Аңдатпа
Терең оқыту әдістерін сейсмологияда қолданудың басты кедергісі — жергілікті жағдайға сай, стандартталған әрі таңбаланған деректердің тапшылығы. Бұл жұмыста екі міндет шешілді. Біріншіден, Қазақстан және іргелес аумақ сейсмикалық желісінің 2000–2025 жылдардағы цифрлық мұрағатынан 2020–2025 жылдардың жазбалары таңдалып, машиналық оқытуға арналған SeisBench стандартты форматына келтірілді және эталондық жинақ құрылды: 74 станциядан 100 Гц дискретизациямен, ұзақтығы 120 с терезелерге бөлінген 343 118 сигналдық трейс (342 759 P- және 342 953 S-белгімен), каталогта 64 244 оқиға. Екіншіден, осы жинақта PhaseNet нейрожелісі үш режимде бағаланды: SeisBench-тегі алдын ала оқытылған GEOFON моделін тікелей қолдану (zero-shot), GEOFON салмақтарынан бастап дәл баптау (fine-tuning) және нөлден оқыту (from scratch). Барлық режимдер бірдей тұрақты (frozen) тест жиынында салыстырылды. Zero-shot режимде дәлдік төмен болды: P-фаза бойынша recall@1с = 52 % (MAE = 1,21 с), S-фаза бойынша 33 % (MAE = 0,76 с). Жергілікті деректермен оқыту нәтижені түбегейлі өзгертті: fine-tuning режимінде P/S recall@1с = 98 %/86 %, ал нөлден оқытқанда 98 %/88 % (P MAE = 0,19 с; S MAE = 0,29 с). Абляциялық талдау P-фаза дәлдігі 5 мың трейстен-ақ қанығатынын, ал S-фаза үшін толық жинақ қажет екенін көрсетті (66 %-дан 88 %-ға дейін өсім). Нәтижелер шетелдік модельдерді аймақтық деректерге бейімдеудің қажеттілігін дәлелдейді және Қазақстан үшін алғашқы ашық сейсмологиялық эталондық жинақтың негізін қалайды.