排序方式： 共有6条查询结果，搜索用时 0 毫秒
1
1.
采用波形互相关技术获得Pn震相准确到时,然后应用滑动时窗相关法获取sPn与Pn震相的走时差,通过该走时差测定台湾海峡M6.2地震震源深度为14.7 km,并对测定的结果进行分析解释。对比本文计算结果与CAP方法的反演结果得出,本文研究方法更加方便、快捷、精确。 相似文献
2.
3.
烈度计台与测震台的布设环境、仪器类型不同，所测定的震级值存在一定差异。收集2017-2019年川滇地区301个烈度计台站记录的46次ML 3.0以上地震，进行震级校正。统计烈度计实测震级值与测震台网平均震级值的偏差，对原量规函数进行修正，进而做台站校正。综合修正后，利用量规函数和台站校正值重新计算烈度计震级，结果表明：在震中100 km范围内，烈度计测定震级偏差平均值由校正前的0.145降低至0.033，标准差由0.382降低至0.295，离散度减小；校正后的烈度计震级结果较优，说明本研究获得的量规函数和台站校正值更加适用于川滇地区烈度计台站的震级计算。 相似文献
4.
气枪震相拾取是地下结构探测的一项基础性工作,震相拾取的精度和波组类型的可靠度是速度结构反演的关键.本文提出了基于偏振特征的气枪震相自动识别方法,通过将水平分量旋转为径向和切向分量,由垂向分量和径向分量构成的偏振特征量初步判别P波组和S波组,根据质点运动轨迹确定出偏振角和偏振线性度参数,针对偏振角大小判别出具体波组类型 Pg、Pn、PmP、Sg、Sn、SmS,结合 STA/LTA-AIC、理论走时与振幅等特征形成一套气枪震相自动识别技术.采用龙门滩水库气枪信号叠加500次的波形对自动识别算法进行测试,结果表明,本研究的偏振识别方法正确识别率为91％,漏识别率为9％,误识别率为13％,识别效果优于一般识别方法,特别是震中距130～180 km波组交汇处的判别更能发挥其作用.通过对气枪偏振特征的研究既提高了气枪震相拾取的精度和效率,也为不同类型波组的正确识别提供潜在的技术手段. 相似文献
5.
由于常用的均方根值法和噪声功率谱法不能消除不同传感器记录的噪声干扰，为提高噪声水平计算的准确度，本文选用最大概率峰值位移作为背景噪声评估指标。基于可靠的噪声数据，借鉴震级-最大距离监测能力法并考虑预警时效，提出了地震预警最小震级评估方法，系统评估福建三类传感器网及其融合网的地震预警最小震级和预警首报时间。结果表明：测震强震融合网的地震预警最小震级高于单测震网，但明显低于强震网；强震烈度计融合网与单烈度计网的结果相近；三网融合后95%区域的地震预警最小震级约为ML3.2。由于烈度计网比测震和强震网密集，其预警首报时间最短；三网融合相对于单测震网或单强震网，其震后地震预警首报时间得到了明显缩短，预计95%区域的首报时间为4—6 s。本文研究为福建省的台网布局的优化和重点区域监测能力的提升提供了参考依据。 相似文献
6.
地震发生后，针对能够快速预测震中附近的烈度分布情况的问题，首先对632次地震触发的台站进行筛选，对2 231个台站触发后20 s内有效的7个地震动参数以及震级和震源距的信息进行提取，并利用人工神经网络对所选数据样本进行训练，建立三种有效的预测模型。研究结果显示模型一所选的输入参数为7个，不利用震源参数，在预测中有着较好的时效性，从第1 s到20 s,预测的平均烈度差值逐渐减小到0.45;模型二所选的输入参数为8个，利用了震源距信息，可以用于烈度级别的预测，预测的平均烈度差值逐渐减小到0.36;模型三所选的输入参数为9个，预测结果较好，可用于震后烈度场的实时预测，平均烈度差值逐渐减小到0.31。利用提出的3种模型对两次地震事件进行烈度预测，预测烈度差值取整后分别有95%和76%以上在1以内，有着较好的结果，可以用于地震预警当中。 相似文献
1