано с актуальными задачами повышения точности: 1) определения координат источников и времен вступления сейсмических и акустических волн, 2) оценивания геоэкологических рисков, которые связаны с разрушительными воздействиями сейсмических и акустических волн, порождаемых рассматриваемыми событиями.

Существует два подхода к решению этих задач - последовательный и апостериорный. Последовательные алгоритмы используются в системах реального времени (on-line) в условиях непрерывном геофизическом мониторинге. Последовательный подход ориентирован на получение наиболее «быстрого» (на текущий момент), но в общем случае не оптимального решения задачи. Напротив, апостериорный подход ориентирован на получение оптимального (по всем накопленным данным) решения. Этот класс алгоритмов связан с решением задачи обнаружения и измереиия времен по совокупности зарегистрированных волновых импульсов в отсроченном режиме времени (off-line). Иными словами, этот подход потенциально более точен, чем последовательный. Однако его алгоритмическая реализация сопряжена с решением трудоемких в вычислительном плане задач дискретной оптимизации. По этой причине большинство существующих off-line технологий решения задач разбивается на несколько этапов (подзадач), например, сначала фильтрация помех, а затем решение задач обнаружения, оценивания или принятия

решения. Ключевой недостаток поэтапной обработки данных состоит в том, что даже в случае оптимального решения подзадач на каждом из этапов полученное в результате итоговое решение может не совпадать с оптимальным, т.к. решение, найденное по условным экстремумам, как известно, в общем случае не обязано совпадать с оптимальным решением. Под оптимальным решением подразумевается решение задачи нахождения экстремума (минимума или максимума) целевой функции в некоторой области конечномерного векторного пространства, ограниченной набором линейных и/или нелинейных равенств и/или неравенств. Целевая функция в рассматриваемых задачах связана с искомыми временами вступлений акустических и сейсмических волн.

В настоящей работе исследуется иной слабоизученный применительно к геофизическому мониторингу подход, в рамках которого решение задачи находится в едином процессе дискретной оптимизации без разбиения задачи на этапы.

Целью настоящей работы является разработка помехоустойчивых алгоритмов и программ, основанных на методах дискретной оптимизации, и проведение исследований по их применению при решении некоторых задач геофизического мониторинга.

Для достижения поставленной цели определены следующие задачи:

1. Разработка апостериорных алгоритмов для решения задач совместного помехоустойчивого обнаружения времен вступлений и оценивания волновых форм сейсмических и акустических импульсов, основанных на методах дискретной оптимизации;

2. Программная реализация алгоритмов и анализ их работоспособности в численных экспериментах;

3. Оценивание применимости и эффективности созданных программно-алгоритмических средств для решения актуальных практических задач: 1) определение положения источника при скважинных наблюдениях в процессе нефтепромыслового бурения; 2) оценивания геоэкологических рис-

ков, порождаемых мощными техногенными взрывами с учетом влияния метеофакторов.

Методы исследования. В работе использованы методы дискретной оптимизации, цифровой обработки сигналов, теории распространения акустических волн, а также аппарат теории фракталов.

Научная новизна работы заключается в следующем:

1. Обоснованы новые более точные по сравнению с известными алгоритмы совместного помехоустойчивого обнаружения времен вступления и оценивания геофизических волновых форм.

2. Разработана оригинальная методика решения актуальных задач геофизического мониторинга, основанная на предложенных алгоритмах, которая обеспечивает решение задачи локации сейсмического источника в скважине с повышенной точностью.

3. Найдены на основе обработки данных экспериментов и численного моделирования более точные оценки параметров пространственной фокусировки энергии инфранизкочастотных акустических волновых полей от мощных взрывов и вибраторов при воздействии метеофакторов.

Практическая ценность работы обусловлена ее направленностью на решение актуальных проблем геофизического мониторинга окружающей среды. Результаты работы внедрены в Институте нефтегазовой геологии и геофизики СО РАН в программном обеспечении для обработки данных, полученных в экспериментах по определению положения источника в скважине методом вертикального сейсмического профилирования.

Достоверность результатов подтверждена численным моделированием и результатами анализа большого объема реальных геофизических данных.

На защиту выносятся:

1. Апостериорные помехоустойчивые алгоритмы и методика решения задач совместного обнаружения и оценивания моментов времени вступления и

оценивания сейсмических волн, обеспечивающие повышенную точность решения практических задач:

• локации сейсмического источника в глубокой скважине;

• оценивания экологических рисков от техногенных и природных взрывов для окружающей среды.

2. Комплекс программ для численного моделирования и обработки геофизических данных.

ГЛАВА 1. ОБЗОР СОВРЕМЕННЫХ МЕТОДОВ ОБНАРУЖЕНИЯ ВОЛНОВЫХ ИМПУЛЬСОВ В ШУМАХ

1.1. Постановка задачи

Задачи обнаружения в шумах сейсмических и акустических волн с последующим оцениванием их параметров в виде времен вступлений являются первоочередными в проблеме геофизического мониторинга. Одна из самых распространенных задач здесь связана с определением пространственных координат и мощности источников волн по данным регистрации времен вступлений их на сети пространственно распределенных приемных станций. В качестве источников при этом могут быть техногенные взрывы, землетрясения, извержения вулканов, падающие на землю ступени ракет, космические тела и др.

Задача оценивания неизвестных параметров источника сводится к решению нелинейной системы уравнений [1]:

Л = г!(у,х) + Б. (1.1)

где г\ - (пп...,п^)т - вектор измеренных времен пробега сейсмических волн, Л(У>Х) = 0*1>->»л)г ~ ^-мерный вектор вычисляемых времен пробега (теоретический годограф) или функция регрессии, б = {б1,...,£м)т - вектор невязок, X = (х,у,2^,()т - ш-мерный вектор оцениваемых параметров, у = {уп—,уи) -

матрица координат датчиков, N - число датчиков. В качестве оцениваемых параметров выступают пространственные координаты источника - х, у, г, скоростная характеристика среды у и время в источнике I В ряде случаев скорость в среде является известной. При оценивании параметров пользуются сведениями о распределении ошибок = 'П1(хпх)-г11(хпх). БУДОМ в дальнейшем предполагать, что , .Д - взаимно независимые случайные величины, имеющие распределение с нулевым средним и заданными дисперсиями:

Ее1 = 0,Ее1б] = а218у,а1 = <т(х,), - символ Кронекера, /=1,..., N. В случаях

затруднений с заданием дисперсий принимают их равными и получают несмещенную оценку дисперсии наблюдения с единичным весом по ходу решения задачи.

Решение уравнения (1.1) сводится к решению обратной задачи. При этом точность решения зависит, в первую очередь, от ошибок оценивания вектора времен т), скорости V, шумов измерения £ = {еп...,еы)т, выбора геометрии расстановки датчиков на дневной поверхности Земли.

Пример другой постановки задачи, связанной с определением внутреннего строения слоистой среды [2]. Здесь задача формулируется следующим образом. Пусть 77 - времена пробега волы вдоль профиля «источник-приемник», наблюдаемых в результате каждого акта излучения зондирующих импульсов. Получаемые времена отражают вступления последовательности определенного типа волн, отраженных от границ слоистой структуры среды. Наблюдения проводятся в точках линейного профиля на удалениях х1,...хм от источника. Время пробега волны 1=1,.определяется распределением скорости соответствующей волны в среде. В свою очередь, распределение скорости зависит от модели среды, например, горизонтально-слоистой либо более сложной модели с криволинейными границами. В случае горизонтально-слоистой модели скорость будет зависеть от координаты 2 и, соответственно будем иметь распределение скорости У(г). Дополнительное условие состоит в том, что каждый слой является внутри себя однородным и имеет мощность (толщину), равную к. Основная задача состоит в том, чтобы с учетом принятых ограничений определить для каждого слоя мощность к и скорость сейсмической волны V в нем по множеству измеренных значений п1:

(1.2)

Множество п., i=\,...,N, принято называть наблюденным годографом. Рассматриваемая задача относится к классу обратных задач: здесь по данным измерений времен пробега волн нужно восстановить слоистую структуру среды и определить ее параметры. Точность решения задачи (1.2) осложняется ошибками измерения времен п. , представляющими собой невязки между теоретическим и измеренным временами:

£(?%) = n,-F{7i,h,V), i = 1,...,N (1.3)

Прежде всего, нужно отметить, что ошибки (1.3) носят случайный характер, в связи с чем задача (1.2) приобретает статус обратной задачи в статистической постановке. Соответственно, для ее решения используются статистические методы, которые основаны на знании математической формы распределения случайных погрешностей [2].

Как видно, в обеих постановках задач на первом шаге решается задача определения векторов времен fj. Точность их измерения во многом определяет точность решения искомой задачи.

С учетом характера решаемых задач различают два основных классов алгоритмов определения вектора времен - последовательные алгоритмы обнаружения и измерения времен прихода волн в темпе времени их поступления. Такие алгоритмы, как правило, используются в системах реального времени (on-line), используемых при непрерывном геофизическом мониторинге. Другой класс алгоритмов связан с решением задачи обнаружения и измерения вектора времен по совокупности зарегистрированных волновых импульсов в отсроченном режиме времени (off-line). При этом возможны две формы обнаружения: либо оценить непосредственно времена прихода волн либо получить одновременно оценки времен прихода и формы волновых импульсов. К примеру, подобные задачи возникает в проблеме вибрационного просвечивания Земли [3]. Ниже приведен обзор обоих классов алгоритмов обнаружения.

Под волновым импульсом будем подразумевать однократное возмущение, распространяющееся в пространстве или в среде, а под волновой формой - графическое представление (обычно как функцию от времени) одиночного волнового импульса. Задачи обнаружения может решаться в двух постановках: требуется оценить моменты времени вступления волновых импульсов либо определить, имело ли место изменение свойств процесса (тест на наличие разладки). Первая постановка соответствует классической задаче обнаружения сигналов. Вторая - связана с анализом статистических свойств сигналов, например, непрерывного шума, на фоне которого ожидается появление событий. Такая ситуация имеет место на сейсмических станциях, ведущих непрерывный мониторинг сейсмической обстановки. Приход сейсмического события отмечается изменением статистических свойств шума.

Решение задач в обеих постановках может осуществляться как в последовательном виде, так и в варианте апостериорной обработки. Так, при обработке сигналов от сейсмических событий на сейсмостанциях используется последовательный алгоритм типа «разладки». Напротив, при решении задачи типа (1.2) осуществляется одновременная регистрация волновых импульсов по совокупности датчиков с целыо получения, например, сейсмического разреза - информации о сейсмическом строении исследуемой среды [4], либо для определения параметров сейсмического источника в соответствии [5-7], либо для решения задач геофизического мониторинга геодинамических процессов, происходящих в среде [8]. Здесь, как правило, используются апостериорные алгоритмы обработки, основанные на совместном обнаружении и измерении параметров по всей совокупности зарегистрированных волновых импульсов. Применение алгоритмов апостериорной обработки позволяет достигать более точного решения задач обнаружения и измерения параметров.

1.2. Последовательные алгоритмы обнаружения сейсмических волновых

форм

Основная задача последовательного обнаружения связана с оцениванием времен прихода волн в темпе поступления данных. Погрешности оценивания определяются основными характеристиками волновых импульсов [9]:

а2т=-^--(1.4)

2А/(2Е/Ы0)

Здесь а2т - дисперсия погрешностей оценивания, хи - длительность волнового импульса, А/- ширина его спектра, ЕШо — отношение энергии импульса к спектральной плотности внешнего шума. Как следует из (1.4) уменьшение погрешности можно достичь за счет увеличения соотношения энергий сигнала и шума, расширения спектра частот Д/, занимаемого импульсом, а также за счет сжатия волнового импульса во времени путем приведения его к ¿¡-образному импульсу. Решение этих задач достигается с помощью нижеприведенных алгоритмов.

Алгоритм вейвлет-фнльтрации. Взрывные источники излучают сейсмические импульсы, волновые формы которых описываются компактными во времени функциями. Адекватным алгоритмом для их обнаружения в шумах является вей влет-фильтрация. Это возможно благодаря тому, что в основе вейвлет-преобразования лежит система локализованных базисных функций [10-16], что обеспечивает естественность использования их для представления волновых импульсов в геофизических исследованиях. Как и преобразование Фурье вейвлет-преобразование обладает фильтрующими свойствами полезного сигнала на фоне шумов. Практическое использование вейвлет-фильтрации для обнаружения сейсмических волн рассмотрено в работах]^ 17-22]. Пример применения вейвлет-фильтрации для обнаружения волн от двух последовательных взрывов, разнесенных по времени на 35,2 сек, представлен на рис. 1.1. [18].

Эффективность рассматриваемого подхода к обнаружению волновых форм определяется условием согласования базиса функционального пространства с моделями волновых импульсов. С учетом этого использование вейвлет-разложения при решении задачи обнаружения связано с выбором оптимальных коэффициентов данного вида разложения [23].

••мл |14кр12т12, время вступления 1« • 55,6с. - 91,2с

х 10

х 10

50

100

150

Рис. 1.1. Пример вейвлет-фильтрации волн от двух последовательных взрывов: (а) исходный сигнал, (б) сигнал после удаления шума с использованием вейвлет-преобразования, (с) огибающая сигнала (пунктирная линия).

Сжатие волнового импульса и расширение его спектра. Погрешность оценивания времен вступлений волновых импульсов в числе прочих факторов зависит от длительности импульса в (1.4) и ширины его спектра. В связи с этим возникает задача сжатия волнового импульса /(?) во времени на фоне внешнего шума л(Г) с использованием линейного оператора вида ;у(?)=1,{/(0+/г(0} таким образом, чтобы в результате преобразования получить

приближение к 5-образному импульсу. Различные виды таких преобразований в геофизике известны под общим названием "деконволюция" и являются наиболее распространенными в этой области [4, 24-26]. В основе их лежит алгоритм обратной фильтрации Винера. Импульсная функция обратного фильтра к(Г), {1=1,...,Щ определяется в результате решения интегрального уравнения вида:

2 к (/) • [Ъ; (/ - у) + ь„ (/ - у)] = Ъ, (-0 (1.5)

7=0

Здесь Ь1(Г),Ьп{1) - автокорреляционные функции волнового импульса и

шума. Как известно, решение этого уравнения сводится к решению системы N линейных уравнений. При решении стандартными методами соответственно требуется № ячеек памяти для хранения матрицы коэффициентов, а затра-

о

ты по времени пропорциональны N . Использование известного алгоритма Левинсона позволяет сократить обе эти характеристики в N раз, что достигается благодаря особой форме матрицы коэффициентов. Она является корреляционной матрицей, и все ее диагонали образованы одинаковыми элементами, а при транспонировании она не меняется: Ь = .

Использование деконволюции позволяет поднять разрешающую способность при построении сейсмических разрезов, позволяя выделять тонкослоистые структуры в строении земли. В связи с этим задача обработки данных с помощью обратной фильтрации является одной из первостепенных.

Алгоритмы "разладки". С учетом вариабельности волновых форм, регистрируемых от разного вида сейсмических источников, обнаружение и измерение выполняются в условиях априорной неопределенности о параметрах сейсмических волн. В этой ситуации инвариантное решение задачи возможно на основе использования алгоритмов обнаружения моментов «разладки» случайного шума в момент прихода волн. Некоторые модификации последовательных алгоритмов такого вида была разработаны Никифоровым

И.В [27-30]. В основе процедуры обнаружения лежит последовательный алгоритм кумулятивных сумм (АКС), основанный на аппроксимации участков чистого шума и волновых импульсов моделями авторегрессии. Такой алгоритм авторегрессии проинтегрированного скользящего среднего (АРПСС) был применен, в частности, для обнаружения сейсмических волн от землетрясений [31, 32]. В качестве примера результаты применения такого алгоритма для обнаружения и измерения времен прихода сейсмических волн от карьерных взрывов представлены в работах [33, 34]. Пример обнаружения двух последовательных взрывов с помощью рассматриваемого алгоритма представлен на рис. 1.2.

|зайл 04]и1120.гш2 , время встугш.Тз=82.9

к 10

1000 500 0

-500 -1000

100с

30 40 50 60 70 80 90 100с

Рис. 1.2. Пример вычисления времен вступлений волн от двух последовательных взрывов: вверху - вид решающей функции, внизу - искомая запись шума

и двух волновых импульсов на его фоне.

Здесь вычисление времен прихода волн определяется по максимумам решающей функции [30], представленной в верхней части рисунка 1.2. Использование такого алгоритма является эффективным в условиях действия стационарных шумов, как это имеет место, например, в районах расположе-

ния сейсмостанций с низкими уровнями микросейсмических шумов, имеющих квазистационарные характеристики. Кроме того, в вычислительном плане алгоритм обладает достаточно высокой трудоемкостью, что накладывает высокие требования к быстродействию процессора при реализации данного метода обработки в системе реального времени. К рассмотренным последовательным алгоритмам обнаружения разладки относятся многие другие виды ранее разработанных алгоритмов этого типа [35-37], связанные со способом поступления информации. По этому признаку выделяется большая группа апостериорных алгоритмов [35-67]. Сюда входят алгоритмы решения подобных задач, которые опираются на методы максимального правдоподобия [36, 48, 53-67].

1.3. Апостериорные алгоритмы обнаружения последовательностей

волновых импульсов

Множество алгоритмов обработки последовательностей волновых импульсов (в дальнейшем сокращенно "последовательностей") можно разбить на две группы алгоритмов. К первой из них относятся алгоритмы, предназначенные для обработки последовательностей, изменяющих свои свойства почти периодически. Под этим подразумевается, что временной интервал между двумя последовательными событиями может быть представлен в виде суммы постоянного известного или неизвестного периода и случайного отклонения известного или неизвестного распределения, например [50, 52]. Ко второй группе относятся алгоритмы, предназначенные для обработки последовательностей, изменяющих свои свойства квазипериодически. Это означает, что временной интервал между двумя последовательными импульсами ограничен сверху и снизу заданными константами [49, 51, 53-67].

Алгоритмы, ориентированные на обработку обоих последовательностей, имеют одно основное различие. Алгоритмы обработки почти периодических последовательностей применимы в условиях, когда известно распределение случайного отклонения от периода. Для использования же алгорит-

мов обработки квазипериодических последовательностей достаточно знать лишь верхнюю и нижнюю границы интервала времени между соседними импульсами. Во многих приложениях распределение отклонения от периода неизвестно, что является ограничительным фактором использования алгоритмов обработки почти периодических последовательностей. В этом случае могут быть использованы алгоритмы обработки квазипериодических последовательностей, не требующих информации о распределении.

Важным примером последовательностей, изменяющих свои свойства квазипериодически, являются числовые квазипериодические последовательности, включающие подпоследовательности-фрагменты одинаковой длины. Физическим аналогом таких последовательностей являются импульсные последовательности, составленные из импульсов одинаковой длительности с ограничениями на интервал между двумя последовательными импульсами. Задачи обработки импульсных последовательностей [49, 52] возникают во множестве приложений, таких как телекоммуникации [68], геофизика [69-71] и другие. Используя форму импульсов, их количество, время появления и т. п. можно получать необходимую информацию об изучаемом объекте. Например, изменение сейсмической активности (геофизика) в сейсмоопасных зонах [72] может выступать как предвестник землетрясения, и др. Известно также множество других приложений, когда возникает необходимость извлекать информацию из импульсных последовательностей.

Различие последовательного и апостериорного подхода к проблеме обработки сигналов индуцирует два возможных подхода к решению задач обработки последовательностей. Отличие этих подходов можно проиллюстрировать на примере задачи распознавания волновых форм. При последовательном подходе задача разбивается на несколько независимых этапов: обнаружение фрагмента, классификация отдельного фрагмента и принятие решения о совокупности фрагментов - распознавание последовательности. Каждый из перечисленных этапов может быть реализован с помощью хорошо изученных классических методов. При апостериорном подходе возникающие

задачи решаются одновременно (совместно). При этом в большинстве случаев в рамках апостериорного подхода возникают новые неизученные экстремальные задачи. По этой причине алгоритмы апостериорной обработки сигналов исследованы слабо по сравнению с алгоритмами последовательного типа. Здесь следует напомнить, что во многих практически интересных задачах важно получить именно точное решение, что обеспечивается применением алгоритмов апостериорного типа.

ГЛАВА 2. АПОСТЕРИОРНЫЕ АЛГОРИТМЫ ОПРЕДЕЛЕНИЯ ПАРАМЕТРОВ ВОЛНОВЫХ ФОРМ В ШУМАХ

Введение

Во многих приложениях, связанных с обработкой сигналов, в частности геофизических сигналов, приходится сталкиваться с задачами извлечения информации из квазипериодической последовательности зашумленных импульсов, моменты появления которых неизвестны. Такая задача, в частности, возникает при активном мониторинге повторяющимися сеансами вибрационного зондирования среды с последующим анализом ее откликов в виде волновых форм [69, 70]. Здесь вариации моментов прихода волн могут быть обусловлены меняющимися характеристиками напряженности среды, погрешностями наступления моментов зондирования [74].

Задача состоит в следующем: имеется числовая квазипериодическая последовательность волновых импульсов, имеющих заданную известную длительность, но неизвестную волновую форму. Рассматривается два варианта представления волновых форм в квазипериодической последовательности - одинаковых и неодинаковых форм. Термин квазипериодичность означает, что временной интервал между двумя последовательными волновыми формами лежит в некотором фиксированном промежутке, так что волновые формы могут повторяться как периодически, так и непериодически. Моменты времени появления волновых форм в наблюдаемой зашумленной последовательности не известны. Однако известно общее число переданных волновых форм. Требуется обнаружить времена появления волновых форм в наблюдаемой последовательности. Близкие по своей сути задачи обнаружения импульсов в последовательности рассматривались в [53-67], однако применение их в геофизике не рассматривалось.

Последовательный (on-line) подход обнаружения волновых форм в порядке поступления данных опирается на известные хорошо изученные методы и алгоритмы: 1) последовательного обнаружения [5, 12, 18, 19, 20, 24, 25,

27-32], 2) оптимальной фильтрации [9, 12, 46. 47]. Некоторые из них рассматривались в главе 1.

Последовательный подход ориентирован на отыскание решения задачи, оптимального лишь на текущий момент времени. В общем случае он не гарантирует оптимальности решения по совокупности данных (дискретных значений), накопленных за весь промежуток времени наблюдения.

Список литературы диссертационного исследования кандидат наук Воскобойникова, Гюльнара Маратовна, 2014 год

СПИСОК ЛИТЕРАТУРЫ

1. Хаттерер Ф. Математические аспекты компьютерной томографии. М:, «Мир», с.288.

2. Яновская Т.Б., Порохова Л.Н. Обратные задачи геофизики. Изд. С.-Петербургского университета, 2004, с.212.

3. Алексеев А.С., Геза Н.И., Глинский Б.М., Еманов А.Ф., Ковалевский В.В., Хайретдинов М.С., Чичинин И.С., Юшин В.И. Активная сейсмология с мощными вибрационными источниками / Отв. ред. Г.М. Цибульчик. — Новосибирск: ИВМиМГ СО РАН, Филиал "Гео" Издательства СО РАН, 2004. -387 с.

4. Хаттон Л., Уэрдингтон М., Мейкин Дж. Обработка сейсмических данных. М.: "Мир", 1989, с.214.

5. Stewart S. (1977). Real-time detection and location of local seismic events in central California, Bull Seism. Soc. Am. 67, 433-452.

6. Kijko, J. Ungvarai. The accuracy of teleseismic events location by a tripartite seismic network in Hungary // Acta Geodaet., Geophys. et Montanist. Acad. Sci. Hung. Tomus 15 (2-4), pp. 239-246

7. Воскобойникова Г.М., Седухина Г.Ф., Хайретдинов M.C. Пространственная селекция очага подземного ядерного взрыва с использованием направленного излучения и приёма вибросейсмических колебаний // Вестник НЯЦ РК. - 2006. - Вып. 2(26). - С.149-154.

8. Active Geophysical Monitoring, Edited by J. Kasahara, V.Korneev, M. Zhdanov, vol.40, Elsevier Science, 2011, 572 p.

9. Тихонов В.И. Оптимальный прием сигналов. - М.: Радио и связь, 1983. -320с.

10. Добеши И. Десять лекций по вейвлетам. - М.: РХД, 2001.

11. .К. Чуй. Введение в вейвлеты. М.: «Мир», 2001, с.412

12. Малла .С. Вейвлеты в обработке сигналов. М.: «Мир», 2005, с.658

13. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования // СПб.: Изд-во ВУС. 1999. 208 с.

14. Основы вейвлет-анализа сигналов // Учебное пособие. СПб.: Изд-во ООО "МОДУС+". 1999. 152 с.

15. Астафьева Н. М. Вейвлет-анализ: основы теории и примеры применения // Успехи физических наук. 1998. Т. 166. №11. С. 1145-1170.

16. Donoho D.L., Johnstone I.M. Ideal spatial adaptation by wavelet shrinkage// Biometrika. 1994. 81, N3. P.425-455

17. Шульц А., Майер С., Свенсон Д., Фланаган М. и др. Интеграция различных калибровочных результатов для улучшения сейсмической локации. Ливерморская национальная лаборатория им. Лоуренса. Контракт № W-7405-ENG-6

18. .Хайретдинов М.С., Клименко С.М. Программная система автоматизированной локации и визуализации сейсмических источников.- Вестник НЯЦ РК, 2004, С.70-76

19. Авроров С.А., Хайретдинов М.С. Автоматизированная процедура поточного обнаружения и идентификации сейсмических событий // Перио-дич. Науч.-техн. журн. Национального ядерного центра республики Казахстан. -2008. - Вып. 2.-С. 70-75

20. Sergey Avrorov and Marat Khairetdinov. Stream-Handling Seismic Waves Detection and Recognition System // IEEE Region 8 Intern. Conf. on "Computational Technologies in Electrical and Electronics Engineering", SIBIRCON 2008, Novosibirsk, July 21-25, 2008. - P. 313-317.

21. C.A. Авроров, М.С. Хайретдинов. Распределённая обработка данных в мониторинговых системах и сетях1 Научный вестник НГТУ. - 2010. - № 1, с.

22. О.М. Сагайдачная, К.А. Дунаева, А.С. Сальников. Декомпозиция и анализ сейсмических полей на основе слоев вейвлет-разложения, Геофизика, №5,2010, с.9-17

23. Ю.Е. Воскобойников, А.В. Гочаков. Квазиоптимальный алгоритм оценивания коэффициентов вейвлет-разложения при фильтрации сигналов. Автометрия, Т.46, №1 2010, с.34-45.

24. Рапопорт М.Б. Вычислительная техника в полевой геофизике. // Москва «Недра», 1993 г., 350 стр

25. Claerbout J. F. Fundamentals of Geophysical Data Processing (McGraw-Hill international series in the earth and planetary sciences), New York, 1976 / 268 c.

26. Robinson E. A., Treitel S. Geophysical Signal Analysis. Englewood Cliffs, NJ: Prentice-Hall, 1980.

27. Никифоров В.И. Применение последовательного анализа к процессам авторегрессии // Автоматика и Телемеханика, 1975, № 8, с. 174-177.

28. Никифоров И.В. Применение кумулятивных сумм для обнаружения изменения характеристик случайного процесса // Автоматика и телемеханика, 1979, №2, с. 48-58.

29. Никифоров И.В. Модификация и исследование процедуры кумулятивных сумм // Автоматика и телемеханика, 1980, № 9, с. 74-80.

30. Никифоров И. В. Последовательное обнаружение изменения свойств временных рядов. М.: Наука, 1983.

31. .Обнаружение изменения свойств сигналов и динамических систем. Под. ред.М.Бассвиль, А.Банвениста. М.: «Мир», 1989, с.278

32. Применение алгоритмов прикладного анализа временных рядов и обнаружения изменения их свойств для обработки сейсмической информации в ЕАС. Отчет о НИР, Институт проблем управления, Москва, инв. № 0182.9.027529.

33. Хайретдинов М.С., Омельченко O.K., Родионов Ю.И. Автоматизированная технология локации сейсмического источника. Тр. Межд. конф. «Математические методы в геофизике», ч.П, Новосибирск, 2003, с.529-535.

34. Хайретдинов М.С., Воскобойникова Г.М., Седухина Г.Ф. Информационная технология сейсмолокации импульсных источников. Вестник НЯЦ РК, вып.З, 2010, Казахстан, г. Курчатов, с.32-39.

35. Клигене Н.И., Телькснис JI. Методы обнаружения моментов изменения свойств случайных процессов // Автоматика и телемеханика. 1983. № 10. С. 5-56.

36. Клигене Н. Точное распределение оценки максимального правдоподобия момента изменения параметров авторегрессии // Труды семинара «Статистические проблемы управления», Вильнюс: Ин-т математики и кибернетики АН ЛитССР, 1978, вып. 31, с. 9-28.

37. Wald A. Sequential analysis. N. Y.: John Wiley, 1947.

38. Жиглявский A.A., Красковский A.E. Обнаружение разладки случайных процессов в задачах радиотехники Л.: Изд-во ЛГУ, 1988.

39. Vas P. Parameter Estimation, Condition Monitoring and Diagnosis of Electrical Machines. Oxford: Univ. Press, 1993.

40. Торговицкий И.Ш. Методы определения момента изменения вероятностных характеристик случайных величин // Зарубежная радиоэлектроника. 1976. №1. С. 3-52.

41. Дарховский Б.С. Непараметрический метод для апостериорного обнаружения момента «разладки» последовательности независимых случайных величин // Теория вероятностей и ее применения, 1976, т. XXI, вып. 1, с. 180-184.

42. Дарховский Б. С. Непараметрический метод оценивания интервалов однородности случайной последовательности // Теория вероятностей и ее применения. 1985. Т. 30, вып. 4. С. 795-799.

43. Дарховский Б.С., Бродский Б.Е. Апостериорное обнаружение момента «разладки» случайной последовательности // Теория вероятностей и ее применения, 1980, т. XXV, вып. 3, с. 476-489.

44. Бродский Б.Е, Дарховский Б. С. О задаче скорейшего обнаружения момента изменения вероятностных характеристик случайной последовательности // Автоматика и телемеханика. 1983, № 10, с. 101-108

Ill

45. Дарховский Б. С. Ретроспективное обнаружение «разладки» в некоторых моделях регрессионного типа // Теория вероятностей и ее применения. 1995. Т. 40, вып. 4. С. 898-903.

46. Iielstrom С. W. Elements of Signal Detection and Estimation. Englewood Cliffs: PrenticeHall, 1979.

47. Anderson B. D., Moore J. D. Optimal Filtering. Englewood Cliffs, NJ: Prentice-Hall, 1995.

48. James J.D., Caprio J.R., and Parks T.W. Maximum Likelihood Pitch Estimation // IEEE Trans. Acoust., Speech, Signal Processing, pp. 418-423, November 1976.

49. Gruber P. and Todtli J. Estimation of Quasiperiodic Signal parameters by Means of Dynamic Signal Modes // IEEE Trans. Signal Processing, vol. 42, No. 3, pp. 552-562, 1994.

50. Salder В. M. and Casey S. D. On Periodic Interval Analysis with Outliers and Missing Observations // IEEE Trans. Signal Processing, vol. 46, No. 11, pp 2990-3002, 1998.

51. Eli Fogel, Motti Gavish. Parameter estimation of quasi-periodic sequences // IEEE 1988, p. 2348-2351.

52. Brian M. Sadler, Stephen D. Casey, On periodic pulse interval analysis with outliers and missing observations // IEEE transactions on signal processing, Vol. 46, No. 11, November 1998.

53. Кельманов A.B., Хамидуллин С.А. Апостериорное обнаружение заданного числа одинаковых подпоследовательностей в квазипериодической последовательности // Журнал вычислительной математики и математической физики. 2001. Т. 41, № 5. С. 807-820.

54. Кельманов А. В., Хамидуллин С. А. Апостериорное совместное обнаружение и различение заданного числа подпоследовательностей в квазипериодической последовательности // Сибирский журнал индустриальной математики. 1999. Т. 2, № 2(4). С. 106-119.

55. Кельманов A.B., Окольнишникова Л.В. Апостериорное совместное обнаружение и различение подпоследовательностей в квазипериодической последовательности // Сибирский журнал индустриальной математики. 2000. Т. 3, № 2(6). С. 115-139.

56. Кельманов A.B., Хамидуллин С.А., Окольнишникова Л. В. Апостериорное обнаружение одинаковых подпоследовательностей-фрагментов в квазипериодической последовательности // Сибирский журнал индустриальной математики. 2002. Т. 5, № 2(10). С. 94-108.

57. Kel'manov A.V., Jeon В. A posteriori joint detection and discrimination of pulses in a quasiperiodic pulse train // IEEE Trans. Signal Processing. 2004. V. 52, N3. P. 1-12.

58. Кельманов A.B., Михайлова Л.В. Совместное обнаружение в квазипериодической последовательности заданного числа фрагментов из эталонного набора и ее разбиение на участки, включающие серии одинаковых фрагментов // Журнал вычислительной математики и математической физики. 2006. Т. 46, № 1.С. 172-189.

59. Гимади Э.Х., Кельманов A.B., Кельманова М.А., Хамидуллин С.А. Апостериорное обнаружение в числовой последовательности квазипериодического фрагмента при заданном числе повторов // Сибирский журнал индустриальной математики. 2006. Т. 9, № 1(25). С. 55-74.

60. Кельманов A.B., Хамидуллин С.А. Апостериорное обнаружение в числовой последовательности заданного числа неизвестных квазипериодических фрагментов // Сибирский журнал индустриальной математики. 2006, Т. 9, № 3(27), С. 50-65

61. Кельманов A.B., Хамидуллин С.А. Оптимальное обнаружение в числовой последовательности заданного числа неизвестных квазипериодических фрагментов // Сибирский журнал вычислительной математики. 2007, Т. 10, №2. С. 159-175.

62. Кельманов A.B., Михайлова Л.В. Апостериорное обнаружение квазипериодических фрагментов из эталонного набора в числовой последова-

тельности и ее разбиение на участки, включающие серии одинаковых фрагментов // Журнал вычислительной математики и математической физики, 2008, Т.48, №5, С. 899-915.

63. Кельманов A.B., Михайлова Л.В., Хамидуллин С.А. Апостериорное обнаружение в квазипериодической последовательности повторяющегося набора эталонных фрагментов // Журнал вычислительной математики и математической. физики, 2008, Т. 48, № 12, С. 2247-2260

64. Кельманов A.B., Пяткин A.B. Об одном варианте задачи выбора подмножества векторов // Дискретный анализ и исследование операций. 2008. Т. 15, №5. С. 20-34.

65. Кельманов A.B., Михайлова Л.В., Хамидуллин С.А. Распознавание квазипериодической последовательности, включающей повторяющийся набор фрагментов // Сибирский журнал индустриальной математики. 2008. Т. 11 №2(34). С. 74-87.

66. KePmanov A.V., Khamidullin S.A. А Posteriori Joint Detection and Discrimination of a Given Number of Subsequences in a Quasiperiodic Sequence // Pattern Recognition and Image Analysis. 2000. Vol. 10. No. 3. P. 379-388.

67. Кельманов A.B., Кутненко O.A. Алгоритм распознавания квазипериодической последовательности импульсов и обнаружения моментов их начала в гауссовом шуме. / Искусственный интеллект и экспертные системы. -Новосибирск. - 1996.- Вычислительные системы, вып. 157.- с. 137-180.

68. Кельманов A.B., Кутненко O.A. Оценка максимального правдоподобия моментов начала известных детерминированных импульсов фиксированной длительности в квазипериодической последовательности. // Анализ последовательностей и таблиц данных.- Новосибирск, 1994. - Вычислительные системы, вып. 150. -с. 184-196.

69. Haykin S. Communication System // 4th. ed., New York: John Wiley & Sons Inc., 2001.

70. Воскобойникова Г.М. Алгоритм выделения и измерения параметров вибросейсмических последовательностей // Сборник трудов международной

конференции «Математические методы в геофизике», Новосибирск, 2003, часть II, С. 554-560.

71. Woskoboynikova G.M. Determination of the arrival times of the seismic by the dynamic programming method // Proceedings of 9th Korean-Russian International Symposium on "Science & Technology" (KORUS 2005). - Novosibirsk: NSTU, 2005.-P. 734-737.

72. Voskoboynikova G.M., Khairetdinov M. S., Omelchenko О. K., Sedukhina G.F. Numerical algorithms and results of experiments to determine the parameters of the borehole bottom and medium. Bulletin of the Novosibirsk computing center, issue 10 (2005), pp.35-43.

73. Гордиенко B.A., Гордиенко T.B., Купцов A.B., Ларионов И.А., Марапу-лец Ю.В., Рутенко А.Н., Шевцов Б.М. Геоакустическая локация областей подготовки землетрясений.//Доклады академии наук, 2006, т.407. С.669-672.

74. Федер Е. Фракталы. Москва «Мир», 1991 г., 179 с.

75. Потапов А.А., Герман В.А. Методы фрактальной обработки слабых сигналов и малоконтрастных изображений // Автометрия, Т. 42, № 5, 2006 г., С. 4-25.

76. Гольдин С.В. Физика «живой» Земли. // Проблемы геофизики XXI века, книга I, М.: «Наука», 2013, С. 17-36.

77. Гольдин С.В. Сейсмические волны в анизотропных средах. Новосибирск, Изд.:СО РАН, 2008, 374 с.

78. Воскобойникова Г.М., Седухина Г.Ф., Хайретдинов М.С. Информационная технология сейсмолокации импульсных источников // Периодический Научно-технический журнал Национального ядерного центра республики Казахстан. - Вып. 3 (43), Вестник НЯЦ РК, Курчатов, Казахстан - 2010 - сс. 32-39.

79. Крайзман Л.Ф. Способы определения глубин при геофизических исследованиях скважин (по данным патентных исследованиях). // Разведочная геофизика. Обзор ВИЭМС. Вып. 2, Москва, 1987, 43 с.

80. Шехтман Г.А. Определение параметров среды и траектории ствола скважины методом ВСП // Геофизика, № 5-6, 1996 г., С. 59-64.

81. Кочнев В.А. Адаптивное прослеживание сейсмических волн и оценка их параметров. Геология и геофизика, №2, 1983, с.95-104.

82. Omelchenko O.K. Numerical implementation of wave mode of definition of bottom hole coordinates. Bulletin of the Novosibirsk computing center, issue 5 (1999), pp.121-126.

83. Худсон Д. Статистика для физиков. М.: Мир. 1970. 296 с.

84. Адушкин В.В., Спивак А.А., Соловьев С.П. Геоэкологические последствия массовых химических взрывов на карьерах. Геоэкология. Инженерная Геология. Гидрогеология. Геокриология, 2000, №6, с.554-563.

85. Адушкин В.В., Спивак А.А. Приповерхностная геофизика: комплексные исследования литосферно-атмосферных взаимодействий в окружающей среде // Физика Земли. 2012. № 3. С. 3-21.

86. Куличков С.П., Буш Г.А. Быстрые вариации инфразвуковых на больших расстояниях от однотипных взрывов / Известия РАН ФАО., 2001, Т. 37, № 3, С. 331-338.

87. Research required to support comprehensive nuclear test ban treaty monitoring // National Research Council, Washington, D.C.: National Academy Press, 1997, P.65.

88. Авроров C.A., Хайретдинов M.C. Распределённая обработка данных в иерархических системах и сетях. // Научный вестник НГТУ. - Новосибирск: Изд-во НГТУ, 2010. - №2. - С.3-12.

89. Drobzheva Ya, Krasnov V.M. // The acoustic field in the atmosphere and ionosphere caused by a point explosion on the ground / J. Atmos. and Solar-Terr. Phys., 2003. V. 65. - Issue 3. P. 369-377.

90. Адушкин B.B., Спивак А.А. Подземные взрывы. - М.: Наука. 2007. -579 с

91. Адушкин В.В., Спивак А.А. Геомеханика крупномасштабных взрывов. -Недра, 1993,319 с.

92. Дробжева Я.В., Краснов В.М., Маслов А.Н. Акустическое поле на земле при взрыве ракеты-носителя //Вестник НЯЦ PK, вып. 2, 2006. - С.79-85.

93. Краснов В.М., Дробжева Я.В., Пак Г.Д., Салихов Н.М., Козловский В.А., Мухамеджанов Э.К., Маханов Д.И., Лазуркина В.Б. Инфразвуковое излучение при запусках ракет-носителей и его влияние на здоровье населения //Вестник НЯЦ PK, 2008-2. - С.60-68.

94. Цейтлин Я.И., Смолий Н.И. Сейсмические и ударные воздушные волны промышленных взрывов / М., Недра, 1981, 192 с.

95. Разин A.B. О распространении звука в неоднородной движущейся атмосфере //Изв. АН СССР. ФАО, 1982, Т. 18, № 6, С. 674-676.

96. Разин A.B. О расчете звуковых полей в атмосферном рефракционном волноводе // Изв. АН СССР. ФАО, 1985, Т.21, № 7, С. 707-713.

97. Бреховских Л.М. Волны в слоистых средах. М.: «Наука», 1973,261 с.

98. Блохинцев Д.И. Акустика неоднородной движущейся среды. М.: «Наука», 1981,208 с.

99. Погорельцев А.И., Перцев H.H. Влияние фонового ветра на формирование структуры акустико-гравитационных волн в термосфере // Известия РАН ФАО. 1995. Т. 31. № 6. С. 755-760.

100. Татарский В.И. К теории распространения звука в стратифицированной атмосфере. Известия АН СССР, серия Физика Атмосферы и океана, Т. 15, № и, стр. 1140-1150, 1979.

101. Госсард Дж., Хук У. Волны в атмосфере. М.: Мир, 1979.

102. Groves G.V. Geometrical theory of sound propagation in the atmosphere. // J. Atmos. Terr. Phys., 1995, v. 7, № 3, p.l 13-127.

103. Thompson R.J. Ray theory for an inhomogeneous moving medium. // J. Acoust. Soc. Am., 51, 1972, p. 1675-1682

104. Brand R.S. Refraction of sound by the wind. J. Sound Vibr., 62, 1979, p. 606-607.

105. Thompson R.J. Ray-acoustic intensity in a moving medium // J. Acoust. Soc. Am. 51 (1974), v. 55, № 4, 733-737.

106. Алексеев А.С., Глинский Б.М., Дряхлов С.И., Ковалевский В.В., Ми-хайленко Б.Г., Пушной Б.М., Фатьянов А.Г., Хайретдинов М.С., Шорохов М.Н. Эффект акустосейсмической индукции при вибросейсмическом зондировании // Доклады АН, т.346, N 5, 1996, с. 664-667.

107. Ковалевский В.В. Исследование акустосейсмических волновых полей, генерируемых поверхностными сейсмическими вибраторами // Акуст. журн., 2005, т. 51, с. 92-102.

108. Заславский Ю.М. Излучение сейсмических волн вибрационными источниками. Институт прикладной физики РАН, Нижний Новгород, 2007, 200 с.

109. Glinskii В.М., Kovalevskii V.V., Khairetdinov M.S. Relationship of wave fields from powerful vibrators with atmospheric and geodynamic processes // Geology and Geophysics, vol.40, No.3, pp.422-431, 1999.

110. Glinsky B.M., Khairetdinov M.S., Kovalevsky V.V. Interrelation of wave fields of powerful vibrators with atmospheric and geodynamic processes // Geology and geophysics, 1999, т.40, № 3, c.431-441.

111. ВоскобойниковаГ.М., Хайретдинов M.C., Авроров С.А., СедухинаГ.Ф. Оценивание геоэкологического риска от массовых взрывов с помощью сейсмических вибраторов // Вестник КемГУ. - 2012. - №4 (52), т.1 - С. 115121.

112. Хайретдинов М.С., Авроров С.А., Седухина Г.Ф., Якименко А.А. Оценивание сейсмоакустических эффектов техногенных взрывов с помощью сейсмических вибраторов. // Сборник трудов XI Всероссийской конференции с участием иностранных учёных «Проблемы мониторинга окружающей среды (ЕМ-2011)», Кемерово, 24-28 октября 2011, с.118-123.

113. Воскобойникова Г.М., Хайретдинов М.С., Авроров С.А., Седухина Г.Ф. Оценивание сейсмоакустических эффектов техногенных взрывов с помощью сейсмических вибраторов. // Технологии сейсморазведки. - 2012. -№12.-С. 98-105.

114. Воскобойникова Г. М., Губарев В.В., Ковалевский В. В., Хайретдинов М. С., Авроров С. А., Седухииа Г. Ф., Якименко А. А. Экологоохранное прогнозирование по комплексу сопряженных геофизических полей //Автометрия (принято в печать)

115. Воскобойникова Г.М., Хайретдинов М.С., Авроров С.А., Седухина Г.Ф. Результаты экспериментов по оцениванию метеозависимых сейсмоакусти-ческих эффектов от мощных взрывов и сейсмических вибраторов. // Периодический Научно-технический журнал Национального ядерного центра республики Казахстан. - Вестник НЯЦРК. -2012. -№12.-С.62-66.

116. Voskoboynikova G.M., Avrorov S.A., SedukhinaH G.F., Khairetdinov M.S. Evalution of Geoecological Risk of Mass Explosions by Seismic Vibrator // The 7th International Forum on Strategic Technology, Proceedings of IFOST2012, Tomsk Polytechnic University, September 17-21, 2012, pp. 658-662.

117. Исакович A.M. Общая акустика. - M.: Наука, Гл. ред. физ.-мат. лит., 1973.-496с.

118. Глинский Б.М., Хайретдинов М.С. и др. Результаты экспериментальных работ по повышению помехоустойчивости вибрационных сейсмограмм. / Материалы международной конференции «Методы изучения, строение и мониторинг литосферы». Новосибирск - 1998. ~ с.50-55.

119. Voskoboynikova G.M., Khairetdinov M.S. The nonlinear Processes in active monitoring // Collective Monograph - Active Geophysical Monitoring, Elsevier Science - 2010 - CA Cambell, v.40, P. 273-290.

120. Воскобойникова Г.М., Седухина Г.Ф., Хайретдинов М.С. Аиализ структурных изменений сейсмических волновых полей в трещиноватых и флюидонасыщенных средах // Периодический Научно-технический журнал Национального ядерного центра республики Казахстан. - Вестник НЯЦ РК. -2008, pp. 99-105.

121. Voskoboynikova G.M., Seduhina G.F., Khairetdinov M.S. Dynamic characteristics of wave fields in fractured and fluid-saturated media // Bulletin of the

Novosibirsk Computing Center, Series: Mathematical Modeling in Geophysics, №12. Novosibirsk: ICCM SB RAS - 2008. - pp. 39-50.

122. Voskoboynikova G.M., Khairetdinov M.S. The Nonlinear processes in active monitoring // Bulletin of the Novosibirsk Computing Center, Series: Mathematical Modeling in Geophysics, №.12. Novosibirsk: ICCM SB RAS - 2008. -pp. 19-38

123. Voskoboynikova G.M., Khairetdinov M.S., Sedukhina G.F. Informative parameters of vibroseismic wave fields in fractured and fluid-saturated media. // Proceedings of the World forum-International congress "Natural Cataclysms and Global Problems of the Modern Civilization" - London: SWB-2012, pp. 107-112.

124. Voskoboynikova G.M. Results of numerical modeling of seismic wave propagation in nonlinearly elastic fractured media // Proceedings 1st IEEE Region 8 International Conference on "Computational Technologies in Electrical and Electronics Engineering", SIBIRCON 2008, Novosibirsk, July 21-25, 2008. - P. 288-290.

125. Voskoboynikova G.M. Seismic wave propagation in fractured media // Proceedings the 3rd International Forum on Strategic Technologies (IFOST), Novosibirsk. - 2008-P.307-309.

126. Воскобойникова Г.М., Хайретдинов M.C., Омельченко O.K., Седухина Г.Ф. Структурный анализ сейсмических волновых полей в зонах разрушения горных пород. // Горный информационно-аналитический бюллетень (научно-технический журнал), вып. 17, 2009, с.329-333.