当涂地震站地方震Sc震相分析及康拉德面特征

2016年2月13日4时17分,芜湖市弋江区发生M_L 2.1地震,震中距43.75 km,震源深度8 km。当涂地震站记录的两水平向波形均出现3个明显震相,前面2个震相分别为Pg、Sg,在横波Sg震相之后又出现一个振幅较大的不明震相。通过分析,发现该不明震相为康拉德面上的反射波Sc。分析马鞍山测震台网记录的初动较清晰的6个Sc震例,对Sc走时和震中距进行拟合,得到康拉德面上方横波速度为3.59 km/s,康拉德面深度在20.35—23.85 km之间,与已知相关数值接近。     

关于近震震相的若干问题

针对在地震观测领域中存在的关于近震震相识别的若干实际问题，包括:P(Pg)与S(Sg)是否直达波；S(Sg)与Lg，g与P(Pg)是否两种波；区域走时表中的震相；地震观测报告中的震相符号和识别；mLg与ML的关系等问题，进行了讨论，阐明了一些模糊的认识．      

吉林松原5.8级震群震相特征

选取2013年松原5.8级震群23个M_S≥3.0地震事件,通过地震波的振动持续时间、速度、周期、振幅等,进行震相识别,综合分析发现：该区域土层较厚,且震源相对较浅,面波较发育,波列的振动持续时间较长;地震震相主要以Pn、Sn、Pg、Sg、PmP、SmS为主：其中PmP、SmS震相在震中距70—110 km范围内较易识别;Pn、Sn震相在震中距150 km以上可较清晰的识别,随着震中距增大,Sn震相在震中距350 km以上将不易识别。     

单台sPL震相测定珊溪水库地震震源深度

稀疏台网下的传统走时定位难以确定中小地震的震源深度,而地震波深度震相蕴含着震源深度信息,为确定地震震源深度提供了新的途径。近震深度震相sPL和直达Pg波到时差与震源深度呈线性关系,可用以约束地震震源深度。本文以珊溪水库2014年震群事件为例,利用单台sPL震相测定了地震震源深度。结果表明:震源深度的测定结果与基于水库台网高密度台站下Pg和Sg走时定位Hyposat方法和全波形拟合CAP方法测定的震源深度高度一致,为4—6 km,与区域活动断层探测结果相符。sPL震相的优势震中距为30—50 km,区域台网范围内sPL与Pg的到时差与震源深度的线性关系相对固定,因此利用单台sPL震相即可快速获取可靠的地震震源深度,适用于稀疏台网下的中小地震震源深度的确定,且误差可控制在1—2 km范围内。      

乌兰浩特地震台典型地震事件震相特征分析

选取乌兰浩特地震台记录到的典型天然地震事件及爆破事件,根据断裂带分布及波形记录特征,分析地震及爆破事件的震相特征.结果表明,研究区域近震波形Pn、Pg、Sn、Sg震相及Sm面波较清晰,Pg、Sg波走时差一般不大于23 s,与中国地震台网中心发布的MS震级间的偏差一般小于0.6级;远震P、S、pP、sP震相可较清晰识别,Pm、L面波记录较明显,P、S波走时差一般不小于25 s,震级偏差一般小于0.4级,且通过震相特征及实地考察发现,爆破多为霍林郭勒区域爆破事件.     

乌兰浩特地震台典型地震事件震相特征分析

选取乌兰浩特地震台记录到的典型天然地震事件及爆破事件,根据断裂带分布及波形记录特征,分析地震及爆破事件的震相特征。结果表明,研究区域近震波形Pn、Pg、Sn、Sg震相及Sm面波较清晰,Pg、Sg波走时差一般不大于23 s,与中国地震台网中心发布的M_S震级间的偏差一般小于0.6级;远震P、S、pP、sP震相可较清晰识别,Pm、L面波记录较明显,P、S波走时差一般不小于25 s,震级偏差一般小于0.4级,且通过震相特征及实地考察发现,爆破多为霍林郭勒区域爆破事件。     

辽宁测震台网地震观测报告质量分析

就地震分布、震相质量、深度分布以及地震震级等,对辽宁测震台网2010-2017年地震观测报告进行分析,得到辽宁地区地震波主要震相的平均传播速度,分别为：Pn震相平均传播速度为7.87 km/s,Pg震相平均传播速度为4.48 km/s,Sn震相平均传播速度为4.48 km/s,Sg震相平均传播速度为3.56 km/s,认为引起震相走时偏差较大的主要原因为地震定位误差及震相不易识别。     

首都圈地区Pb震相典型特征与康拉德界面研究

Pb震相是近震震相中的一个重要震相.关于Pb震相典型特征的总结和分析,对指导区域台网工作人员如何识别该震相,丰富台网观测报告震相产出,提高地震定位精度和确定康拉德界面等相关研究具有重要意义.但由于识别困难,国内很少有系统进行有关Pb震相的识别和研究工作.本研究采用首都圈地区高密度台网2009-2015年记录到的369个ML≥2.5地震事件的波形资料,重新分析震相并识别出1153条Pb震相.基于震相资料,利用时频分析、多项式拟合、射线分析、最小二乘法、联合反演、理论走时计算等方法进行研究,并在结合前人研究结果的基础上,我们得出:在首都圈及邻区,在肉眼可识别时频域内的特征来看,通常容易识别的Pb的振幅或频率高频部分相对比初至Pn和Pg大或高,也有振幅变小或者频率变化不明显的情况,这可能与震源机制、台站方位、场地响应、仪器类型等方面有关.时频分析、功率谱密度和肉眼识别分析的结果表明,P波的主要能量集中在相对低频部分,Pn,Pb,Pg,PmP四种震相(本研究以后提到的震相顺序只考虑这四种震相)有很强的共性,区别在于传播路径上的不同,频率或观测记录周期上的小幅度差别.在Pg作为初至波时,Pb震相的低频主频部分与Pg震相的低频主频部分带宽差不多(受到包含Pg震相的影响),但是高频主频部分频率更高,Pb到时在Pg之后,PmP之前.Pn作为初至波时,Pn震相低频主频部分带宽比Pb宽,但是Pb高频主频部分频率相对更高,Pb在Pn之后,在Pg之前.鉴于震源深度对Pb到时顺序的影响,及其在定位结果中精确度最差的情况,在震中距约在80~140km范围内时,得考虑区域地壳厚度横向不均匀、震中距、震源深度等情况并结合波形特征,来判定Pb是否为初至震相.Pb震相在康拉德界面的平均传播速度约为7.0km·s^-1,康拉德界面平均深度约为23km.Pb射线的分布情况直接证明了康拉德界面在首都圈地区的分布是连续的.基于本研究利用Pg,Pb,Pn,PmP震相走时联合反演所得模型计算的理论走时结果和实际观测结果一致进一步证明了我们结果的可靠性.     

德令哈地震台国内外中强震震相记录特征

选取德令哈地震台2007-2017年数字地震记录,对于国内外不同方位、不同震中距、不同地区、不同深度的典型中强地震,使用广东省地震局研发的单台分析处理软件MSDP,从地质构造、波列特征、P波初动、S波与P波震相到时差、主要震相、最大振幅、震中距等方面,分析所选取地震震相特征。结果表明,不同构造区域的介质差异性及震源深度、地震波传播路径的不同,导致德令哈地震台记录的各地区地震震相特征不同。     

天津市测震台网Sg震相到时残差大的原因分析

为进一步定量分析近年来天津市测震台网编目中发现的Sg震相到时残差比较大的原因,采用多种速度结构模型及适当固定震源深度等途径,对2009~2012年间发生在天津及邻近地区的地震事件计算Pg、Sg震相到时差,并对相关因子做统计分布图。结果表明速度模型变化引起Sg震相到时较大残差的作用更明显,而小范围的震源深度变化对Pg、Sg到时残差影响不大。为进一步改善天津地区的速报精度和计算误差,建议适当降低该区域的S波模型速度值或对该地区的台站增加适当的走时静校正值。     

基于深度学习的地震检测模型在区域台网的泛化性研究

将识别地震的深度学习算法PhaseNet应用于四川台网和首都圈台网, 对该模型的泛化能力进行了测试和评估。 首先利用2010年1月至2018年10月首都圈台网199个地震台站记录的29328个事件(M_L0~M_L4)所对应的126761段事件波形, 以及 2019年4—9月四川及邻省部分台网227个地震台站记录的16595个事件(M_L0~M_L6.0)所对应的120233段事件波形分别建立了SC和CA测试数据集, 并用预训练好的PhaseNet模型进行P、 S震相自动识别和到时拾取, 并将拾取结果与人工拾取结果在不同误差阈值下进行对比。 测试结果表明, PhaseNet在两个数据集上具有良好的震相检测能力(误差阈值为0.5 s), 其P、 S震相检测的F₁值都超过0.75, 具有比较稳定的准确拾取P波到时能力(误差阈值0.1 s), 其检测F₁值均超过0.6, 而S波到时拾取的F₁值分别为0.33(SC)和0.53(CA)。 进一步分析了测试结果与震中距、 震级、 信噪比、 台站所处地域之间的关系, 为下一步继续训练更优化的模型指明了方向。 研究结果表明, PhaseNet算法在区域台网地震自动检测和到时拾取方面有很大的应用潜力和提升空间, 可以为区域台网的自动编目工作提供辅助。     

东濮拗陷地区地震震相特征分析

东濮拗陷位于河北平原地震带东南部，南邻河淮地震带，东与郯庐地震带相望。东濮拗陷受控于新北东向的聊兰断裂、黄河断裂和长垣断裂，对该区的地质构造特征、地震特征、震相特征等进行了研究。指出，东濮拗陷区的地震属浅源地震，该区有康氏面存在，地震台可记到清晰的康氏面反射波P^＊。     

地震波频散效应与反Q滤波相位补偿

本文以Futterman提出的地震波振幅衰减和相速度频散表达式为基础,从井震匹配的角度出发,推导了不进行反Q滤波、仅反Q滤波振幅补偿、仅反Q滤波相位补偿,以及反Q滤波相位与振幅同时补偿四种情况下,地震波速度频散与相速度及地震记录振幅谱间的表达式,并从理论上说明了反Q滤波相位补偿的必要性.通过相同观测系统,炸药震源和可控震源分别激发采集的零偏移距VSP资料实例,验证了本文所推导的速度频散表达式的合理性;通过井震标定实例,进一步说明了反Q滤波相位补偿,可有效消除地震子波速度频散,提升地面地震资料与零偏移距VSP走廊叠加剖面的匹配度,最终提高地震资料成果的可信度.     

基于机器学习算法的银川台阵资料自动化震相分析和定位

近年来快速发展的机器学习算法显著提高了震相拾取的精度和效率。 采用卷积神经网络和递归神经网络的震相识别方法对银川台阵2019年6~7月的连续波形数据进行事件检测和P、 S震相拾取, 并通过快速震相关联和事件定位得到了银川地区较全的地震目录。 结果表明, 当震相数小于10时, 虽然可以检测出较多事件, 但分布呈弥散状, 与区域地震活动特征不符。 进一步对震相数≥10的事件进行了人工复核。 总体而言, 随着震相数量的增加, 事件的误检率逐步降低。 震相数16是该地区自动检测和定位结果准确性的拐点。 当震相数≥20时, 全部召回了地震目录中的13个地震事件, 二者平均定位差异4.27 km。 经过人工复核, 检测到的真实地震事件为区域内地震目录中事件数量的9倍。 本文使用的基于机器学习和快速震相关联和定位方法的流程可在确保准确率的基础上降低人工检测的难度, 提高地震检测的效率。     

Seismic interferometry by tangent‐phase correction

We present a modified interferometry method based on local tangent‐phase analysis, which corrects the cross‐correlated data before summation. The approach makes it possible to synthesize virtual signals usually vanishing in the conventional seismic interferometry summation. For a given pair of receivers and a set of different source positions, a plurality of virtual traces is obtained at new stationary projected points located along the signal wavefronts passing through the real reference receiver. The position of the projected points is estimated by minimizing travel times using wavefront constraint and correlation‐signal tangent information. The method uses mixed processing, which is partially based on velocity‐model knowledge and on data‐based blind interferometry. The approach can be used for selected events, including reflections with different stationary conditions and projected points with respect to those of the direct arrivals, to extend the interferometry representation in seismic exploration data where conventional illumination coverage is not sufficient to obtain the stationary‐phase condition. We discuss possible applications in crosswell geometry with a velocity anomaly and a time lapse.     

基于“加速度台阵”的近震震相识别方法

本文提出了一种在近震条件下,确定台阵三分向记录图中Pg波震相的初至识别方法,并对美国UPSAR台阵记录到的2003年发生在圣西门(San Simeon)地区6.5级的地震数据进行了Pg波震相分析和识别.分析结果表明,本文提出的震相识别方法是有效的.     

地震场源应变前兆的区别及其三维有限元模拟

以组合模式为基础,用三维有限元方法计算了两个模型,主要研究结论是:①在大地震发生前,调整单元首先破裂,其应变随时间变化曲线呈准"λ"型;②在调整单元破裂后,积累单元破裂,其应变随时间变化曲线呈"λ"型;③在断层垂直方向上应变衰减很快,而沿断层走向方向衰减很慢;④场区各单元的情况很复杂,其应变随时间变化的曲线呈非"λ"型。并用数值分析方法证实了组合模式的正确性,还用结论(1)解释了几种前兆现象。     

一种基于模板匹配的震相关联和提取技术及其初步应用

本文提出一套有别于常规模板匹配算法的流程,不仅能够提供被识别地震的时间、空间、强度信息,还可根据震相关联提取每个地震对应的震相到时资料供后续研究使用。该流程基本原理为:地震事件发生会使得震相记录在时间上趋于丛集,因此可利用密度聚类方法对震相信息进行提取。具体实现步骤为:(1)对采用相同降采样和滤波处理的模板事件和连续波形进行互相关系数计算,挑选相关性超过阈值的到时信息形成离散时间序列;(2)对整个序列进行DBSCAN聚类分析并对每个聚类簇开展自洽性检验,获取单个地震的震相关联,进而提取震相到时;(3)通过去重复事件、震级测算与定位获得最终的结果。将该方法应用到龙门山断裂带南段地震空区,结果显示,2013年5月至2016年12月,35个模板共获得了93个确切的地震信息,是所使用模板的2.65倍,包含390条P波震相以及791条S波震相。绝大部分模板并没有识别出自身的重复/相似地震,而被识别出的地震是由少量模板匹配成功的,主要分布于双河和安顺附近。精定位结果显示,双石-大川断裂倾向NW,同时在安顺以西可能存在某条不知名的、浅部直立、深部倾向NW的"铲状"断裂,震源深度与芦山地震序列类似,存在自SW至NE变深的现象,可能反映了龙门山断裂带南段不同段落具有类似的构造特征。测试结果表明,本文设计的流程可提供包括震源参数和每个地震震相到时信息在内的完整震相报告,在模板识别领域可作为一套计算机自主处理的可行方案。     

Quick Phase Identification for Dense Seismic Array with Aid from Long Term Phase Records of Co-located Sparse Permanent Stations

The phase identification and travel time picking are critical for seismic tomography, yet it will be challenging when the numbers of stations and earthquakes are huge. We here present a method to quickly obtain P and S travel times of pre-determined earthquakes from mobile dense array with the aid from long term phase records from co-located permanent stations. The records for 1 768 M ≥ 2.0 events from 2011 to 2013 recorded by 350 ChinArray stations deployed in Yunnan Province are processed with an improved AR-AIC method utilizing cumulative envelope and rectilinearity. The reference arrivals are predicted based on phase records from 88 permanent stations with similar spatial coverage, which are further refined with AR-AIC. Totally, 718 573 P picks and 512 035 S picks are obtained from mobile stations, which are 28 and 22 times of those from permanent stations, respectively. By comparing the automatic picks with manual picks from 88 permanent stations, for M ≥ 3.0 events, 81.5% of the P-pick errors are smaller than 0.5 second and 70.5% of S-pick errors are smaller than 1 second. For events with a lower magnitude, 76.5% P-pick errors fall into 0.5 second and 69.5% S-pick errors are smaller than 1 second. Moreover, the Pn and Sn phases are easily discriminated from directly P/S, indicating the necessity of combining traditional auto picking and integrating machine learning method.     

基于地震背景噪声的四川威远地区浅层速度结构成像研究

地震S波速度是防震减灾中场地分类、强地面震动模拟建模等的重要参数.地震背景噪声成像方法可以重建地下浅层三维结构以及探测浅层速度结构变化,为页岩气开采提供参考,有效规避地震灾害风险.本文收集了2015年11月至2016年2月间四川威远地区50个流动台站记录到的垂直分量连续波形记录,利用波形互相关提取2~6 s的基阶Rayleigh波经验格林函数,采用一维地壳结构模型拟合相速度频散曲线,获得了该区域近地表5 km以内的三维S波速度模型.结果表明,威远地区深度2 km以内的S波速度为2.0~2.7 km·s^-1;2.0~5.0 km深度的S波速度横向分布不均匀,西北地区大于2.7 km·s^-1,东南地区在2.3~2.8 km·s^-1之间,分别与背斜构造和较厚的盆地沉积层相对应.3个剖面图均表明S波速度随着深度的增加而逐渐增大,并且在台站S29附近的页岩气田钻井底部与2016年1月7日四川威远M_L3.9地震震源位置较为接近,均处于松散的沉积盖层与较为坚硬的花岗岩基底的分界处,推测它们之间可能存在一定的联系.