共查询到18条相似文献，搜索用时 187 毫秒
1.
2.
对琼北地区确定性井下人工爆破和天然地震事件波形特征进行梳理,分析人工爆破与天然地震波不同判据特征。结果表明:P波初动方向、振幅比是识别人工爆破和天然地震的2个主要判据;尾波持续时间、S波最大振幅与持续时间比可作为识别人工爆破和天然地震的一般判据;发震时间可根据事件的强度、规律性,并结合其他判据,仅作为识别过程中的参考因素。 相似文献
3.
利用福建地震台网的人工爆破与天然地震的数字记录,采用波形对比法,分析发生在同一地区的爆破与地震波形特征.结果发现,爆破与地震在震相、P波初动符号分布、振幅比As/Ap等方面具有不同特征,据此得出爆破识别的有效判据,并对一次疑爆事件进行有效检验,为今后爆破的识别提供依据. 相似文献
4.
山西运城振动事件S变换时频分析 总被引：1，自引：1，他引：0
基于S变换，对2005年以来山西南部运城及其附近地区的振动事件波形进行时频分析，并与山西南部地区的天然地震、爆破和塌陷地震波谱特征进行对比分析。结果表明：天然地震一般S波携带能量较大，衰减较慢，震相高低频成分呈现均匀分布；一般近台记录的人工爆破P波比S波发育，能量衰减较快，震相急促短暂；塌陷地震波列能量随时间和频率的展布相对集中，一般分布在频率较低区域；振动事件震相简单，被不同台站记录的波形能量优势分布及频率分布范围差异较大，衰减特征不明显。据此，基本可以排除山西南部及附近区域的振动事件为天然地震、爆破和塌陷事件的可能。 相似文献
5.
研究了如何从天然地震和人工爆破事件的波形记录中提取出有效、适用的波形特征,以用于对爆破事件的识别．首先对波形记录进行了4层小波包变换;然后对变换得到的最后一层小波包系数提取3种波形特征:能量比特征、香农熵特征及对数能量熵特征;最后利用upsilon;-SVC支持向量分类机对这3种特征的分类能力进行了外推检验．通过选用不同地区、不同台站、不同震级的天然地震与人工爆破的波形记录,力求提取的特征量能尽可能地反映天然地震与人工爆破波形的本质区别,尽量弱化震中距、震级等因素对识别效果的影响．结果表明,上述３种特征中以香农熵特征的识别效果最好,能反映天然地震与人工爆破的本质区别,可作为识别天然地震与人工爆破的一个有效判据． 相似文献
6.
《地震地质》2021,43(3)
为实现天然地震与爆破、塌陷事件类型的快速高效识别,文中应用深度学习技术中的卷积神经网络模型,设计了基于单个事件单个台站波形记录的深度学习训练模块和基于单个事件多个台站波形记录的实时测试模块。以每个事件P波到时最早的5个台站记录到的原始三分向波形为输入,分别采用目前主流的Alex Net、VGG16、VGG19、Goog Le Net 4种卷积神经网络结构进行学习训练,结果显示各类卷积神经网络结构对训练集与测试集的识别准确率均达93%以上,且各个网络在训练过程中的训练集与测试集的准确率及代价函数的走势曲线基本一致。其中,Alex Net网络结构的识别准确率最高,测试集为98.51%,且未发生过拟合现象; VGG16、VGG19网络结构的准确率次之;Goog Le Net网络结构的识别准确率相对较低。为检验深度学习卷积神经网络在数字地震台网实时运行过程中的事件判别效能,选取训练好的Alex Net卷积神经网络开展基于单个事件多个台站波形记录的事件类型判定检验。最终结果显示,在山东台网实时触发的110个M≥0.7事件中,共有89个事件的类型被准确识别,准确率约为80.9%。具体到各个类型事件中,天然地震的准确率约为74.6%;爆破的准确率约为90.9%;塌陷事件的准确率为100%。若删除其中由于波形失真而造成的类型识别错误事件,则天然地震的识别准确率将提高至91.4%,而所有事件的整体识别准确率也将由80.9%提高至91.7%,与目前地震台网日常工作中人工判定的识别准确率基本相当。这表明,深度学习技术可以快速高效地实现天然地震与爆破、塌陷的事件类型识别。 相似文献
7.
通过对比分析昭通巡龙测震台记录的重型地面平整机施工事件和微震记录的波形特征差异，认为：强夯土事件释放能量当量相当于ML0.6～1.4级地震，P波初动向下、能量衰减快、波形持续时间短，P/S振幅小于天然地震，两者记录的频谱特征差异较大；微震震相明显，强夯土事件震相不明显。通过分析强夯土事件与微震波形特征差异，可以为非天然地震和天然地震分类识别提供依据。 相似文献
8.
9.
10.
11.
选取甘肃省测震台网测定的甘肃平凉地区塌陷地震、甘东南地区天然地震各50个,同地区的30个地震事件为待测事件。采用近年来计算机领域里较先进的图像识别方法——卷积神经网络识别两种地震事件类型,设定波形通道总数的80%为地震事件分类阈值,超过分类阈值的设定为“0”或“1”,即可判定该待测事件为对应的事件类型。将地震事件作为原始图像,提取图像中最具代表性特征点;接着提取图像特征进入池化层,池化层会对该图像特征点进行归类压缩,提取最具代表性的图像特征,最后输出识别图像。结果表明:塌陷地震最终分类准确识别率为86.7%,天然地震准确识别率为93.3%,总识别率为90%,为今后平凉地区塌陷地震事件类别识别工作提供了可靠的参考价值。 相似文献
12.
选取2010年1月至2020年8月期间甘肃区域测震台网记录的兰州市周边地区三分向宽频带数字波形资料,采用震中位置空间分布、波形特征及傅里叶频谱特征对比等多种方法相结合,分析兰州市红古区非天然地震活动的特性。结果显示:该区临近测震台记录的大量地震事件波形特征和傅里叶频谱特征与其他区域地震存在显著差异,符合非天然地震的典型震相特征,且空间分布密集、震级较大,初步分析与该区矿产资源开发活动密切相关。对红古区非天然地震特征的研究有助于台网工作人员快速、准确的判别兰州周边地震类型,同时对兰州市地震灾害风险评估与防治也具有积极的参考价值。 相似文献
13.
基于河南测震台网记录的平顶山平煤矿区及周边发生的天然地震和人工爆破资料,按照直观、可快速识别的要求,选用发震时刻、P波初动方向、振幅比、振幅与尾波持续时间比等方法,对该地区天然地震和人工爆破进行对比分析。结果表明,P波与S波最大振幅之比（Pm/Sm）是识别该地区地震类型的最有效判据;P波初动振幅与S波最大振幅之比（Pc/Sm）和S波最大振幅与尾波持续时间之比（Sm/T）2种方法可以作为辅助判据,以提高识别地震类型的准确性。 相似文献
14.
基于2014年以来内蒙古测震台网观测报告，对所记录的非天然地震事件进行统计分析。提出了区分天然地震与非天然地震的一般方法。从地震事件的三要素、波形、频谱等方面对比分析内蒙古地区非天然地震与天然地震间的差异发现，内蒙古地区非天然地震具有发震时刻与发震位置较固定与集中、震级ML<3.5、面波较发育、能量衰减较快、优势频率主要集中在1—6 Hz等特征。并通过对比内蒙古不同地区典型震例，进一步总结出内蒙古地区非天然地震的地方性特征。研究结果有利于提高内蒙古地区非天然地震的识别能力，可为今后开展该区非天然地震自动识别研究提供基础资料。 相似文献
15.
16.
Seismic records produced by different seismic sources vary. In this study, we compared the waveform records and time-frequency characteristics of tectonic earthquakes, artificial explosions, and mine collapses in China’s Capital Region. The results show that tectonic earthquakes are characterized by stronger S-wave energy than P-wave energy, obvious high-frequency components, and wide frequency bands of P and S waves. Artificial explosions are characterized by greater P-wave amplitude than S-wave amplitude and near-station surface wave development. Mine collapses are characterized by lower overall frequency, more obvious surface waves, and longer duration. We extracted quantitative discriminants based on the analysis of different event records, with 31 feature values in 7 categories (P/S maximum amplitude ratio, high/low frequency energy ratio, P/S spectral ratio, corner frequency, duration, the second-order moment of spectrum, and energy strongest point). A comparison of the ability of these feature values to recognize distinct events showed that the 6–17 Hz P/S spectral ratio was able to completely distinguish artificial explosions from the other two types of events. The S-wave corner frequency performed relatively well in identifying all three types of events, with an accuracy of over 90%. Additionally, a support vector machine was used to comprehensively distinguish multiple features, with an accuracy for all three types of events reaching up to 100%. 相似文献
17.
对内蒙古测震台网2008年以来速报的346次地震（包括天然地震与爆破、塌陷）进行统计，以典型震例，分区域、分类别总结震相特征。在此基础上，讨论利用典型震例与波形互相关性在未来地震定位与震相精确识别方面应用的可能性，及利用非常规震相（sPn震相）准确测定震源深度的应用前景。通过以上分析，以期进一步提高内蒙古地震速报和编目工作质量。 相似文献
18.
BBVS-120型甚宽频带数字地震计典型地震波形记录特征 总被引：1，自引：1，他引：0
梁永烨 《地震地磁观测与研究》2018,39(4):109-115
对太原基准地震台BBVS-120型甚宽频带地震计记录的不同震中距及不同类型天然地震和非天然地震波形进行分析和对比，结果表明，该地震计能够清晰记录近震、远震、极远震及爆破、塌陷等震相，对各类地震具有较好的监测能力，基本实现全频带观测，可为获得丰富的震相资料并提升地震台监测能力及速报质量，提供技术保障。 相似文献