排序方式： 共有6条查询结果，搜索用时 15 毫秒
1
1.
使用2022年1月8日青海门源MS6.9地震前3天及后7天甘肃地震台网固定台站和邻省共享台站记录到的连续波形数据,利用RISP系统自动检测余震序列,并将检测结果与人工编目结果进行对比分析.结果表明:自动编目与人工编目定位结果基本一致,震中位置差(3.9±1.51)km,震级差值ML(0.17±0.22);自动编目结果的发震时刻普遍略早于人工目录,但两种目录中大部分余震发生时刻的差值在2s内.自动编目产出速度快,且能检测人工无法识别的微小余震,提高了目录完备性.综合来看,自动编目系统产出结果符合预期目标,可为震群趋势判断、破裂过程快速反演等相关科学研究提供数据支撑. 相似文献
2.
采用2016—2020年福建台网所记录的爆破和天然地震事件以及背景噪声数据集,使用CNN模型、Inception10模型、ResNet18模型和Vgg16模型4种深度学习网络模型进行分类研究。针对深度学习网络模型的“黑盒”问题,将梯度类激活映射(Gradient-weighted Class Activation Mapping, Grad-CAM)算法引入这4种分类模型中,得到每个模型的可视化图。通过可视化图可以直观地看出模型在做出分类决策时对于不同波形特征的依赖权重,为模型的可解释性提供依据,进而提高模型的可信度。通过对模型的可视化图分析得出,分类效果更好的CNN模型和Vgg16模型在做出决策时更依赖于地震波形的震相特征,对于震前和震后的波段关注较小;而ResNet18模型和Inception10模型对于震相特征的关注不够敏锐。通过Grad-CAM算法对模型进行可视化分析得到的结果能够很好地反映模型的分类效果,对于改进和选择合适的分类模型具有重要意义。 相似文献
3.
采用2009年1月1日—2014年6月甘肃省境内所有地震的震相数据,分类拟合计算该地区一维速度模型,计算结果显示,利用少量震级较大地震数据来拟合的速度结果近似于用所有地震拟合结果。拟合得出新模型初步结果后,再从所有地震资料中选定台站包围好、震相标识规范的142个地震,利用Hyposat定位方法来计算莫霍面深度,参考其他模型的莫霍面深度,综合分析后在一定的扰动范围内通过Hyposat批处理程序进行迭代定位,对8 640次计算模型做残差对比,最终选取残差最小模型作为新模型,此模型除部分参数有较小的差别外与甘青模型基本一致。 相似文献
4.
5.
选取2010年1月至2020年8月期间甘肃区域测震台网记录的兰州市周边地区三分向宽频带数字波形资料,采用震中位置空间分布、波形特征及傅里叶频谱特征对比等多种方法相结合,分析兰州市红古区非天然地震活动的特性。结果显示:该区临近测震台记录的大量地震事件波形特征和傅里叶频谱特征与其他区域地震存在显著差异,符合非天然地震的典型震相特征,且空间分布密集、震级较大,初步分析与该区矿产资源开发活动密切相关。对红古区非天然地震特征的研究有助于台网工作人员快速、准确的判别兰州周边地震类型,同时对兰州市地震灾害风险评估与防治也具有积极的参考价值。 相似文献
6.
利用一种深度学习地震信号检测方法（PhaseNet模型）检测甘肃省岷县MS6.6地震序列,根据地震震相关联技术和绝对定位Hypoinverse方法构建AI检测目录,对比人工分析地震目录和震相报告,分析AI自动处理地震事件的误差范围。结果表明,AI技术能够实现85.5%的人工工作量,定位误差在20 km范围内呈正态分布;在低震级地震事件检测中,AI方法也发挥了显著能力。相比于人工处理方法,AI方法稳定性好、不依赖个人经验、分析速度快,在大震后的地震目录快速产出中能发挥关键作用,可提高地震分析能力、节省人力成本。 相似文献
1