用逐步代价最小决策法识别地震与爆破

在动态时间规整法的基础上, 建立了逐步代价最小决策法(SAMC). 该方法中的代价函数可以很好地反映特征归属, 对较差的特征具有一定的“容忍度”、 稳定性好, 还可用全程代价函数评判识别结果的可信度. 用SAMC方法对北京及其周边地区33次地震和29次爆破中提取的5个分类特征量进行识别, 识别率为90%; 从该5个特征量中选择较好的3个特征量进行识别, 识别率为92%; 在上述地区另选13次事件作为检验样本进行U检验, 5个分类特征量和3个分类特征量的识别率分别为92%和100%, 识别效果很好. 这表明SAMC是识别地震与爆破的有效方法.      

振幅衰减特性在地震与爆破识别中的应用

基于小震级地震与爆破事件,从快速识别要求出发,分析了P波初动振幅AI和P波最大振幅AP分别与S波最大振幅AS的幅值比判据及其对事件的识别能力．考虑到传播路径对地震与爆破各振幅的影响,选用合理的振幅随距离衰减公式,分别研究了P波、 S波各振幅随震中距的衰减特征,结果显示爆破振幅衰减比地震快; 在100 km处进行衰减校正后重新计算P波与S波幅值比,得到经过衰减校正后的幅值比AI/AS正确识别率从84%提高到98%,AP/AS正确识别率从92%提高到100%,表明经衰减校正后的幅值比判据可以更好地应用于小震级地震与爆破的识别中．      

v-SVC算法在地震与爆破识别及窗长度选取中的应用

对天然地震与人工爆破的波形记录,本文用v—SVC支持向量分类机对由波形记录获取的香农熵特征进行了分类识别,效果较好;并对波形记录选取不同的信号窗长度,用v—SVC支持向量分类机分别进行了识别检验。结果表明:窗长度对识别效果有影响,以窗长度为2000点的识别效果最好,识别率达98%。这也表明,在地震与爆破的识别中,合理地选取波形记录的信号窗长度也是重要的。     

明灯一号及邻近地区地震与爆炸的识别

通过明灯一号大当量爆破资料,挑选其周边地区天然地震和人工爆破事件,研究天然地震和人工爆破事件的波形记录特征,并应用两种模式进行识别。结果表明振幅比判据能反映天然地震与人工爆破的本质区别,可以作为识别两类事件的有效判据。两种模式识别方法的U检验效果较好,表明该研究的特征和方法具有实际应用前景。     

利用小波包变换时频谱识别宁夏及邻区的地震和爆破

采用dmey小波基函数分别对地震和爆破事件的垂直向记录信号进行小波包变换,计算各事件信号的归一化时频谱值以及P波和S波时频谱值达到最大时的频率fmp和fms,比较地震信号和爆破信号P波段(0～6.25Hz)和S波段(0～6.25Hz)在各相同分解频带内的瞬时谱最大值差异,寻找合适的单项定量识别指标,并综合各单项识别指标形成综合识别判据。运用综合识别判据对银川台记录到的宁夏及邻区14个地震事件和19个爆破事件进行判别,结果表明,各单项定量识别指标的识别率均在80%以上,综合判别结果均与事件的真实类型一致。     

地震与爆破的小波包识别判据研究

利用sym5小波包基函数对小震级天然地震和人工爆破波形进行4层小波包分解并绘制了时频谱图.通过时频谱图可直观得出, 爆破频率成分简单, 时频谱聚集性较好. 为寻求定量的识别指标, 综合P波和S波小波包变换结果, 提出并定义了P/S能量比. 分析识别效果较好的 P/S能量比判据得出爆破的P波主频集中在频段3.125—9.375 Hz处, 地震频率成分较复杂, S波在高频12.5—23.4375 Hz处也较发育, 在这些频段上, 爆破的P波与S波差异要大于地震的P波与S波差异. 作为小波包判据研究的补充, 文中也提取分析了P波的能量比与S波的能量比. 能量比判据识别结果表明, 人工爆破与天然地震的频率成分存在差异, 通过小波包变换能够提取有效的识别判据.      

乌兰浩特地震台爆破与地震记录识别判据

选取乌兰浩特地震台爆破及地震波形数据记录,采用小波分析方法,提取地震及爆破的3种波形特征,使用v-SVC支持向量分类机进行分类能力的效果检验,结果表明,WPT(db4)+香农熵特征+v-SVC的组合最佳,可作为该台爆破与地震记录的快速识别判据。     

识别天然地震和人工爆破的判据选择

从快速识别事件性质的要求出发,分析了天然地震和人工爆破的发震时间,P波初动方向,P波、S波振幅比值,P波、S波最大振幅与尾波持续时间比值等判据,得到P波初动方向和P最大振幅与S最大振幅比值是识别爆破和地震的两个有效判据,为研制“识别天然地震和人工爆破的分类决策支持系统”提供了应用依据.     

基于最近邻支撑向量特征线融合算法的核爆地震识别

为增强核爆地震模式分类器的泛化能力以提高对核爆炸事件的准确识别能力,论文提出了一种选择支撑向量样本集来表征训练样本集的最近邻支撑向量特征线分类算法,用以训练时扩展核爆地震的训练样本库,提高分类器的泛化能力.该算法用于核爆炸和地震的识别结果发现,和最近邻特征线分类器相比,提出的算法降低了计算复杂度,但识别能力却有些许降低.对新算法的分析发现,纯粹的支撑向量集不能完全代表原始样本空间集,支撑向量比例在其中有重要作用,为发挥支撑向量比例的作用以提高核爆分类器的识别能力,提出了最近邻支撑向量特征线融合算法.最后以核爆地震数据库对上述算法进行了检验和分析,理论分析和识别结果证实,在相同的训练样本选择条件下,最近邻支撑向量特征线融合算法对于核爆炸的识别来说具有较好的泛化能力,正确识别率达到90.3%,且优于支持向量机算法和最近邻特征线算法.     

基于MFCC样本熵和灰狼算法优化支持向量机的天然地震与人工爆破自动识别

针对天然地震与人工爆破波形特征相似、难以区分的情况,结合灰狼优化算法和支持向量机,提出一种地震事件性质辨识新方法.通过梅尔频率倒谱系数法对2013年四川芦山地震地震事件信号和人工爆破信号进行分析,进过预加重、FFT、梅尔滤波及离散余弦变换等步骤,提取静态系数样本熵、一阶差分系数样本熵和二阶差分系数样本熵等作为样本特征集.使用灰狼算法优化支持向量机径向基核函数 RBF中的惩罚系数和核函数半径形成新的 GWO-SVM 分类器,然后对事件进行辨识.结果表明:GWO-SVM 分类器辨识效果明显优于 SVM、RobustBoost集成学习、LDA、PLDA 等分类器,其在1000次循环识别实验下的准确率均值相对 SVM 提高了9．2个百分点,标准差降低了3．2以上;t检验证明 MFCC样本熵各特征具有可靠的地震事件分类效果;GWO-SVM与 MFCC样本熵可作为天然地震事件与人工爆破事件的辨识方法与分类判据.     

基于深度学习残差网络模型的地震和爆破识别

为加强对地震台网记录的天然地震与人工爆破事件进行准确的性质识别,本文基于深度学习技术中的残差网络模型,提出了一种新的爆破识别方法,并根据北京数字遥测地震台网及国家数字测震台网中心记录的波形数据及其发布的包含事件性质的地震报告,选取河北三河采石场的93次爆破事件和54次周边地震事件的波形功率谱,分别采用不同的训练样本比例进行了100次和1 000次独立的随机抽样子试验以及 “留一交叉验证法” 试验,对人工爆破与天然地震进行了识别研究。试验结果表明,深度学习残差网络模型在天然地震与爆破事件的性质识别中具有很高的识别率且效果稳定,具有较好的应用前景。      

基于广义S变换的地震与爆炸识别

为了进一步增强区域台网针对天然地震与人工爆炸事件的识别能力,本文利用广义S变换方法,围绕河北省三河采石场爆破以及周边发生的天然地震波形记录展开研究,总结了地震与爆炸在时频谱中的差异性。研究表明,受震源机制影响,天然地震时频谱图的频带范围更宽广,能量团分布也较人工爆炸更为复杂。为了消除震中距的影响,本文将求解的时频谱保存为规格相等的灰度图像,通过滑动窗口计算图像的灰度一致性得到新的识别判据?谱图二阶矩。对三河地区已知地震和爆炸事件的测试表明,谱图二阶矩对单台波形记录的识别率可达91%,多台求取平均值之后的识别率超过98%,因此该判据具有良好的应用前景。      

Discrimination of earthquakes and explosions using multi-fractal singularity spectrums properties

A new method of discrimination of seismic records from earthquakes and explosions is proposed which is based on using properties of their multi-fractal singularity spectrums. The efficiency of the method is illustrated by analysing seismic records from the region of Aswan Dam in Egypt. Current pattern of seismicity in the Upper Egypt is composed by three types of records: tectonic earthquakes, reservoir-induced earthquakes and seismic events generated by quarry blasts. To discriminate quarry blasts from earthquakes of both natures, multi-fractal analysis of records were used. Singularity spectrum support width and multi-fractal generalised Hurst exponents were calculated for all seismic events in the selected data set from a given area. The linear Bayesian discriminator using these characteristics of seismic records provides correct classification for 93 % of earthquakes records and for 99 % of quarry blasts records.     

江苏地区天然地震与人工爆破识别研究

选取江苏数字地震台网记录的部分天然地震与人工爆破波形数据,通过波形对比分析、震幅比以及频谱等方面的对比发现两者之间不同之处。把这些不同的方法应用到数字地震台网实际工作中,能够快速有效地分辨出天然地震和人工爆破,为今后震相的识别提供可靠依据。     

Isotropic and Nonisotropic Components of Earthquakes and Nuclear Explosions on the Lop Nor Test Site, China

—?We test the hypothesis that the existence of an observable non-zero isotropic component of seismic moment can be used as a discriminant to distinguish nuclear explosions from shallow earthquakes. We do this by applying the method described herein to a small set of data recorded between 1990 and 1996 following events (seven nuclear explosions, three earthquakes) that occurred on the Lop Nor test site in Western China. We represent each source as a sum of an isotropic component at the surface and a nonisotropic, double-couple component at an estimated depth. The explosions all possess a significant non-zero isotropic component and the estimated depth of the double-couple component of the moment tensor, presumably the result of tectonic release, lies between about 0 and 3?km. For the earthquakes studied, the isotropic component is indistinguishable from zero and the depths of the sources are estimated at 3, 17 and 31?km. The data set we have studied, although still very small, suggests that certain source characteristics (namely, double-couple depth and the ratio of the isotropic to nonisotropic components of seismic moment) may prove useful in discriminating explosions from shallow earthquakes. Further work is needed to determine whether these observations hold for explosions at other test sites, to investigate a much larger set of shallow earthquakes located in regions of interest, and to study the robustness of the estimated source parameters as source magnitude and the number of observing stations decrease.     

震源性质的时频分析与事件识别

应用时频分析技术研究了近年来发生在朝鲜半岛的核爆炸、化学爆炸与天然地震事件的识别问题,计算了上述三者的瞬时频率、瞬时振幅谱与群延迟等多项参数,提出地震与爆炸的识别指标.初步研究结果表明,对较大事件,上述三者来自震源的激发频率信息有明显差异性,核爆炸源激发的频率明显高于地震,化学爆炸最低.特别是,这些信息指标对于识别小当...     

基于信号包络线相似性的特定场地地下爆炸识别方法研究

基于信号包络线相似性, 本文提出了特定场地地下爆炸的识别方法, 并将其用于一个特定场地地震事件分析, 以评估该方法对特定场地爆炸事件的识别效果. 结果表明, 在误警率约为6.3%的情况下, 事件间距小于15 km的爆炸事件漏检率约为0.5%, 事件间距在15—30 km范围内的爆炸事件漏检率约为5.0%. 与波形互相关方法相比, 本文方法大幅扩大了有效识别特定场地爆炸事件的空间范围.      

震源性质的倒谱分析ht

介绍了倒谱的概念．从天然地震与人工爆炸的震源差异入手，推断震源差异在各域的反映形式，探索表征这种震源差异的有效途径．将震源识别的研究方法从时间域、频率域扩展到倒谱域，提出了识别震源性质的倒谱分析方法，建立了一个震源类型的识别判据．对近年来发生的一些地震及爆炸事件进行了倒谱分析，结果表明该方法具有良好的效能．