共查询到19条相似文献，搜索用时 187 毫秒
1.
大数据量、强噪声环境给地震P波到时的自动提取带来很大挑战.针对此问题,本文通过构建特殊的特征函数,建立SNR与STA/LTA的内在联系,提出两种基于SNR的地震P波到时自动提取方法,即基于SNR的STA/LTA方法与基于SNR的综合方法.这两种方法分别是运用SNR概念对传统STA/LTA方法和STA/LTA与AIC综合方法的改进.仿真分析结果表明:对于弱噪声环境(10dB)和一般噪声环境(6dB),本文方法较传统STA/LTA方法对地震P波到时提取的准确度更高;而对于强噪声环境(3dB),本文方法仍能准确提取地震P波到时,而传统STA/LTA方法则出现了较大的误判率(10%)与漏判率(65%).本文方法为STA/LTA赋予了明确的物理意义,使其阈值的选取建立在严密的数学推导之上.另外,本文方法在进行地震P波到时自动提取的同时,兼具数据预处理功能,无需额外的基线校正或高通滤波,因而具有较好的实时性. 相似文献
2.
STA/LTA—AIC算法对地震P波震相拾取稳定性影响 总被引：1，自引：1，他引：0
选取区域地震台网记录的地震波形数据,使用STA/LTA算法与STA/LTA—AIC算法,进行地震P波震相初至到时自动拾取,对地方震及震中距较大的震相进行P波震相拾取效果分析,发现:STA/LTA算法对于地方震P波震相识别精度较高,与STA/LTA—AIC算法拾取的P波震相初至到时相差不大;震中距变大后,STA/LTA算法对P波拾取位置相对于最佳位置向后延迟,STA/LTA—AIC算法有效矫正了STA/LTA算法拾取位置的延迟问题,与人工拾取位置差别可忽略不计。 相似文献
3.
长短时窗均值比（Short Term Average/Long Term Average,STA/LTA）方法因原理简单、实时性强,在地震波初至拾取中应用最为广泛．传统STA/LTA方法阈值选取依赖于人工经验,且其针对单一信号设定的阈值无法适用于不同类型的地震记录．针对此问题,本文通过建立阈值与背景噪声之间的联系,提出两种基于参考阈值拾取地震波初至新方法,即基于参考阈值的STA/LTA方法与基于参考阈值的STA/LTA改进法．首先,分析不同特征函数拾取地震波初至的灵敏度,引用关于信噪比（Signal-to-Noise Ratio,SNR）的特征函数抑制背景噪声干扰,降低阈值选取的难度;其次,给出不同背景噪声环境下阈值的计算公式,将阈值选取建立在严密的数学推导之上,提出基于参考阈值的STA/LTA方法;最后,针对天然地震背景噪声复杂,地震波初至拾取受短时强噪声干扰大的问题,通过改进时窗位置并加入取消时窗的方法提高算法的抗干扰能力,提出了基于参考阈值的STA/LTA改进法．实际地震数据处理结果表明,本文提出的两种方法能够克服固定阈值不能适用于所有地震记录的缺点,相较于传统STA/LTA方法... 相似文献
4.
《地球物理学进展》2015,(6)
为了处理中国台阵项目(ChinaArray)产生的海量数据,本文利用STA/LTA方法进行事件触发检测,利用AIC初动到时修正法检测并修订初动到时.为了检验两种方法联合起来的设置效果,选取了18个地震事件进行分析.为解决误触发问题,统计分析了科学台阵记录的小震功率谱,得出小震的主要频段,从而据此修改滤波器带宽以滤除尽量多的干扰信号,而后进行大量地测试,得到了适合小震事件的STA/LTA窗长.针对小震进行的检测,触发参数设置的比较灵敏,所以对于频率和持续时间与小震相似的信号在测试中都能被检测到.结果表明,利用STA/LTA方法对科学台阵记录的地震事件进行检测,利用AIC方法对其到时进行修正,在所有的试验地震中,检测成功率为99%,初动到时的正确率为96.5%.对于震级在2.0级以下的小震,检测成功率为98%,初动到时的正确率为96%.该研究大大节省了分析时间、提高了工作效率.对于应用科学台阵数据进行地下结构反演、中小地震震源参数研究、各断裂带地震分布等地震学、地球物理学方面的研究具有重要的意义. 相似文献
5.
STA/LTA算法是信号自动检测中的经典算法. 这种算法中检测阈值的分布范围在0~infin;之间， 合适的检测阈值不但要根据实验反复调试， 而且要在误检率和漏检率之间取得平衡. 针对这一问题， 从模式识别的角度出发， 给出了一种基于支持向量机的信号检测算法. 讨论了该算法中数据预处理和模式特征提取的方法， 以及支持向量机中核函数的选择问题. 利用实际地震数据， 分析了这种算法的检测性能. 结果表明, 这种算法简化了检测阈值的选择. 在准确检测信号的同时，其误检率相对于STA/LTA算法可以降低约85％， 并且具有较强的抗噪性能. 相似文献
6.
7.
8.
9.
《地震研究》2021,44(2)
为解决用于高密度布设的低成本MEMS烈度计集成软、硬件资源有限,且难以嵌入较为复杂算法的这一问题,基于Matlab的仿真计算,通过讨论在不同特征函数、时窗长度和短窗位置下STA/LTA值的变化趋势、拾取效果和运算时间,以选取能提高算法灵敏性、改善地震事件拾取效果和提高算法计算效率的参数,并将改进的STA/LTA算法应用于实际地震数据处理。结果表明:不同的特征函数对事件拾取率、拾取时间偏差和算法运算时间影响不同;长短时窗长度相差越大,STA/LTA值的变化越明显;时窗越长,算法运算时间越长;短窗置后可以增大STA/LTA值的变化幅度、减少算法计算量,改善算法拾取时间。改进的STA/LTA算法拾取效果更好,计算效率更高,占用内存资源更小,更适用于集成资源有限的MEMS烈度计。 相似文献
10.
微震信号自动检测的STA/LTA算法及其改进分析 总被引：1，自引：0，他引：1
通过对合成微震数据和实测微震记录的处理实验,对自动检测有效微震信号的STA/LTA(短时窗平均/长时窗平均)算法及其改进的加权系数法、多窗口算法和修正的能量比算法进行了分析和对比,给出了时窗长度、触发阈值和特征函数对算法性能的影响特征及其选取规律.与原STA/LTA算法相比,加权系数法,降低了微震事件的漏判率;多窗口算法和修正的能量比法提高了对低信噪比微震记录检测的正确率及微震到时的拾取精度. 相似文献
11.
针对微震事件易受噪声干扰等特点,本文将STA/LTA方法和基于方差的AIC方法（var-AIC）相结合,在震相到时初步拾取的基础上,使用台站的德洛内（Delaunay）三角剖分及台站间最大走时差约束来减少噪声干扰的影响. 利用到时进行地震定位之后,根据台站预测到时,在设定的时间窗内对地震震相进行更精细的分析. 特别是针对微震事件信噪比低的特点,设计了基于偏振分析的拾取函数,根据窗内STA/LTA方法和var-AIC方法的拾取结果自动选择合适的值作为震相到时. 最后,对西昌流动地震台阵2013年304个单事件波形数据的分析处理和检验结果表明,本文方法较传统方法具有更高的地震事件检测能力和更高的震相拾取精度. 相似文献
12.
利用人工神经元网络方法,提出了一种从连续的地震数据中检测出地震事件的方法。该方法分两步,首先,低阈值的STA／LTA算法从连续的波形中检测出类似地震事件;其次利用神经元网络方法,区分事件是地震事件还是噪声事件。通过对数据检测结果比较,找出了适合地震检测的神经元网络训练方法和神经元传递函数。在对天山流动台阵其中两个台的检测结果表明,在连续约两个月数据中,39RLS台检测出地震75个,30RNA台检测出地震95个,证明该方法对地震事件检测来说是一种有效的方法。 相似文献
13.
Introduction The automatic processing of continuous seismic data is important for monitoring earthquake, in which real data recorded by field stations located in different regions is transmitted to data cen- tre through internet or satellite communication systems. Automatic processing will run firstly on data, afterwards these automatic processing results will be reviewed and modified. The load of interactive analysis would be increase if there were more false events or missed events after run… 相似文献
14.
Earthquake detection in the Jiangsu region,China using graphics-processing-unit-based Match & Locate and rapid earthquake association and location* 
下载免费PDF全文
下载免费PDF全文 Earthquake detection and location are essential in earthquake studies, which generally consists of two main classes: waveform-based and pick-based methods. To evaluate the ability of two different methods, a graphics-processing-unit-based Match & Locate (GPU-M&L) method and a rapid earthquake association and location (REAL) method are applied to continuous seismic data recorded by 24 digital seismic stations from Jiangsu Seismic Network during 2013 for comparison. GPU-M&L is one of waveform-based methods by waveform cross-correlations while REAL is one of pick-based method to associate arrivals of different seismic phases and locate events through counting the number of P and S picks and travel time residuals. Twenty-six templates are selected from the Jiangsu Seismic Network local catalog by using the GPU-M&L. The number of newly detected and located events is about 2.8 times more than those listed in the local catalog. We both utilize a deep-neural-network-based arrival-time picking method called PhaseNet and a short-term/long-term average (STA/LTA) trigger algorithm for seismic phase detection and picking by applying the REAL. We then refine seismic locations using a least-squares location method (VELEST) and a high-precision relative location method (hypoDD). By applying STA/LTA and PhaseNet, 1006 and 1893 events are associated and located, respectively. The newly detected events are mainly clustered and show steeply dipping fault planes. By analyzing the performance of these methods based on long-term continuous seismic data, the detected catalogs by the GPU-M&L and REAL show that the magnitudes of completeness are 1.4 and 0.8, respectively, which are smaller than 2.6 given by the local catalog. Although REAL provides improvement compared with GPU-M&L, REAL is highly dependent on phase detection and picking which is strongly affected by signal-noise ratio (SNR). Stations at southeast of the study region with low SNR may lead to few detections in the same area. 相似文献
15.
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
16.
17.
发展高效、高精度、普适性强的自动波形拾取算法在地震大数据时代背景下显得越来越重要.波形自动拾取算法的主要挑战来自如何适应不同区域的不同类型地震事件的分类与筛选.本文针对地震事件-噪音分类这一问题,使用13839个汶川地震余震事件建立数据集,应用深度学习卷积神经网络(CNN)方法进行训练,并用8900个新的汶川余震事件作为检测数据集,其训练和检测准确率均达到95%以上.在对连续波形的检测中,CNN方法在精度和召回率上优于STA/LTA和Fbpicker传统方法,并能找出大量人工挑选极易遗漏的微震事件.最后,我们应用训练好的最优模型对选自全国台网的441个台站8天的连续波形数据进行了识别、到时挑取及与参考地震目录关联,CNN检出7016段波形,用自动挑选算法拾取到1380对P,S到时,并与540个地震目录事件成功关联,对1级以上事件总体识别准确率为54%,二级以上为80%,证明了CNN模型具有泛化能力,初步展示了CNN在发展兼具效率、精度、普适性算法,实时地震监测等应用上具有巨大潜力. 相似文献
18.
This study is an application of a Real Time Recurrent Neural Network (RTRN) in the detection of small natural seismic events in Poland. Most of the events studied are from the Podhale region with a magnitude of 0.4 to 2.5. The population distribution of the region required that seismic signals be recorded using temporary stations deployed in populated areas. As a consequence, the high level of seismic noise that cannot be removed by filtration made it impossible to detect small events by STA/LTA based algorithms. The presence of high noise requires an alternate method of seismic detection capable of recognizing small seismic events. We applied the RTRN, which potentially can detect seismic signals in the frequency domain as well as in the phase arrival times. Data results of small local seismic events showed that the RTRN has the ability to correctly detect most of the events with fewer false detections than STA/LTA methods. 相似文献
19.
地震事件识别是地震层析成像的重要组成部分。然而,在处理宽频带流动台阵天然地震记录中识别地震事件过程中,利用传统的人工识别方法耗时巨大,效率十分低。本文首先运用STA/LTA 对地震事件进行初步判断,并结合支持向量机信号检测算法和多台联合检验法来提高地震事件判别的准确度及抗干扰能力,达到天然地震事件的自动识别。南岭流动台阵数据的应用结果表明该综合识别算法可自动快速准确地判别地震事件,并可用于地震震相的拾取。 相似文献