共查询到19条相似文献，搜索用时 125 毫秒
1.
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
2.
识别天然地震和人工爆破的判据选择 总被引：4，自引：4，他引：0
从快速识别事件性质的要求出发,分析了天然地震和人工爆破的发震时间,P波初动方向,P波、S波振幅比值,P波、S波最大振幅与尾波持续时间比值等判据,得到P波初动方向和P最大振幅与S最大振幅比值是识别爆破和地震的两个有效判据,为研制“识别天然地震和人工爆破的分类决策支持系统”提供了应用依据. 相似文献
3.
简要介绍当前国内外关于天然地震与爆破、塌陷等非天然地震特征研究及事件类型识别的进展。对各类事件的定义及主要波形特征进行简要综述,重点介绍了事件类型判定的各类识别方法。与自然界天然地震不同,非天然地震由人工干预或人类活动间接引发。爆破是炸药在爆炸瞬间能量迅速释放,部分能量以地震波形式向外传播,引起地表振动而产生破坏效应的一种地震;塌陷是由于岩层崩塌陷落而形成的地震。虽然在地震台网记录到的天然地震与爆破、塌陷的波形存在一定的共性特征,但由于震源类型、波的传播路径、震源深度等不同,各类事件的波形记录在P波初动、P波与S波最大振幅比、持续时间、震相、短周期面波发育情况、发震时刻、空间位置分布以及频谱特征等方面差异明显。目前主要有两类方法来识别地震与爆破、塌陷等非天然事件。一类为直接基于波形在信号、数据方面的特征,通过定性分析来进行事件类型判定,如波形时频分析对比法、小波变换、相关系数等;另一类为统计学领域诸如模式识别等算法,利用统计算法综合考虑多个事件特征判据的定量判定阀值来实现地震与爆破、塌陷事件类型的识别,如最小距离法、改进的连续亨明方法、Fisher方法、逐步代价最小决策法、支持向量机、前馈神经网络等。两类方法本质上均为提取有效特征判据,即对数据进行降维使用,未将事件记录的全部信息用于事件判定。因此,有必要使用一种可从全部事件记录中自动提取各类信息并可组合底层特征的算法来对各类事件进行判断识别。 相似文献
4.
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
5.
6.
利用sym5小波包基函数对小震级天然地震和人工爆破波形进行4层小波包分解并绘制了时频谱图.通过时频谱图可直观得出, 爆破频率成分简单, 时频谱聚集性较好. 为寻求定量的识别指标, 综合P波和S波小波包变换结果, 提出并定义了P/S能量比. 分析识别效果较好的 P/S能量比判据得出爆破的P波主频集中在频段3.125—9.375 Hz处, 地震频率成分较复杂, S波在高频12.5—23.4375 Hz处也较发育, 在这些频段上, 爆破的P波与S波差异要大于地震的P波与S波差异. 作为小波包判据研究的补充, 文中也提取分析了P波的能量比与S波的能量比. 能量比判据识别结果表明, 人工爆破与天然地震的频率成分存在差异, 通过小波包变换能够提取有效的识别判据. 相似文献
7.
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
8.
快速、准确地识别天然地震和人工爆破事件是地震台网监测的重要工作之一,也是提高地震观测记录质量、开展地震研究工作的重要基础.针对反向传播神经网络、支持向量机等主流分类识别方法在地震事件分类识别应用上的不足,提出一种基于改进 EWT 和 LogitBoost集成分类器的地震事件分类识别算法.首先,基于S谱能量曲线对传统经验小波变换进行改进,将信号自适应分解为按频率和能量分布的本征模函数;其次,提取 P波与S波最大振幅比,前4个本征模函数的香农熵、对数能量熵,以及去噪后重构信号主频等特征;最后,采用基于集成学习 LogitBoost的决策树集成分类器进行分类.实验结果表明,所提算法具有较高的鲁棒性,能有效解决样本不足的问题,识别准确率达93．1%以上,比集成学习 AdaBoost、反向传播神经网络和支持向量机等方法提高了1%以上,且分类识别效果好. 相似文献
9.
2017年11月23日,重庆武隆发生MS 5.0地震,震后1个月内发生107次ML≥1.0地震,双差定位结果显示,主震震源深度约10 km,破裂面呈近SW向单侧破裂。选取震中附近布设的3个流动台地震波形及观测资料记录,利用波形互相关技术,挑选武隆MS 5.0地震后符合条件的重复地震事件,利用尾波干涉技术,分析震源区震后地壳介质变化。结果显示：①S波早期尾波部分呈明显的线性变化,可能由震源区附近地壳介质的波速变化所引起;②由震中距最小的重复地震计算的相对波速变化最大;③在P波尾波发现走时延迟和不相关系数均存在1个短周期“尖峰”变化,可能与震后地下介质中散射体的运移有关;④震后局部地区的地震波速度存在上升—下降的恢复过程。 相似文献
10.
《地震学报》2010,(3)
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v-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
11.
12.
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
13.
震群活动时,短时间发生大量地震,不同地震事件的记录波形相互交叠影响,易造成地震目录的遗漏,对震群发震构造分析等研究带来不利的影响.本文针对2013年3月3日至5日在河北涿鹿发生的微震震群,利用匹配滤波技术,以地震台网观测目录所记录地震事件的波形为模板,在连续波形记录中搜索与模板相似的信号,从而检测台网目录遗漏的地震.利用波形互相关标定新检测到地震事件的P波和S波到时,进而对其震中位置和震级做出估计.计算结果显示,通过互相关扫描检测到52个地震台网常规分析遗漏的地震,约为地震目录给出的45个事件的1.16倍.检测到的遗漏地震震级估算为ML0.1~0.9,通过震级-频次统计分析,加入遗漏地震后地震目录的完整性在ML0.3~0.8范围内有较明显的改善.根据地震事件精定位结果,推测此次震群的发震构造为北西走向倾角较大的断层,施庄断裂为发震构造的可能性较大. 相似文献
14.
中强地震序列的主震发生后，短时间内受台站距震中较远、尾波干扰和波形重叠等因素的影响，往往会遗漏大量的地震，而地震目录的完整性会直接影响到震后趋势判定和余震序列特征分析的科学性和可靠性。本文利用基于GPU加速的模板匹配方法对2017年8月1～12日的连续波形进行扫描计算，检测九寨沟MS7.0地震前后遗漏的地震事件，选取台网目录中信噪比较高的1033个地震事件作为模板，在主震前7天至震后5天期间识别出4854个检测地震事件，为台网可定位目录的3.3倍，除去对台网单台地震事件的修正外，还检测到1797个遗漏地震事件，将完备震级从1.6级降低到1.4级。基于补充了遗漏地震的完整地震目录，对2017年8月8日九寨沟MS7.0地震序列活动特征进行分析。结果表明，前震序列在主震前短时间内出现了地震活动的密集增强，b值也显示为低值状态，可能是深部断层发生破裂之前的加速蠕动的结果。随着时间的推移，余震序列的完备震级逐渐下降并趋于稳定，b值存在缓慢升高的趋势，未来较长时期内余震序列仍将处于持续衰减的状态。 相似文献
15.
随着世界上多个国家和地区的地震预警系统投入运行，误报和漏报等问题逐渐突显，特别是将标定以及强干扰波形误识别为大震事件，快速、精确地区分地震与其他波形是一个难题。针对于此，该研究提出了基于卷积神经网络地震波形智能识别方法。首先收集并处理了2012—2017年中国境内福建以及周边邻省共683个地震和478个爆破事件，并对这些样本筛选、截取和基线校正等预处理，共得到了27 500条三通道波形。在此基础上，构建了3 s波形输入的卷积神经网络模型(SW-CNN)。结果表明：模型对地震、噪声、爆破和异常波形的识别率分别为97.9、99、99.2和99.3%。相比于人工手动分类识别，该模型更省时和更稳定，为地震预警目前所面临的问题提供了一个新的解决方法。 相似文献
16.
17.
针对2014年8月—2015年1月安徽金寨发生的M_L3.9震群,利用匹配滤波技术补充台网目录遗漏的地震事件,再利用波形互相关震相检测技术标定P波和S波到时,进一步采用双差定位方法对震群进行重定位,结合震源机制解等分析此次震群活动可能的发震构造。计算结果显示,通过互相关扫描检测到1376个地震台网常规分析遗漏的地震,数量约为台网目录给出的585个事件的2.35倍。检测到的遗漏地震震级估算为M_L0～2.3,通过震级-频次统计分析,加入遗漏地震后地震目录的完整性在M_L0～1.5范围内有较明显的改善。重定位后地震走时残差更小,水平位置更集中,沿NNE向断裂F和NW向青山-晓天断裂呈现近直立的条带状分布。结合地质构造、震源机制解和水库因素,推测2014年金寨M_L3.9震群可能是由周边水库水下渗引起NW向青山-晓天断裂与NNE向断裂F慢滑动而触发的。 相似文献
18.
本文以宁夏区域地震台网为例，分析了波形互相关法在判定重复地震中可能存在的问题并讨论了相应的处理方法，通过构建三维非均匀体模型并利用谱元法数值模拟地震波的传播，统计了不同台站观测到的地震对波形互相关系数的分布，进一步研究了互相关系数与非均匀体性质及震源机制解之间的关系。结果表明:针对宁夏区域地震台网，利用波形互相关法判定重复地震比地震定位方法更有效；互相关系数在不同台站的取值与震源附近三维非均匀体强度和直达波与尾波的振幅比有关，对于相同的震源间距，较弱震源、较弱非均匀体或者较强振幅的直达波均会导致波形互相关系数变高，因此应选取更高的互相关系数阀值来判定重复地震。宁夏区域地震台网平均台间距为30—50 km，通过选取直达波较弱的台站或只截取尾波窗口计算互相关系数并设定较高的阀值，利用波形互相关法可有效地判定ML1.0—3.0重复地震，进而为重复地震的监测与研究提供依据。 相似文献
19.
地方震尾波的实验室研究 总被引：1，自引：0，他引：1
本文在Ａｋｉ（１９６９）一次回弹散射理论基础上，用超声岩石模型模拟地方震，对地方震尾波进行了初步观测和讨论。观测结果得出见波波形、功率谱、持续时间相对于不同震中距是稳定的；并且尾波震相不可以追踪。这就支持了关于尾波的散射理论，同时也为地方震震级、地震矩和Ｑ值等的研究以及地震图资料的充分利用提供了新的途径。 相似文献