Инженерно-геологическое районирование по электрофизическим характеристикам углевмещающих осадочных пород Южной Якутии для целей градостроительства на территории города Нерюнгри

Целью проведенного исследования являлось решение типовой задачи инженерно-геологического районирования территории г. Нерюнгри по комплексу эффективных значений электрофизических характеристик углевмещающих осадочных пород с выделением участков, благоприятных и неблагоприятных для строительства и эксплуатации инженерных сооружений. Решение задачи районирования получено по данным метода дистанционного индуктивного зондирования с применением метода факторного анализа – главных компонент. В результате исследования выделены шесть факторов: разуплотнение, литология, литогенная трещиноватость, тектоническая трещиноватость, свойства (глинистость – льдистость), температура. Из них к статусу главных факторов с суммарным вкладом в дисперсию (энергию) изменчивости электрофизических характеристик, равной 55,53 %, относятся разуплотнение и литология. Они сильно влияют на затухание гармонического электромагнитного поля на частоте 1,125 и 0,281 МГц и на электросопротивление и вещественную часть комплексной диэлектрической проницаемости на частоте 0,281 МГц. Факторы трещиноватости с суммарным вкладом, равным 33,05 %, влияют исключительно на характеристики анизотропии (коэффициент и азимут). По вычисленному после взвешенного суммирования всех факторов комплексному среднему значению построена схема вышеуказанного районирования, в которой участки с благоприятными и неблагоприятными условиями распределены по площади с равной вероятностью. Факторный анализ математически строго и содержательно корректно дополняет и детализирует данные инженерно-геологических изысканий о сложном неоднородном тектоническом и экзогенно-криогенном строении, а также сильной площадной изменчивости прочностного и влажностно-температурного состояния мерзлых – немерзлых и техногенно-антропогенных талых углевмещающих осадочных пород в изученной центральной части г. Нерюнгри.

1. Шкабарня Н.Г., Шкабарня Г.Н., Яковлева А.В. Электрическая томография при исследовании геологической среды на участке нефтеперерабатывающего комплекса // Володинские чтения. 2012. № 80. С. 200–202. EDN: PHNTLJ.

2. Капустин В.В., Владов М.Л. Техническая геофизика. Методы и задачи // Геотехника. 2020. Т. 12. № 4. С. 72–85. DOI: 10.25296/2221-5514-2020-12-4-72-85. EDN: SXGKPT.

3. Капустин В.В., Чуркин А.А. Применение динамических атрибутов акустического сигнала для оценки контакта сваи с вмещающими грунтами // Вестник Московского университета. Серия 4. Геология. 2020. № 3. С. 126–137. DOI: 10.33623/0579-9406-2020-3-126-137. EDN: RRUBXA.

4. Соргутов И.В. Обследование оснований и фундаментов при помощи методов сейсморазведки // Системные технологии. 2021. № 4. С. 86–89. DOI: 10.55287/22275398-2021-4-86. EDN: EWKGAG.

5. Лазурченко А.В., Дмитриев А.Г., Мироманов А.В., Губанов А.Б. Опытно-методические геофизические и буровые работы для изучения геометрии, состояния и свойств скрытых фундаментов // Науки о Земле и недропользование. 2025. Т. 48. № 1. С. 50–64. DOI: 10.21285/2686-9993-2025-48-1-50-64. EDN: XYILPH.

6. Логинов Д.С. Модели взаимодействия картографического и геоинформационного обеспечения // Геоинформатика. 2025. № 4. С. 90–102. DOI: 10.47148/1609-364X-2025-4-90-102. EDN: NNWFKM.

7. Кричинский А.К., Поспеев А.В. Интеграция искусственного интеллекта в обработку геолого-геофизических данных при разведке твердых полезных ископаемых // Науки о Земле и недропользование. 2025. Т. 48. № 3. С. 310–320. DOI: 10.21285/2686-9993-2025-48-3-310-320. EDN: WAUKUO.

8. Шиверский Г.В., Кривощеков С.Н. Перспективы применения методов искусственного интеллекта в нефтегазовой геологии // Master’s Journal. 2022. № 2. С. 57–67. EDN: MXLKEW.

9. Царегородцева Т.К., Горкин Г.М. Применение искусственного интеллекта в разведке и добыче углеводородов // Недропользование XXI век. 2022. № 2. С. 12–15. EDN: FRHXVC.

10. Степанов И.Ю. Использование методов машинного обучения в геоинформационных моделях при решении задач геофизической разведки // Вестник СГУГиТ (Сибирского государственного университета геосистем и технологий). 2024. Т. 29. № 2. С. 108–117. DOI: 10.33764/2411-1759-2024-29-2-108-117. EDN: BHXCBY.

11. Jooshaki M., Nad A., Michaux S. A systematic review on the application of machine learning in exploiting mineralogical data in mining and mineral industry // Minerals. 2021. Vol. 11. Iss. 8. P. 816. DOI: 10.3390/min11080816.

12. Corrigan C.C., Ikonnikova S.A. A review of the use of AI in the mining industry: Insights and ethical considerations for multi-objective optimization // The Extractive Industries and Society. 2024. Vol. 17. P. 101440. DOI: 10.1016/j.exis.2024.101440.

13. Прозорова Г.В., Сенкевич Л.Б. Использование больших языковых моделей в прикладных задачах нефтегазовой отрасли // Геоинформатика. 2025. № 4. С. 103–112. DOI: 10.47148/1609-364X-2025-4-103-112. EDN: QIBBXO.

14. Ling C., Zhao X., Lu J., Deng C., Zheng C., Wang J., et al. Domain specialization as the key to make large language models disruptive: a comprehensive survey // arXiv. 2024. DOI: 10.48550/arXiv.2305.18703.

15. Петрушкин В.А. Методы и технологии искусственного интеллекта в геолого-геофизических исследованиях // Геоинформатика. 2025. № 3. С. 96–106. DOI: 10.47148/1609-364X-2025-3-96-106. EDN: FUIJUW.

16. Dramsch J.S. 70 years of machine learning in geoscience in review // Advances in Geophysics. 2020. Vol. 61. Р. 1–55. DOI: 10.1016/bs.agph.2020.08.002.

17. An Y., Du H., Ma S., Niu Y., Liu D., Wang J., et al. Current state and future directions for deep learning based automatic seismic fault interpretation: а systematic review // Earth-Science Reviews. 2023. Vol. 243. Р. 104509. DOI: 10.1016/j.earscirev.2023.104509.

18. Шестакова А.А. Современное состояние мерзлотных ландшафтов осваиваемых территорий Западной Якутии // Геоинформатика. 2025. № 4. С. 45–53. DOI: 10.47148/1609-364X-2025-4-45-53. EDN: BDVNVS.

19. Савичев О.Г. Оценка заболоченности водосборов Томской области (Российская Федерация) при решении гидрологических и геоэкологических задач // Геоинформатика. 2025. № 2. С. 13–25. DOI: 10.47148/1609-364X-2025-2-13-25. EDN: RKBFNO.

20. Пшеничников А.Е. Картографирование динамики ледников острова Большевик (Северная Земля) по космическим снимкам // Геоинформатика. 2025. № 2. С. 34–41. DOI: 10.47148/1609-364X-2025-2-34-41. EDN: LHBJSZ.

21. Чупикова С.А., Чульдум А.Ф. Геоинформационные и дистанционные методы при оценке загрязнения снежного покрова (г. Кызыл) // Геоинформатика. 2023. № 1. С. 63–70. DOI: 10.47148/1609-364X-2023-1-63-70. EDN: ZYTYWA.

22. Черемисина Е.Н., Любимова А.В., Добрынин Д.В., Горюнова Е.А., Каманина И.З. Разработка геоинформационной технологии комплексной оценки экологического риска здоровью населения на примере территории города Дубны // Геоинформатика. 2025. № 4. С. 12–22. DOI: 10.47148/1609-364X-2025-4-12-22. EDN: MOZCLM.

23. Шамаева Е.Ф., Савватеева О.А., Головин А.А. Применение индекса устойчивого развития для мониторинга качества жизни: построение и интерпретация в ГИС на примере субъектов РФ // Геоинформатика. 2025. № 4. С. 23–36. DOI: 10.47148/1609-364X-2025-4-23-36. EDN: NTCSUT.

24. Нерадовский Л.Г. Электромагнитная технология изучения прочности осадочных пород методом дистанционного индуктивного зондирования (на примере застроенных участков криолитозоны Южной Якутии): монография. М.: Изд-во АНО «Издательский дом «Научное обозрение», 2025. 286 с.

25. Нерадовский Л.Г. Инженерно-геологические возможности метода дистанционного индуктивного зондирования при изучении осадочных пород Южной Якутии (на примере железнодорожной станции Кюргеллях) // Геофизические исследования. 2026. Т. 27. № 2. С. 76–99. DOI: 10.21455/gr2026.2-4.

26. Труш Н.И., Чижов А.Б., Чижова Н.И. [и др.]. Южная Якутия: мерзлотно-гидрогеологические и инженерно-геологические условия Алданского горнопромышленного района. М.: Изд-во МГУ, 1975. 444 с.

27. Железняк М.Н. Геотемпературное поле и криолитозона юго-востока Сибирской платформы. Новосибирск: Наука, 2005. 226 с.

28. Сысолятин Р.Г., Железняк М.Н. Геокриологические условия Токариканского и Гувилгринского грабенов (Южная Якутия) // Природные ресурсы Арктики и Субарктики. 2023. Т. 28. № 2. С. 261–274. DOI: 10.31242/2618-9712-2023-28-2-261-274. EDN: ZKESHR.

29. Желинский В.М. Мезозойская угленосная формация Южной Якутии. Новосибирск: Наука, 1980. 119 с.

30. Булдович С.Н., Мелентьев В.С., Наумов М.С., Фурикевич О.С. Роль новейших разрывных нарушений в формировании мерзлотно-гидрогеологических условий (на примере Нерюнгринской синклинали Южно-Якутского мезозойского прогиба) // Мерзлотные исследования. М.: Изд-во МГУ, 1976. Вып. 15. С. 120–125.

31. Мокшанцев К.Б., Горнштейн Д.К., Гусев Г.С. [и др.]. Тектоническое строение Якутской АССР. М.: Наука, 1964. 291 с.

32. Шестернёв Д.М. Криогипергенез и геотехнические свойств пород криолитозоны. Новосибирск: Изд-во СО РАН, 2001. 265 с.

33. Нерадовский Л.Г. Разнообразие и предсказуемость изменений диэлектрической проницаемости песчаников Южной Якутии в основании инженерных сооружений г. Нерюнгри // Геофизика. 2025. № 3. С. 58–66. DOI: 10.34926/geo.2025.11.42.008. EDN: RJHQJK.

34. Нерадовский Л.Г. Пространственные вариации электрического сопротивления выветренных и трещиноватых песчаников Южной Якутии в слое годовых теплооборотов (на примере г. Нерюнгри) // Геофизика. 2025. № 6. С. 16–24. DOI: 10.34926/geo.2025.41.77.005. EDN: LTSPDG.

35. Нерадовский Л.Г. Электросопротивление и диэлектрическая проницаемость песчаников Южной Якутии в основании инженерных сооружений г. Нерюнгри (часть 1) // Геоинформатика. 2025. № 2. С. 42–52. DOI: 10.47148/1609-364X-2025-2-42-52. EDN: LRSINR.

36. Sun K., Chen Y., Geng G., Lu Z., Zhang W., Song Z., et al. A review of mineral prospectivity mapping using deep learning // Minerals. 2024. Vol. 14. Iss. 10. P. 1021. DOI: 10.3390/min14101021.

37. Ma Z., Qiao Y., Jing M. Prospecting potential evaluation based on geological factor analysis – a case study of Jiaojiacheng ore belt // Frontiers in Earth Science. Geohazards and Georisks. 2024. Vol 12. DOI: 10.3389/feart.2024.1464429.

38. Esmaeiloghli S., Tabatabaei S.H., Carranza E.J.M., Hosseini S., Deville Y. Spatially-weighted factor analysis for extraction of source-oriented mineralization feature in 3D coordinates of surface geochemical signal // Natural Resources Research. 2021. Vol. 30. P. 3925–3953. DOI: 10.1007/s11053-021-09933-2.

39. Chen T., Han S., Yang Y., Song Z., Zeng Z. Application of robust factor analysis and robust regression analysis to identify the geochemical anomalies linked with mineralization in the Yinkeng Orefield, South China // Geosciences Journal. 2026. Vol. 30. P. 183–198. DOI: 10.1007/s12303-025-00081-w.

40. Вержбицкий В.В., Щекин А.И., Хандзель А.В., Гунькина Т.А. Применение методов факторного анализа для оценки эффективности геолого-технических мероприятий на скважинах подземных хранилищ газа // Вестник Евразийской науки. 2021. Т. 13. № 6. EDN: NZTIQL.