排序方式: 共有29条查询结果,搜索用时 171 毫秒
21.
针对汶川 M s8.0地震中3个典型的加速度基线漂移特性,分别采用基线初始化法、Iwan法及低频滤波法进行了基线校正.通过校正,基本消除了加速度记录中的低频噪音干扰,使基线大致回到了零线.通过实例分析了3种校正方法存在的问题. 相似文献
22.
利用2016年4月16日日本熊本MW7.0地震震中周围94个近场强震动台的观测资料和新近改进的强震经验基线校正方法SMBLOC,尝试解算并绘制了一个内陆M7左右走滑型地震的同震位移场全貌,并反演了其震源滑动模型.与日本国土地理院(GSI)公布的该地震57个GPS同震位移结果的比较显示,两种完全不同资料、不同解算方法给出的水平同震位移场的最大幅值均为100 cm左右,均呈右旋走滑为主兼具部分正断分量的震源机制.强震最大水平和垂直永久位移分别为104.5 cm和58.0 cm, 分别出现在震中东北侧的KMMH162台和KMM005台.两种资料单独以及联合反演的震源滑动模型均表明,此次地震为北东侧破裂为主并呈双事件特征,且主要滑动均不在初始破裂点附近, 而是集中于第二次事件周围,即距离初始破裂点东北侧约20 km处的走向长约40 km、倾向宽约20 km的范围内.基于强震和GPS模型所得的最大滑动量分别为5.10 m和5.87 m,量级一致,反演矩震级均为MW7.1左右;主破裂区近地表滑动量比野外调查结果略微偏大,可能与数值效应有关.此外,还利用不同方法得到的解算结果比较了熊本地震特有的12组台间距在3 km以内的GPS-强震台站对各自的三分量同震位移,其结果表明对于M7左右的地震而言,SMBLOC方法解算同震位移时方向和幅值的可靠性下限约为2 cm. 相似文献
23.
地震动的强度,一般用烈度或地面峰值加速度、地面峰值速度等地震动参数表示。但是,地面运动是一种典型的非平稳信号,幅值和频率成分均随时间变化,瞬时的幅值最大值并不能完全代表其破坏能力。 相似文献
24.
采用汶川地震近断层强震记录,分析了近断层记录基线校正的原则、不同基线校正方法的特点以及基线校正的不确定性因素.根据基线校正原则提出了基线校正的一般步骤,对比分析了在合理分界时间点范围内选择不同组时间分界点进行基线校正后各组记录之间的地震动参数和反应谱特性.结果表明,已有的各种基线校正方法并不能较好地得到准确的确定性基线校正结果,满足基线校正的一般原则也会得到不同的校正结果,但是合理地进行基线校正后,对加速度和速度时程相关的地震动参数和小同形式的反应谱特性的影响很小. 相似文献
25.
26.
利用自动经验基线校正方法,分析日本2008年岩手-宫城内陆Mw6.9地震震中周围密集强震动观测台网资料,快速解算出了同震位移场分布,并据此反演了震源滑动模型.经与GPS结果比较,两种不同方法给出的同震位移幅值、方向和总体分布特征较为接近.基于相同断层面参数反演的震源模型空间展布形态、主要滑动范围、平均和最大滑动量、滑动方向以及由模型计算的矩震级等均吻合较好,从而验证了方法的可行性.讨论了自动经验基线校正方法尚存在的问题和不足,为今后利用强震资料快速解算Mw6-7级及以上地震的同震位移场并反演震源滑动分布提供参考. 相似文献
27.
28.
水体Chl.a浓度是水质评价的一个重要指标,受悬浮物浓度季节性变化的影响,如何削弱悬浮物的光谱干扰,是实现内陆水体Chl.a浓度遥感高精度反演的难点之一.基于2011-2013年妫水河6次实测水体高光谱数据和水体Chl.a浓度数据,评价广泛应用的三波段模型和非线性拟合能力较好的支持向量机回归(SVR)模型的反演精度,使用基线校正和一阶微分方法来削弱实测高光谱中非Chl.a光谱信息.定义两种基线:750 nm的反射率值;500与750 nm的反射率值连线,基线校正为光谱反射率减去基线值.利用2013年7月的实测数据进行验证,结果表明,SVR模型比三波段模型更适合季节性浑浊水体的Chl.a浓度反演.通过基线校正筛选后的波段反射率组合作为输入变量能够提高SVR模型的反演精度,决定系数为0.68,均方根误差为3.38μg/L;线性基线校正提高三波段Chl.a估算模型的反演能力有限. 相似文献
29.
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