共查询到10条相似文献，搜索用时 15 毫秒
1.
基于地震对应概率谱的多参数综合异常研究 总被引：1，自引：1，他引：0
在单参数地震对应概率谱和累计滑动平均概率方法的基础上,研究了多参数滑动极值平均概率方法,用以定量识别地震前兆综合异常特征.首先,该方法基于地震对应概率谱分析,将原始数据时间序列转换成概率时间序列;其次,采用多点累计滑动平均方法得到不同参数滑动平均概率Pij;再次,求解不同参数的多点滑动极值概率Mij;最后,求解多参数滑动极值平均概率Pc.文中以新疆天山地区不同地震学参数的时间序列为原始数据进行算例分析,结果表明,当考察时段为18个月时,利用多参数滑动极值平均概率可以较好地识别地震前兆综合异常,其异常对应比例和地震对应比例分别为13/13和22/27,异常信度较高,但存在一定程度的漏报现象. 相似文献
2.
利用地震对应概率谱和累计滑动平均概率方法,选取精河水平摆卡尔曼滤波差值进行中强地震前兆定量的异常识别探索。探索中先是对精河水平摆卡尔曼滤波差值数据进行数据分布及各区间参数有震对应分布的研究,然后利用累计滑动平均方法得到滑动平均概率,从而检验地震对应概率谱在定点形变前兆异常的预报效能。 相似文献
3.
4.
基于地震对应概率谱的多参数综合异常空间特征研究 总被引：2，自引：0，他引：2
本文应用基于地震对应概率谱的多参数滑动极值概率方法对新疆南天山西段多种地震学参数资料进行定量化的异常识别提取, 通过对该区中强地震前多参数滑动极值概率的空间演化过程进行全时空扫描, 定量识别了该区中强地震的前兆综合异常时空异常特征。 研究结果表明, 南天山西段1980年以来发生的10次(组)中强地震前1～2年, 震区附近区域多参数滑动极值概率均出现了高值异常变化过程, 震后1年左右高值异常区逐步分散、 缩小乃至消失, 而中强地震平静时段滑动极值概率普遍无高值异常区域出现。 相似文献
5.
《华南地震》2017,(2)
ECRS(地震对应相关谱)方法是近年来得到关注的地震异常识别方法之一。应用ECRS方法,分析了北京地区单参数与多参数滑动极值平均相关度,通过算例分析与外推预测,并与实际地震发生情况进行对比,对此方法的有效性进行了初步的评价。研究结果表明:对M4级以上的目标震级,当考察时段为12个月时,b值、缺震等单参数相关度对北京地区地震前兆异常具有一定的识别能力;多参数地震对应相关谱较单参数可更好地识别北京地区地震前兆综合异常,其异常对应比例与地震对应比例分别为7/8、9/11,异常信度较高;以均值0.5倍标准差的高相关度作为异常阈值,可以较好的识别地震前兆综合异常,但一定程度上会受人为因素的影响。 相似文献
6.
基于震情会商实时异常分类记录的综合异常指数研究 总被引：2，自引：1，他引：1
为进行异常特征或异常判据的定量分析,在多种预测手段(方法)的异常隶属度转换的基础上生成单项异常指数时间序列,再通过将多种预测手段(方法)单项异常指数时间序列逐时段累加取均值,得到综合异常指数时间序列,实现前兆信息的定量化。研究中根据新疆台站分布、历史地震及地震构造背景等,选定7个研究区进行应用研究。各研究区综合异常指数时间进程曲线分析表明,台站相对密集的北天山3个研究区综合异常指数在中等地震前出现较明显的短期异常,而台站相对稀疏的南天山地区几个研究区除柯坪块体的阿克苏-乌什-阿合奇地区的综合异常指数在巴楚-伽师6．8级地震前出现明显的短期异常外,其它地区综合异常指数时间进程曲线稳定性及异常对应效果较差。 相似文献
7.
文章采用多种地震学参数的地震对应相关谱(ECRS)方法,分析研究阿拉善左旗及邻区ML≥5.0地震多种地震学参数的地震对应相关谱时空演化特征。结果表明,目标地震前多参数滑动极值平均概率时序曲线会出现高值异常;震前约1年左右,空间图像出现高值异常,接近临震异常区域会扩大增强,震后1~2年异常区域逐渐弱化消失。研究结果可为此地区中强地震危险性的判定提供科学依据。 相似文献
8.
9.
应用基于地震对应相关谱的多参数滑动极值相关度方法对山西地震带及邻区进行时间和空间扫描计算,定量识别和提取该区中强地震前的综合异常时空特征。时间扫描结果显示绝大多数目标地震前均有高值异常出现;空间扫描结果表明中强地震前1年左右震区及其附近区域多参数滑动极值平均概率出现高值异常现象,且异常区域逐渐扩大增强,地震多发生在异常区域内或者附近。中强地震发生后高值异常区逐渐缩小,震后1~2年异常区域基本消失;若高值异常区仍持续发展,可能是后续中强地震的异常反映。 相似文献
10.
前兆异常出现的时间特征能够体现地震孕育的过程,通过分析前兆信息可以对地震进行短临预测,在地震预测研究中发挥着重要作用.然而传统的计算方法和处理分析模式已经很难快速地从海量观测数据中自动定位异常,识别的精度和适用性也存在不足.因此,本文从井生产数据出发,结合STL时间序列分解、趋势拟合、扩容理论和油气运移等,对汶川地震川西气井压力前兆异常现象和产生机理进行分析,并提出将门控循环神经网络(GRU)模型应用于前兆异常识别中.结果表明,川西地区多口井的气井压力数据在汶川地震前同时出现了异常降低现象,很好地反映出地震前的短临异常.相比于循环换神经网络(RNN),GRU模型充分考虑了井生产数据之间的复杂非线性关系和历史关联程度,能够准确地识别出气井压力的前兆异常现象,模型结果也具有较小的均方根误差(RMSE)和平均绝对误差(MAE),可以作为一种新思路应用于地震前兆异常识别当中. 相似文献