共查询到20条相似文献,搜索用时 550 毫秒
1.
从自然、仪器自身、人为干扰、外界环境等干扰因素的典型表现,对永安地磁台FHD-2B质子磁力仪观测数据进行分析,识别并剔除干扰,为进一步提高地磁观测资料质量提供依据。 相似文献
2.
地磁秒采样仪器观测过程中,易受各种环境干扰造成数据异常,如磁暴、高压直流输电、人为干扰、仪器故障等,不易被发现并识别,若不能及时处理,将会造成观测数据质量下降。若诸多干扰与磁扰叠加,将更不易识别,导致数据的错误处理。为了提高观测质量,利用现有编程技术,开发地磁秒采样数据智能分析系统软件,实现对地磁观测仪器工作状态、各种干扰、磁暴等现象的实时监控和分析,及时发现异常并报警,同时利用多台数据对比智能分析软件,对复杂干扰和高压直流输电干扰进行自动识别,并数据曲线中标示干扰位置,提高数据资料处理的准确性和有效性。 相似文献
3.
4.
通过分析各种人为干扰(高压直流电、车辆、施工等)和磁暴、磁扰等磁场自然变化造成的地磁观测数据异常变化,研发一套用于地磁观测的多台FHD-2B仪器实时监控报警软件,以便能够快速、准确区分人为干扰和磁场自然变化,为地震预报研究提供真实、可靠的资料。 相似文献
5.
地磁观测中干扰抑制方法的发展及展望 总被引:1,自引:0,他引:1
地磁观测数据不仅具有学术研究意义,也是不可或缺的国家基础战略资源.但是,目前我国地磁台网中近1/3地磁台站正日益受到由外界人工电磁干扰源的干扰,产出的地磁观测数据质量下降.如何选用合适的技术方法对干扰进行辨识是目前地磁台网运行中数据处理的热点和难点.基于此本文从地磁观测数据中分析及抑制方法中遇到的主要问题入手,对现代信号处理技术在地磁数据分析及干扰抑制方面的应用进行归纳总结,作为现代信号处理的演化的新方向,介绍了智能信息处理理论中数据融合、数据挖掘等技术在地磁数据分析方法的发展及展望中谈及.研究发现,智能信息处理是地磁数据中干扰辨识及抑制领域有效技术和今后发展趋势,也是地磁观测数据综合处理中值得借鉴和学习的有效技术之一. 相似文献
6.
7.
成都地震监测中心站地电阻率交、直流2套观测系统为并行观测,选取2022年1—2月观测数据,分别从观测结果、抗地铁干扰、对同台地磁观测影响等方面进行对比分析,结果表明,2套观测系统地电阻率测值相近,交流观测系统精度更高,数据质量更佳,抗地铁干扰性能良好,且在供电测量时不会对同台地磁观测造成干扰影响。通过对比分析,有利于加深对观测系统和各类干扰的认识,并为其他电磁观测台站提供参考。 相似文献
8.
地磁台站的观测数据除受到磁暴等自然因素影响外,还受环境和仪器故障等因素的影响.分析乌什地磁观测的人为干扰、数采故障及磁暴等自然因素对磁场的干扰类型和观测数据变化,并给出干扰的解决办法,为进一步提高地磁观测资料质量提供依据. 相似文献
9.
10.
11.
2016年以来石柱地震台地磁观测数据明显受到环境干扰,与相邻地震台日均值数据进行相关性分析,确定在干扰时段内,地磁观测数据主要受台站环境改造及周边建筑施工影响。据干扰产生原理将干扰源分为铁磁性和电磁性干扰,分析干扰时段内地磁观测数据曲线典型特征,为今后地磁台站选址及干扰判别积累经验。 相似文献
12.
介绍了山东省地磁FHD观测的基本情况,选取各台2011—2015年的观测数据,从资料的连续性、完整性,仪器背景噪声,相对差值,数据变化形态及主要干扰等方面进行了分析探讨。结果表明:各台地磁FHD观测资料保持了较高的连续性和完整性,数据能满足分析预报的使用要求;仪器背景噪声良好,整体在全国省级地磁台网中处于中上水准;通过多台相对差值检测发现我省地磁FHD数据总体拟合程度较好,一致性较高,数据可靠,可为地震预测研究提供可靠的数据支持。数据变化方面,地磁静日变化平缓,曲线平滑,呈比较规则的"双峰一谷"形态,波谷时间点相对比较固定,不同季节的地磁总场F数据变化幅度存在差异;地磁扰日,特别是磁暴发生时,地磁各分量出现明显突跳,多为无规则变化形态。日常观测中,主要受到高压直流输电、信号线长度过长和交流电线路并行及人为等干扰。 相似文献
13.
地磁观测数据不仅具有学术研究意义,也是不可或缺的国家基础战略资源。但是,目前我国地磁台网中,近1/3地磁台站正日益受到由外界人工电磁干扰源的干扰,产出的地磁观测数据质量下降。本文系统地调研分析了我国地磁台网中常见的人工电磁干扰源及其在全国地磁台站的分布情况。研究了这类常见干扰源的干扰影响机理和模式。进而“对症下药”,引入适当的数字信号处理方法对干扰进行辨识和抑制。 相似文献
14.
青海省地磁FHD质子矢量磁力仪观测已投入运行3年有余,为了提高地磁FHD质子磁力仪观测质量,通过对西宁、德令哈、都兰、湟源、大武5个地震台FHD仪动态变化曲线的分析,给出合理的预处理方法与技巧。 相似文献
15.
16.
17.
随着越来越多高压直流输电线路的投入运行,地磁观测数据质量受到了严重影响.现有以人工或半人工方法识别高压直流输电干扰事件的工作量也随着受干扰范围的不断扩大和地磁观测仪器的增多而成倍增加.为了高效、准确地识别地磁观测数据中的高压直流干扰事件,本文基于卷积神经网络和长短期记忆神经网络,提出了一种高压直流输电干扰事件自动识别深度学习模型.利用2012年1月1日至2014年12月31日地磁台站原始观测数据,结合专家标注的持续时间在2 h内的高压直流输电干扰事件记录,制作高压直流输电干扰样本34360条,正常样本34360条.模型在训练集上的准确率达到了94.12%,验证集上的准确率达到了92.94%,测试集上的准确率达到了92.86%.初步研究表明深度学习方法在识别地磁观测数据中的高压直流输电干扰事件中具有较高的准确率,为下一步自动识别地磁观测数据中的车辆干扰、基建工程干扰、轻轨干扰等其他干扰事件提供了一种新的思路. 相似文献
18.
《地震地磁观测与研究》2016,(4)
对北京国家地球观象台2008年1月—2014年12月地震前兆观测手段地磁、形变和重力干扰,从环境干扰、人为干扰和其他干扰,对观测产生干扰原因、干扰记录特征进行分析,并对各项干扰及时采取合理、有效的解决措施,提高地震前兆资料的使用价值。 相似文献