排序方式： 共有10条查询结果，搜索用时 31 毫秒
1
1.
2.
选取我国台湾地区2012—2018年期间的浅源地震资料，将台湾气象局与福建地震台网中心测定的ML震级进行对比分析，得出两机构测定的震级之间的差异主要是受地震震级大小、震源深度、震源地理位置等因素的影响，并采用线性回归方法对两机构测定的ML之间的模型关系进行拟合。与此同时，引入反向传播神经网络技术对两机构测定震级之间的偏差进行预测训练，构建4?9?9?9?4的五层网络模型，利用2012—2017年台湾震例作为训练集进行学习训练，2018年数据作为测试集进行预测效果分析。测试结果表明，经过反向传播神经网络修正后，震级偏差较大改善，基本都控制在[?0.4，0.3]之内，预测效果优于传统的线性回归方法，特别是对多震、少震区域震例的修正效果更为显著，进一步验证了反向传播神经网络技术具有较强的非线性拟合能力和泛化能力。 相似文献
3.
地震噪声异常实时监测 总被引：4，自引：0，他引：4
本文采用福建省85个测震台站2012年全年噪声资料的垂直向记录作为研究对象,将噪声记录以每5min为单位进行分段,求出每小段的功率谱,应用概率分布函数方法绘出台站的PDF图,之后利用网格概率法确定出台站的高低噪声参照线。另外,根据85个台站的PDF图异常,将噪声异常分成四类：缺数异常、低噪处异常、高噪处异常、中噪处异常。依据四类异常的特征分别研究出四类异常的挑选方法,再将这四种挑选方法结合形成地震噪声实时监测系统。选取福建省85个测震台站2013年7月份的噪声记录进行验证,结果表明：85个台站应用地震噪声实时监测系统识别出来的异常正确率都达到90%以上,挑选效果很好,并可应用于台站噪声实时监测。 相似文献
4.
本文以福建省85个测震台站2012年全年噪声资料中的垂直向记录作为研究对象,将噪声记录以每5min为单位进行分段,求出每小段的功率谱,应用概率分布函数方法绘出台站的PDF图,之后利用网格概率法确定出台站的高低噪声参照线。另外,以85个台站的PDF图为基础,将噪声异常分成缺数异常、低噪处异常、高噪处异常、中噪处异常等4类。依据4类异常的特征分别找出每一类异常的遴选方法,再将这4种挑选方法相结合形成地震噪声实时监测系统。选取福建省85个测震台站2013年7月份的噪声记录进行验证,结果表明:85个台站应用地震噪声实时监测系统识别出来的异常正确率都达到90%以上,遴选效果很好,可用于对台站噪声实时监测。 相似文献
5.
本文介绍了一套基于人工智能的实时地震处理系统,该系统采用深度学习方法检测地震,具备地震检测、到时拾取、震相关联、地震定位和震级测定功能,可实时和离线处理连续地震波形数据和密集地震序列,产出的地震目录定位精度高、完备性和一致性好.以云南漾濞Ms 6.4地震序列为例,可在震后2～4 min内产出地震目录,检测出的地震数量比人工多2～3倍,定位精度与人工处理结果相当,震级测量误差小,震级处理下限可达ML 0.0级左右.该系统不仅可应用于省级区域地震台网,也可用于密集地震台阵,水库、矿山和火山等专用台网的实时处理,基于该系统产出的结果,可进一步计算b值变化,分析地震时空演化特征,开展序列实时精定位,为地震应急、地震预测预报和相关科学研究提供重要数据.该系统对于优化我国地震数据自动处理流程,提升地震编目工作的自动化水平具有重要意义. 相似文献
6.
本文基于波形相似性提出了一种适用于地震序列中单台事件目录校正的方法。以福建仙游地震序列为研究对象,应用双差地震定位（HypoDD）算法对多台事件进行重定位,依据记录波形相似性将仙游地震序列事件划分为161个事件丛集,以多台事件重定位目录为参考,对单台事件目录进行校正。结果表明,本方法能够有效地实现单台事件目录的合理校正,有助于提升地震序列目录的完整性和地震目录的实用性。以HypoDD重定位目录为参考的校正目录可用于地震参数计算。分析校正后的仙游地震序列目录认为,序列中的单台事件主要由金钟水库库区局部应力调整诱发。 相似文献
7.
以JOPENS系统实时流接收为基础,应用Redis共享内存技术和近年来发展较快的深度学习震相自动识别技术,设计一套可7×24小时不间断稳定接收并实时识别连续地震流数据中P、S震相的系统,为地震台网实时数据处理提供一套辅助工具,并在福建省地震局测震台网128个台站的实时数据流上进行测试。该工具由Redis实时数据流共享模块与深度学习震相到时自动拾取、MSDP震相格式转换3个模块组成,可以实时接收并自动识别台网地震连续波形,生成P、S震相报告,并可导入MSDP人机交互工具进一步处理,在一定程度上可以减轻人工处理工作量。 相似文献
8.
基于特征值分解方法,本文讨论了一种适用于地方震事件S波震相到时拾取的自动处理算法。该算法计算参数少、简便快捷、易于实现,通过选用七个不同长度的时间窗,有效地减小了窗长选择不合理所引起的震相拾取误差。利用福建地震台网记录的9 855条三分向波形记录进行测试,结果表明:本文方法的S波平均拾取偏差为（0.003±1.34） s,其中79.6%的记录拾取偏差小于0.5 s,4.1%的记录拾取偏差超过2.0 s,说明本文方法能够满足日常工作基本需求。综上分析认为,波形记录质量是影响拾取算法结果精度的最主要因素,信噪比较高的记录,其S波到时拾取偏差显著优于信噪比较低的记录,对信噪比较低的部分记录进行带通滤波预处理后,S波震相拾取精度也有所提升。 相似文献
9.
对福建气枪源探测实验中所接入315个实时传输台站分1~10 Hz、0.1~1 Hz、10~60 s 3个频段进行台网噪声水平评估研究。统计240个小时的背景噪声记录，得到各台站的噪声水平MODE线，再利用本文提出的全球新高低噪声模型线与MODE线所占面积比来量化台网噪声水平，根据不同色标将台网噪声水平划分为十个等级进行评估，评选出优质台站。进一步研究背景噪声对气枪激发效果的影响，验证了台站接收能力与背景噪声密切相关，分析了不同台基（固定、加密、流动、海底）环境噪声水平的影响，得出环境噪声水平由低到高分别为固定台、加密台、流动台、海底台。通过台网噪声评估能有效提高气枪震源信号的检测能力，也为优质台站重点维护提供重要参考。 相似文献
10.
1