共查询到18条相似文献，搜索用时 187 毫秒
1.
数字化地震记录震相自动识别的方法研究 总被引：10，自引：3，他引：7
针对目前震相自动识别方法不能自动给出震相识别区间,以及不能确定识别出震相名称的问题,运用震相的运动学特征,由平均速度模型和J-B走时表数据,自动计算近震、远震和极远震的震相走时及震中距。对多尺度小波分解进行单支重构作为识别不同震相的分析信号。先求出初至震相和最大面波到时,估算出震中距,然后找到S波或PP波到时,求出准确的震中距,即可自动给出各震相的识别区间,采用线性偏振法在给定区间中识别出震相的初至时刻。由于该方法采用的是先明确要找什么震相,再由该震相的走时确定寻找区间,所以找出的初至就是要寻找的震相,自然解决了识别出震相的名称问题,从而实现了对震相的全程自动识别。 相似文献
2.
3.
基于小波包和峰度赤池信息量准则的P波震相自动识别方法 总被引：2，自引：2，他引：0
基于小波包变换和峰度赤池信息量准则(AIC), 提出了一种新的自动识别P波震相的综合方法, 即小波包-峰度AIC方法． 首先对由加权长短时窗平均比(STA/LTA)法粗略确定的P波到时前后3 s的记录进行小波包三尺度的分解与重构, 分别计算每个尺度重构信号的峰度AIC曲线并将其叠加, 叠加曲线的最小值则为P波震相到时; 然后对原始地震记录进行有限冲激响应自适应滤波以提高信噪比和识别精度; 最后将小波包-峰度AIC方法应用到合成理论地震图及实际地震记录的P波初至自动识别中. 结果表明: 初至清晰度对识别精度的影响比信噪比对其影响更大; 与单独使用加权STA/LTA方法和峰度AIC法相比, 小波包-峰度AIC法具有更强的抗噪能力, 识别精度更高; 当初至清晰时, 小波包-峰度AIC法自动识别与人工识别的P波到时平均绝对差值为(0.077±0.075) s． 相似文献
4.
5.
选取乌兰浩特地震台记录到的典型天然地震事件及爆破事件,根据断裂带分布及波形记录特征,分析地震及爆破事件的震相特征.结果表明,研究区域近震波形Pn、Pg、Sn、Sg震相及Sm面波较清晰,Pg、Sg波走时差一般不大于23 s,与中国地震台网中心发布的MS震级间的偏差一般小于0.6级;远震P、S、pP、sP震相可较清晰识别,Pm、L面波记录较明显,P、S波走时差一般不小于25 s,震级偏差一般小于0.4级,且通过震相特征及实地考察发现,爆破多为霍林郭勒区域爆破事件. 相似文献
6.
实际地震波形观测表明,对于大陆结构相对简单的地壳中的地震而言,有一震相出现在P 波和S波之间.一般在30~50 km附近发育得较好,其能量主要集中在径向分量,而垂向分量的振幅相对径向要小,切向分量上的振幅很弱,且波形以低频为主,通常没有P波尖锐.在利用FK方法计算合成地震图的基础上,发现该震相是由S波入射到自由地表形成水平传播的P波(文献称为surface P wave,自由地表P波)或者包括S波入射到地表后形成的多次P波或其散射震相.由于该震相是由S波和P波之间耦合而形成,本文将其定义为sPL(s coupled into P) 震相.理论波形研究表明,sPL相对直达P波的到时差对震中距离不敏感,而随着震源深度的增加几乎呈线性增加,因此可以很好的约束震源深度.本文以2005年江西九江地震为例,证实了sPL确定震源深度的可行性和可靠性.在观测到sPL震相的情况下,离震源50 km以内的一个三分量地震台站的波形就可以帮助获得可靠的震源深度,而不需要精确的震中距离.由于sPL震相出现距离较近,对于较小(三级以上)的地震也可以应用,因此在稀疏台网布局情形下sPL对于确定中小地震深度应该具有很好的应用意义. 相似文献
7.
选用P波震相附近的地震波作为研究对象,对近震和远震特征信息进行探讨。选取初至P波主周期作为神经网络输入元,P波到达后2～6s作为地震波时间窗,选择正确的网络结构和参数,搜集大量的地震样本数据进行训练,实现对近震和远震地震事件的非线性系统识别。结果表明:在样本训练区间检验数据的预测结果置信度达到100%;在非样本区间也能迅速收敛到标识符0或1附近。近震样本信号最大周期为0.25s,而置信度达到80%以上的预测区间几乎接近0.35s;远震样本信号最小周期为0.9s,而置信度达到80%以上的预测区间达到0.5s,表明模型建立得当,具有良好的泛化能力。 相似文献
8.
9.
介绍了纵波在地球内部的传播过程和浅源极远震的震相特点。由不同震中距的地震反映在三分向地震记录图上的初至震相振幅比的差异,归纳出由地震初动判别地震类型的方法,结合实际工作经验,得出如何判别ＰＫＳ震相、如何由ＰＰ推Ｓ、由ＳＳ反推ＰＰ震相,以及根据地震面波的到时,通过《Ｒｍ－Ｐ》表来验证震中距等几种识别极远震及其震相的方法。 相似文献
10.
选取乌兰浩特地震台记录到的典型天然地震事件及爆破事件,根据断裂带分布及波形记录特征,分析地震及爆破事件的震相特征。结果表明,研究区域近震波形Pn、Pg、Sn、Sg震相及Sm面波较清晰,Pg、Sg波走时差一般不大于23 s,与中国地震台网中心发布的MS震级间的偏差一般小于0.6级;远震P、S、pP、sP震相可较清晰识别,Pm、L面波记录较明显,P、S波走时差一般不小于25 s,震级偏差一般小于0.4级,且通过震相特征及实地考察发现,爆破多为霍林郭勒区域爆破事件。 相似文献
11.
Seismic phase picking is the preliminary work of earthquake location and body-wave travel time tomography. Manual picking is considered as the most accurate way to access the arrival times but time consuming. Many automatic picking methods were proposed in the past decades, but their precisions are not as high as human experts especially for events with low ratio of signal to noise and later arrivals. As the increasing deployment of large seismic array, the existing methods can not meet the requirements of quick and accurate phase picking. In this study, we applied a phase picking algorithm developed on the base of deep convolutional neuron network (PickNet) to pick seismic phase arrivals in ChinArray-Phase III. The comparison of picking error of PickNet and the traditional method shows that PickNet is capable of picking more precise phases and can be applied in a large dense array. The raw picked travel-time data shows a large variation deviated from the traveltime curves. The absolute location residual is a key criteria for travel-time data selection. Besides, we proposed a flowchart to determine the accurate location of the single-station earthquake via dense seismic array and phase arrival picked by PickNet. This research expands the phase arrival dataset and improves the location accuracy of single-station earthquake. 相似文献
12.
地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经网络方法来解决震相拾取问题,构建了多任务卷积神经网络模型,设计了分类和回归的联合损失函数,定义了基于加权的分类损失函数,以三分量地震台站的波形数据作为输入,同时实现对震相的检测识别和到时的精确估计.利用美国南加州地震台网的200万条震相和噪声数据对模型进行训练、验证和测试,对于测试集中直达波P、S震相识别的查全率达到98%以上,到时估计的标准偏差分别为0.067s,0.082s.利用迁移学习和数据增强,将模型用于对我国东北地区台网的6个台站13000条数据的训练、验证和测试中,对该数据集P、S震相查全率分别达到91.21%、85.65%.基于迁移训练后的模型,设计了用于连续数据的震相拾取方法,利用连续的地震数据对该算法进行了实际应用测试,并与国家数据中心和中国地震局的观测报告进行比对,该方法的震相检测识别率平均可达84.5%,验证了该方法在实际应用中的有效性.本文所提出的方法展示了深度神经网络在地震震相拾取中的优异性能,为地震震相和事件的检测识别提供了新的思路. 相似文献
13.
准确拾取P、S波震相到时是深入开展地震波研究工作的基础,本文改进了自动拾取参数优化函数算法和质量评估方案,引入了拾取到时优化方案,使用基于参数优化的频带-带宽拾取算法、AICD拾取算法和峰度拾取算法对腾冲地区7个宽频带地震台站记录的地震资料开展了地震P、S波到时自动拾取,对拾取结果进行了优化和质量判定.结果表明：经参数优化、拾取优化后,采用3种方法自动拾取的P、S波到时与人工拾取到时的时差在0.1 s内的记录占比分别达到74.66%、70.98%.这些参数值均优于算法改进前的同类参数,证明了优化方法的可靠性. 相似文献
14.
针对自动地震速报软件功能和性能需进行专门测试的需求,以及目前行业内相关测试方法或过程的不足,研制了 一种自动地震速报软件测试平台.该平台能构建期望的震相数据,重构期望的地震波形数据,可分别对被测软件的自动震相识别和定位功能进行测试,并以期望的输出结果为依据,根据给出的评分标准对测试结果进行评估,为用户正确使用软件给出指... 相似文献
15.
为了快速、高效地从地震数据中识别地震事件和拾取震相,本文利用基于样本增强的卷积神经网络自动震相拾取方法,将西藏林芝地区L0230台站3个月数据作为训练集,该区内另外6个台站连续1个月的波形数据作为测试集,采用高斯噪声、随机噪声拼接、随机挑选噪声、随机截取地震事件等4种样本增强的方法扩增训练集,以提高自动震相拾取技术的准确率。结果显示:样本增强前模型在测试集上的地震事件识别准确率为80%,样本增强后提升至97%,表明样本增强有效地提高了模型的泛化性能和抗干扰能力;在0.5 s误差范围内,震相自动拾取准确率高于81%,在1.0 s误差范围内,准确率高于95%;利用基于样本增强的卷积神经网络震相拾取方法能够检测出人工拾取震相中误标和漏检的震相。 相似文献
16.
利用重庆数字地震台网2010年1月至2017年12月的地震波形资料和观测报告,选出5个研究区1 251个M_L≥1.5地震进行波形互相关计算,识别出358对同时被2个地震台站记录且各台波形互相关系数(cc)不小于0.8的重复地震对,涉及342个地震事件,约占地震总数的27%。将筛选出的重复地震对用于定量判断地震目录中震相拾取误差及评估台网定位精度,结果显示:重庆数字地震台网的垂直定位误差约为3 km,水平定位误差约为5 km,Pg、Sg震相拾取误差分别为0.5 s和0.7 s;其中武隆区地震定位和震相拾取精度最高,綦江区最低。 相似文献
17.