共查询到20条相似文献，搜索用时 390 毫秒
1.
以江苏地震台网中心搜集并标注的天然地震、人工爆破和塌陷事件为试验数据样本,提出了一种基于格拉姆角场和多尺度残差神经网络的新的地震事件分类方法。首先对波形数据进行滤波、归一化等预处理,然后应用格拉姆角场对地震波形数据进行二维编码得到二维图像,再将此经过编码后的图像作为多尺度残差神经网络的输入进行分类模型的训练和测试,从而得出分类结果。采用上述方法对1 078个天然地震台站记录、981个爆破台站记录和830个塌陷台站记录进行试验,结果显示：最终以单条波形为单位的地震事件分类准确率为92.55%,以单个台站为单位的分类准确率为96.36%,这表明基于格拉姆角场和多尺度残差神经网络的地震分类方法具有良好的效果。 相似文献
2.
中强地震余震序列地震目录编目是否完备、 震源参数是否准确,直接影响余震序列特征分析、 震后趋势快速判断和强余震预测等研究结果的科学性和可靠性. 2013年7月22日甘肃岷县-漳县MS6.6地震余震序列目录中存在较多单台记录地震事件,地震观测报告仅给出其震级,而未给出震中位置. 由于余震波形间的相互交叠干扰,使得余震最大振幅的测量误差较大,造成地震观测报告给出的单台事件震级误差较大. 精确估计单台记录地震事件的震中和震级,能够补充完善现有地震目录,提高地震目录的完备性. 本文对单台记录地震事件震中和震级的估计不仅限于单个台站,而是通过分析区域台网中多个台站的波形记录实现. 首先以余震序列中震级较大、 波形记录信噪比较高的地震波形作为模板,使用波形互相关震相检测技术,检测单台记录的地震事件在多个台站的震相到时. 如果能在4个以上台站检测到震相,则利用测震台网常用的HYPOSAT方法估计其震中位置,并利用多个台站记录波形与模板地震的振幅比估计其震级. 之后计算主震发生后不同时间的最小完备性震级,并通过线性拟合得到最小完备性震级随时间变化的表达式,以分析此地震余震序列的目录完备性. 经过计算共得到253个单台记录地震事件的震级和其中177个事件的震中位置,其震中空间分布范围与余震序列中其它地震分布范围基本一致. 震级复测以及与人工拾取震相到时误差对比表明,该方法所得震相检测和震级估计结果具有较好的可靠性. 主震及最大余震发生后的短时间内,有较多数量单台事件的目录所给出的震级偏低,分析认为可能受主震与较大余震后续震相以及余震间相互干扰所致. 主震发生0.02—0.3天内,其余震序列最小完备性震级随时间的对数呈线性下降,在0.3天后最小完备性震级稳定在ML1.1左右. 相似文献
3.
4.
5.
对只有几个台站记录到区域地震的定位,用以走时为基础的定位方法是不理想的。然而,全面禁止核试验条约要求我们必须用很少的观测来监测地震事件。本文考察了单台定位方法的现状,即：使用三分向宽频速数字化台站的记录对地震事件定位。这里我们讨论的单台定位方法,最终可以是监测地球上大部分地区小震级（Ｍ～３）地震事件最有效最经济的手段,使用宽频带三分向观 资料和合成波形的拟合,可准确地确定震中距和震源深度。台站到地 相似文献
6.
本文首先从震源波形中提取梅尔频率倒谱系数(MFCC)图,然后采用卷积神经网络(CNN)进行地震波形信号的震源类型—天然地震和爆破事件—分类识别.事件为首都圈及其附近的72个天然地震和101个人工爆破事件,用于提取梅尔频率倒谱系数图的波形信号为各观测台站波形3分量中的垂直分量波形.在各个事件的所有观测台站的垂直分量波形中,通过滑动窗口按同一准则去除被噪声淹没的部分台站波形,只选择留下未被噪声淹没的台站波形.每一个事件有107个观测台站,故有107份垂直分量波形,而不同事件被留下未被噪声淹没的波形则有几份至几十份不等.然后提取被留下未被噪声淹没的波形的梅尔频率倒谱系数图,以梅尔频率倒谱系数图作为CNN的输入,CNN的输出则为波形的震源类型(天然地震事件或爆破事件).若以单份波形为识别单元,采用五折交叉验证法进行测试,得到的平均准确率为95.78%.使用训练集中单份波形为识别单元,提取梅尔频率倒谱系数图,采用CNN训练出了天然地震事件与爆破事件波形分类器,一个事件在测试集中的多份波形信号通常不会都被正确识别,很可能有些波形被识别为天然地震事件,另一些波形被识别为爆破事件;这时,若识别单元改为事件,一个事件各台站的有效垂直分量波形中,超过一半的波形被识别为某一事件类型,则这个事件被归类为该事件类型,得到的正确识别率为97.1%.实验结果表明:卷积神经网络在天然地震事件与爆破事件的识别方面表现出色.这说明MFCC与卷积神经网络可以用于识别天然地震和爆破事件,尤其是深度学习更值得在地震信号处理方面做进一步的研究. 相似文献
7.
单台地震自动定位网格搜索法及其MATLAB试验 总被引：3，自引：3，他引：0
提出了一种利用单个地震台站三分向数字地震波形记录进行单台地震自动定位的网格搜索法。该方法以台站为中心,建立辐射状网格,按可变震中距步长和方位角步长进行搜索。对一个检测到的地震事件记录波形,对每个震中距,计算预测波形特征函数与记录波形特征函数的互相关函数值,选其最大值对应的震中距;对每个方位角,合成沿径向和沿横向的波形分量,并计算P波段的径向绝对积分值与横向绝对积分值之差,选其最大值对应的方位。对于选定的方位,如果合成的径向分量与记录垂直分量乘积在P波段的积分值为负,则取该方位角为震中相对于台站的方位角,否则该角要加上180°。在MATLAB环境中对该方法的基本步骤进行了试验,初步结果表明该方法是可行的。 相似文献
8.
本文选取博阿断裂西段周围30 km范围内2010年1月—2015年12月期间9个台站记录到的1272次地震事件的波形记录,利用波形互相关技术从中识别出65组(231次)重复地震,并且基于这些重复地震事件估算该断层的滑移速率.结果显示:该区域重复地震比例为18.2%;博阿断裂阿拉山口—精河段、精河—新源段的平均滑移速率分别约为0.99 mm/a和1.35 mm/a,乌苏—石场段、巴仑台—乌什城段的平均滑移速率分别为1.36 mm/a和2.03 mm/a,这与GPS观测结果基本一致;深部滑移速率的极大值分布在2—10 km深度范围内,其中巴仑台—乌什城段在8 km深度处达到了极大值8.6 mm/a. 相似文献
9.
本文发展了一种单台检测低频地震事件的方法, 并用其检测2008年汶川MS8.0地震、 2013年芦山MS7.0地震震前的低频事件。 使用汶川地震、 芦山地震前周边的宽频带台站数月的垂直向连续波形, 经过2~8 Hz带通滤波、 窗长为10 s的包络平滑、 窗长为20 min的中值滤波, 去除近场天然地震及远场大震与低频噪声的影响后, 发现这两个大地震前有少数台站在连续数天的时间内, 出现持续时间长(数十分钟到数小时)、 包络中值明显大于背景噪声的现象, 其波形记录及包络特征与非火山震颤(NVT)的波形记录及包络特征具有较好的相似性, 我们认为这是汶川地震和芦山地震前的疑似慢地震事件。 初步应用表明, 本文所用的方法对于从宽频带连续波形资料中提取NVT信号是可行的。 相似文献
10.
本文发展了一种单台检测低频地震事件的方法,并用其检测2008年汶川I Ms8．0地震、2013年芦山M。7．0地震震前的低频事件。使用汶JiI地震、芦山地震前周边的宽频带台站数月的垂直向连续波形,经过2～8 Hz带通滤波、窗长为10 S的包络平滑、窗长为20 rain的中值滤波,去除近场天然地震及远场大震与低频噪声的影响后,发现这两个大地震前有少数台站在连续数天的时间内,出现持续时间长(数十分钟到数小时)、包络中值明显大于背景噪声的现象,其波形记录及包络特征与非火山震颤(NVT)的波形记录及包络特征具有较好的相似性,我们认为这是汶川地震和芦山地震前的疑似慢地震事件。初步应用表明,本文所用的方法对于从宽频带连续波形资料中提取NVT信号是可行的。 相似文献
11.
选用福建数字地震台网宽频带记录,利用sPL震相测定顺昌地区2007年至2017年间ML≥3.5地震的震源深度。基于地震的震源机制解,结合本地区的速度模型,利用频率-波数法(F-K方法),先计算出相应震中距上不同深度的格林函数,再进一步得到sPL震相在不同深度上的理论波形;根据sPL震相的特点,选用震中距30~50km范围的宽频带台站记录,经过去仪器响应、滤波、旋转至传播路径后,将其和理论波形进行比对,找出波形最为相似的对应深度。结果显示顺昌地区地震深度为7km左右。 相似文献
12.
13.
《地球物理学进展》2019,(5)
本文从长短时间窗(LTA-STA)得到启发模拟实时波段类型识别.事件为首都圈及其附近的186个天然地震和174个人工爆破事件,用于抽取特征的波形信号为各观测台站波形3分量中的垂直分量波形,在各个事件的所有观测台站的垂直分量波形中,通过滑动窗口按同一准则去除被噪声淹没的部分台站波形,只选择留下未被噪声淹没的台站波形.对连续波形,使用长窗口沿波形时间轴进行滑动,每滑动一个步长就进行一次滤波处理,以滤除噪声,当滤波后的长窗口波形满足阈值条件,此时停止长窗口滑动.然后在滤波前的长时窗口中选取短时间窗口波形,提取特征,使用支持向量机进行分类训练和识别,最后以事件为单位进行识别,事件划分按以训练集为300个事件,测试集为60个事件进行划分,进行了训练和识别.然后又将训练集按照训练集240个事件,测试集120个事件进行划分.得到较好的识别结果.本文结果说明了波形类型实时识别的可行性,也可为后续实时波形检测和识别提供借鉴. 相似文献
14.
选用福建数字地震台网宽频带记录,利用sPL震相测定仙游2013年9月4日M 4.6地震震源深度.基于此次地震的震源机制解,结合本地区的速度模型,利用频率-波数法(F-K方法),先计算出相应震中距上不同深度的格林函数,再进一步得到sPL震相在不同深度上的理论波形;之后根据sPL震相的特点,选用震中距30～50 km范围的宽频带台站记录,经过去仪器响应、滤波、旋转至传播路径后,将其和理论波形进行比对,找出波形最为相似的对应深度.测定结果显示,此次地震深度为12 km左右. 相似文献
15.
16.
为加强对地震台网记录的天然地震与人工爆破事件进行准确的性质识别,本文基于深度学习技术中的残差网络模型,提出了一种新的爆破识别方法,并根据北京数字遥测地震台网及国家数字测震台网中心记录的波形数据及其发布的包含事件性质的地震报告,选取河北三河采石场的93次爆破事件和54次周边地震事件的波形功率谱,分别采用不同的训练样本比例进行了100次和1 000次独立的随机抽样子试验以及 “留一交叉验证法” 试验,对人工爆破与天然地震进行了识别研究。试验结果表明,深度学习残差网络模型在天然地震与爆破事件的性质识别中具有很高的识别率且效果稳定,具有较好的应用前景。 相似文献
17.
以2008年汶川8.0级地震震中所在区域的9个固定台站的连续地震波形数据及震中区中国地震科学台阵记录的远震事件波形数据为研究对象,在对连续地震波形低频异常信号进行提取的同时,利用远震事件波形中的P波及其尾波数据探测震中区域部分台站地下结构信息,试图对主震发生前后出现的低频异常信号进行构造解释。研究结果显示:(1)9个固定台站提取出的地震波低频信号在2008年4月17日至2008年4月19日同步出现持续约40小时的先升后降异常形态,同时伴有间断性突跳并在震后密集呈现;(2)震中附近研究测线在不同时段内岩石圈结构出现变形,且在震中附近,位于发震断裂上的台站与非发震断裂上的台站相比,其地下结构变化更明显。震中附近研究测线的岩石圈结构在不同时段变形现象是使用与提取低频异常信号相同频段(0～5Hz)的数据所得到的,反映地震连续波形中记录到的低频异常信号与震源区地下结构变形密切相关。 相似文献
18.
利用地震观测波形直达纵横波能量的差异,在时间域创建标志地震事件震源性质的新参量a,计算182个台站记录的24个地震事件的a值,并用以分析2017年9月3日敏感地区发生的地震事件性质。结果表明,判据a具有良好的震源性质依附效应,从而为地震与爆炸的识别引进了一种新方法。 相似文献
19.
以JOPENS系统实时流接收为基础,应用Redis共享内存技术和近年来发展较快的深度学习震相自动识别技术,设计一套可7×24小时不间断稳定接收并实时识别连续地震流数据中P、S震相的系统,为地震台网实时数据处理提供一套辅助工具,并在福建省地震局测震台网128个台站的实时数据流上进行测试。该工具由Redis实时数据流共享模块与深度学习震相到时自动拾取、MSDP震相格式转换3个模块组成,可以实时接收并自动识别台网地震连续波形,生成P、S震相报告,并可导入MSDP人机交互工具进一步处理,在一定程度上可以减轻人工处理工作量。 相似文献
20.
简要介绍地震与爆炸的震源物理性质及地震波激发机制特征。利用地震观测波形直达纵横波震相能量释放的差异,在时间域引进标志事件震源性质的参量a。132个台站记录的22个不同震源类型事件的计算结果表明,a值具有震源性质依附效应,展现出在事件识别领域的应用前景。 相似文献