Lade Informationen...
PhD Researcher in Geodesy (GNSS & Ionospheric Monitoring)
ENSGTS – National Higher School of Geodesy and Space Techniques, Algeria
Layachi Abdelkebir is a PhD researcher in Geodetic Sciences at the National Higher School of Geodesy and Space Techniques (ENSGTS), Algeria. His research focuses on GNSS-based ionospheric monitoring and the detection of pre-seismic disturbances using Total Electron Content (TEC) data.
He works on the integration of multi-source geodetic and geophysical data, including GNSS observations, InSAR, seismic catalogs, and space weather indices, combined with artificial intelligence and machine learning techniques for anomaly detection and geohazard analysis.
He is the developer of the SeismoAI-QSS framework, a hybrid AI-based system designed for earthquake-related ionospheric anomaly detection and early-warning support. His research interests include space geodesy, ionospheric modeling, AI in geosciences, and Earth system monitoring.
Datum
Diese Studie stellt ein KI-gestütztes geodätisches Framework zur Detektion präseismischer ionosphärischer Störungen basierend auf GNSS-abgeleitetem Total Electron Content (TEC) vor. Der Ansatz integriert Multi-Source-Daten, einschließlich GNSS-Beobachtungen (RINEX), globaler Ionosphärenkarten (IONEX), seismischer Kataloge sowie Weltraumwetterindizes (z. B. Kp, Dst, F10.7).
Eine robuste Datenverarbeitungskette wird implementiert, die TEC-Extraktion, Rauschfilterung, Trendbereinigung sowie fortgeschrittenes Feature Engineering (z. B. ROTI, S4, TEC-Gradienten) umfasst. Zur Analyse werden Machine-Learning-Methoden wie Isolation Forest, One-Class SVM, Autoencoder sowie Deep-Learning-Zeitreihenmodelle (LSTM, CNN-LSTM) eingesetzt, um subtile Anomalien in komplexen und nicht-stationären Datensätzen zu erkennen.
Ergebnisse aus Fallstudien in seismisch aktiven Regionen zeigen, dass signifikante TEC-Anomalien bereits 2–5 Tage vor Erdbebenereignissen detektiert werden können. Zur Reduktion von Fehlalarmen werden Weltraumwetterparameter explizit berücksichtigt, um zwischen seismisch bedingten und solarterrestrischen Effekten zu unterscheiden.
Das vorgestellte System verdeutlicht das Potenzial KI-gestützter GNSS-Analysen für das Georisikomanagement und trägt zur Weiterentwicklung zukünftiger Frühwarnsysteme im Kontext der Beobachtung des Erdsystems bei.