共查询到20条相似文献，搜索用时 156 毫秒
1.
乌兰浩特地震台爆破与地震记录识别判据 总被引：2，自引：2，他引：0
选取乌兰浩特地震台爆破及地震波形数据记录，采用小波分析方法，提取地震及爆破的3种波形特征，使用v-SVC支持向量分类机进行分类能力的效果检验，结果表明，WPT（db4）+香农熵特征+v-SVC的组合最佳，可作为该台爆破与地震记录的快速识别判据。 相似文献
2.
研究了从天然地震和人工爆破事件的波形记录中提取出来的能量比特征在天然地震和人工爆破事件的自动识别中的有效性及适用性。对波形记录进行了4层小波变换,然后对变换得到的小波系数提取能量比特征,最后利用支持向量分类机ν-SVC进行识别效果检验。实验证明,由bior2.2小波包分解后提取出来的能量比特征对天然地震和人工爆破事件的识别效果很好,可用于实际的自动识别系统作为识别判据之一。 相似文献
3.
《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
4.
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
5.
王军 《地震地磁观测与研究》2018,39(3):181-188
为研究天然地震事件和爆破事件识别算法，对上海测震台网记录的上海周边区域天然构造地震和爆破事件记录进行小波包分解，并提取特征向量，提出用支持向量机（SVM）识别天然构造地震和人工爆破的算法。结果表明，基于SVM算法的向量识别分类方法，在天然地震和爆破识别中是可用的，准确率预计达85%以上。 相似文献
6.
基于深度学习残差网络模型的地震和爆破识别 总被引：5，自引：4，他引：1
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
7.
BP神经网络和支持向量机(SVM)是两种主流的分类识别方法,用于天然地震和人工爆炸事件波形信号分类识别时取得了较好的效果。但BP神经网络存在易陷入局部最优及隐层数和隐层节点数与训练样本数据密切相关而无法有效预先确定;而支持向量机(SVM)方法则缺乏有效手段来选取合适的核函数,从中不能很好地扩展到多分类。针对天然地震和人工爆炸事件波形信号的分类识别问题,文中将上述两种方法和集成学习——BP-Adaboost方法进行了对比实验研究。据对所选用的地震、爆炸事件波形信号数据集的分类识别结果表明,BP-Adaboost方法得到了98%以上的正确识别率,并且具有较好的泛化能力。相较于BP神经网络和PCA-SVM方法,BP-Adaboost方法对于数据集的划分和识别结果具有更好的鲁棒性,应用于天然地震和人工爆炸事件波形信号分类识别时,可取得更好的识别效果。同时,结合Adaboost方法的原理,阐述了BP-Adaboost方法拥有更好分类结果和泛化能力的原因。 相似文献
8.
地震台网记录的人工爆破事件波形特征与天然地震有相似之处,如果不能及时的予以识别和筛选,会混淆依此记录所建立的地震目录,影响日后地震学的研究工作.因此连续地震信号中的天然地震和人工爆破的识别分离有助于破坏性构造地震的监测预警.同时,随着地震仪的大规模部署以及建设行业活动的持续增强,记录的爆破事件增多,增大了识别的难度和工作强度.为了解决人工识别天然地震与爆破存在的问题,本研究基于卷积神经网络,设计了一个具有13层深度的网络模型(CNN-Epq13),选用福建数字地震台网历史地震记录和人工爆破记录,利用TensorFlow深度学习框架,采用TFrecord文件形式作为训练集,训练得出事件类别识别模型.此模型在训练中识别准确率为98.438％,损失为0.0646.用新的数据进行测试,模型能准确识别事件类别,区分天然地震和人工爆破,可以进一步在日常工作中进行应用. 相似文献
9.
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
10.
地震信号分类——即信号震源类型的分类,尤其是天然地震和人工爆破的分类对于地震目录的清洗和强震实时预警等具有重要意义.本文首先对原始波形信号进行必要的预处理,然后对预处理后的信号进行分帧加窗,对窗内信号采用短时傅里叶变换,将原始波形信号从时域转换成时频域信号,生成时频谱图,每条波形生成一个时频图像;经过反复多次试验比较,将原尺寸时频谱图统一缩放为32×32像素大小的灰度图像,该灰度图像作为卷积神经网络(CNN)的输入,此时的分类效果和计算效率最优.采用以上方法对2010年至2016年发生在河北三河和北京通州等地区,震级为1.5 ～2.8级之间的54个天然地震事件的1674条波形和63个人工爆破事件的1509条波形,采用五折交叉验证法进行分类,得到的平均准确率为97.39％,与传统的支持向量机(SVM)方法和多层感知器(MLP)方法对比,分类准确率有大幅提升,与使用梅尔倒谱系数(MFCC)构建的CNN分类器方法对比,本文方法信噪比更低,分类准确率提高约1.5％.实验结果表明,采用短时傅里叶变换提取地震信号时频域特征,生成时频谱图,使用卷积神经网络对地震信号进行分类具有良好的分类效果. 相似文献
11.
通过测量介质品质因子来开展大同窗附近测震台站记录P波衰减频散特征的研究,并分析大同窗近场区和外围区震例前后的变化。对山自皂台记录的2001年以来大同窗地震序列的研究结果表明,近场区3次和外围区6次地震前,介质品质因子显示超出1倍均方差的高值变化特征,震后逐渐恢复到背景起伏状态;与大同窗传统的频次指标相比,介质品质因子的映震效果更好;阳原台的结果表明,仅近场区1次和外围区2次地震前,介质品质因子显示超出1倍均方差的高值变化特征,且有虚报、漏报。所处地质构造位置不同、传播路径介质差异可能是引起上述两个台站附近介质品质因子的地震对应效果明显不同的原因。 相似文献
12.
13.
分析了2003年2月14日石河子5．4级地震前北天山地震活动图像和地震学参数异常过程。5．4级地震发生在2002年北天山4级地震集中活动区空段，震前12项地震学参数时间进程存在中、短期异常，3项地震波参数出现短期异常。震前3个月乌鲁木齐震情窗出现超警戒线异常。震前10天震中附近地区地震和震群活动显著。 相似文献
14.
本文以西昌台阵观测的8 321次近震数据为例，详细介绍了利用深度卷积神经网络检测地震的数据处理流程，包括数据预处理、模型训练、波形长度、网络层数、学习率和概率阈值等关键参数对检测结果的影响，并将训练得到的最优模型，应用于事件波形和连续波形的检测。研究表明，数据预处理和数据增强可以提升模型的检测精度和抗干扰能力。用于模型训练的波形窗口长度可近似于S-P到时差的最大值。不同网络层数（5—8层）的检测结果差别不大。对于地震检测，学习率设为10?4—10?3较为合适。卷积神经网络检测出的地震数量与选择的概率阈值有关，通过绘制精确率-召回率变化曲线，可以为选择合适的概率阈值提供参考。本文为进一步利用深度学习算法提高地震检测效果提供了参考。 相似文献
15.
16.
ＴｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｃｒｉｔｅｒｉａｏｆｓｈｏｒｔｔｅｒｍｓｅｉｓｍｉｃｉｔｙｇａｐｂｅｆｏｒｅａｇｒｅａｔｅａｒｔｈｑｕａｋｅＪＩＮＧＱＵＡＮＣＡＯ（曹井泉）ＪＩＡＬＩＮＳＵＮ（孙加林）ＹＩＹＡＮＧ（杨毅）Ｓｅｉｓｍｏｌ... 相似文献
17.
陈江琴 《地震地磁观测与研究》2020,41(4):49-54
鉴于马鞍山地区矿山较多，常有人工爆破发生，为了快速识别事件性质，分析了人工爆破与天然地震在P波初动方向、纵横波振幅比、衰减速度、频谱、发震时间等方面的差异。 相似文献
18.
合成地震动方法用于研究强地震动长周期特性的探讨 总被引：1，自引：0，他引：1
合成地震动一直是地震学研究中一个非常跃的领域。针对２长周期结构物抗震设计缺少宽频带强震记录的现状,利用“反射率法”和“围道积分法”等合成地震动方法对地震动长周期特性进行了探讨。结果表明：合成地震动方法是研究地震动长周特性的一个有效方法;在地震动长周期成份中,面波起着重要作用。因此长周期结构物的抗震设计必须考虑面波的影响。 相似文献
19.
伽师震区位于天山褶皱、帕米尔构造弧与塔里木块体三个构造单元的交接地带，近年来该区发生了一系列的强震活动.为进一步获得该震区详细的地壳速度结构，本文利用人工爆破和天然地震资料联合反演的方法，对1997年新疆伽师震区布设的三维人工地震透射台阵和流动地震台网的资料进行处理，重建了台阵下方上地壳三维速度扰动图像，并结合地震活动分布，对伽师强震群的地震成因作出进一步分析.结果表明研究区上地壳速度结构在纵向和横向上具有明显的非均匀性，随着深度的逐渐加深，震区下方以萨如锡为中心的低速异常体逐步被高速异常体所替代.自12 km深度开始，在与强震群震中相应的位置上，明显出现沿北北西向的高P波速度异常体，在其周围为相对低速分布，呈现出低速条带环绕高速条带的分布格局，VP/VS在相同的位置上也表现为高值分布.这种结构上的差异可能与伽师强震群发生有密切关系.16 km深度的P波速度层析图表明，伽师强震群发生在地壳相对高速扰动区内或是高速扰动向低速扰动过渡的边缘，壳内高速体的存在为强震的孕育和发生提供了重要基础. 相似文献
20.
对2001年昆仑山口西Ms81级地震产生的断层带，布设了沿断层和横跨断层的两条人工地震测线.通过对观测资料的定量分析和处理，求得了昆仑山断层带内部的细结构.分析工作包括从S波震相开始的振幅谱计算、速度频散计算、群速度测量，并用面波频散方法反演S波速度结构，用振幅谱比的方法估计断层带的Q值.野外试验结果表明，S波震相与围陷波组的时间差随炮点与台站之间距离增大而增加，在断层带外的测点上观测到与断层带相关的场地效应.最后得出昆仑山断层带宽度为250m、速度结构为断层内低速的分层结构和Q值为15（断层内）和30（围岩）.虽然昆仑山口西地震的震级比美国加州Landers地震的震级（Ms76）大，且地震产生的破裂带长度长得多，但是这两个地震断层带的宽度却相差不大. 相似文献