利用小波变换方法分析形变观测资料的正常背景变化特征

为定量刻画数字化形变观测资料中背景信息和噪声的时 频分布特征, 本文应用二进小波变换方法, 通过对小波分解的主模特征和随机白噪声识别因子变化特征分析, 剖析了山东数字化形变观测资料的正常动态背景和噪声变化规律. 结果表明, 当尺度取2, 3和4时, 分解后的细节部分存在着1/4日波、 半日波、 日波和半月波等准循环周期信号, 其中尤以尺度为3时的信号波幅最大; 尺度取1和5时的细节部分主要包含着噪声; 通过分析和追踪指定尺度的数字化形变观测资料小波变换的非震异常特征变化, 可望捕捉到与强地震孕育过程有关的前兆异常信息.      

基于小波分解与同步挤压变换的西昌小庙台形变典型干扰的时频响应特征研究

为高精度识别定点潮汐形变观测中干扰信号的时频响应特征,提出一种基于小波分解和同步挤压变换的形变干扰数据分频时频分析方法.首先,选用合适的小波基和分解层数对原始数据做多尺度分解和重构,提取出目标异常干扰分量信号;其次,基于分频策略采用高频分辨率较好的同步挤压广义S变换处理高频干扰分量,采用低频分辨率较好的同步挤压小波变换处理中低频干扰分量,同步挤压变换可以在传统方法结果基础上进一步“挤压”瞬时频带,获得更高精度的时频谱结果.利用该方法处理分析2016—2020年西昌小庙台形变观测中受调零标定、人为进洞、道路施工交通、抽水、降雨、地震波等因素影响的典型干扰数据,得到各类形变观测手段在不同干扰因素下的时频响应特征,为准确识别干扰及异常特征提供时频谱特征方面的参考.     

GNSS不同类型实验观测墩对不同类型噪声幅值影响分析

以小波分析方法为基础,对2 km范围以内的不同类型试验观测墩在同等观测条件下的GNSS时间序列的线性拟合残差进行sym8小波8尺度分解,得到不同尺度(也即不同频段)的噪声残差,然后将不同尺度的噪声残差组合成具有白噪声特性的高频部分、闪烁噪声特性的中频部分和随机游走性质的低频部分.仅分析了不同类型观测墩的被认为是GNSS固有的高频部分(白噪声)和中频部分(闪烁噪声)噪声幅值大小及变化情况.分析结果表明,在ITRF2005下按单日解采样并考虑观测误差及数据处理误差水平的情况下,可认为基岩、土层和楼顶标稳定性对白噪声及闪烁噪声幅值影响不大,在进行临震异常分析或震后形变异常监测时,上述不同类型观测墩观测数据基本满足要求.     

上海佘山钻孔形变观测资料正常背景噪声变化特征分析

对上海佘山钻孔形变观测资料正常的背景噪声进行初步分析并定量刻画其正常信息场的变化特征。结果显示:上海佘山形变观测资料的小波变换细节部分不同尺度包含着不同的信号成分,通过研究形变观测资料小波变换各尺度信号的非震异常特征变化,可能会捕捉到与地震孕育过程有关的前兆异常信息。     

小波变换在地电场数据分析中的应用

随着城镇化发展的加快, 上海的地电场观测受到来自周围环境噪声的影响日益严重, 这些噪声干扰对于地震前兆异常的分析判断带来很多不确定性. 本文主要探讨通过小波变换方法来分解地电场观测原始信号, 分析环境噪声对原始观测数据的影响强度. 利用异常信号的小波模值对比分析了滤波结果, 并通过绘制极化方位图检验了该方法在实际运用中的效果. 结果表明: 数字滤波方法能很好地去除日常干扰所带来的背景噪声, 对于重构的地电场信号, 也能较好地反映其原始信号变化特征; 滤波后的自然电场异常信号保留了原始信号中主要的变化特征, 并能反映其原始变化规律; 重构的地电场信号能够突出信号中异常信号极化方位角, 使极化方位收敛有利于实际运用.      

河北形变观测中大气环境干扰因素频谱特征研究

深入分析2013~2015年河北省潮汐形变数字化观测分钟值资料发现,测点所受大气环境干扰因素主要包括气压、温度、降雨及风扰四类,观测曲线出现震颤、畸变等异常变化形态。使用小波方法分析地壳形变数据后,结果表明不同因素的影响形态各异,机理复杂,且观测数据对不同干扰因素的响应频段分布也不同。同时分析结果显示:1)在低大气压场影响观测环境时,响应频段在32~64分钟范围内,呈纺锤体形态;2)短时温度变化扰动定点形变观测,在8~64分钟频率内与温度细节对应较好,波形为抖动形态;3)降雨时曲线伴随抖动,响应在16~64分钟较高频段,呈尺度微小的剧烈抖动,并伴有高频噪声;4)高气压场导致风力牵动山体或水体,造成负荷增减,曲线抖动,响应频段在64~128分钟之间,响应形态呈纺锤状。     

银川台形变数字化观测资料干扰异常处理方法探讨

通过对银川台形变数字化观测资料中出现的干扰异常的分析和处理,总结出银川台形变资料干扰异常的特征和处理方法,为银川台形变数字化观测资料干扰异常处理积累经验,同时为其它台站的形变观测资料干扰的处理提供方法参考。     

基于二维经验模态分解的位场数据分析及应用

二维经验模态分解(BEMD)是一种信号的多尺度分析技术,该方法可以对非线性、非平稳信号进行分析而且具有自适应性.本文实现了BEMD分解算法并对其进行了如下改进研究:针对数据特点,将边缘数据点视为极值点来解决边缘效应;通过对比,采用了径向基函数作为包络面重建方法,减少了计算误差;研究了不同筛分停止准则对分解结果的影响.本文对改进BEMD方法进行了以下应用:对长江中下游重力数据进行了多尺度分解,并根据分解的结果和现有地质认识,划定了部分主要断层分布;根据位场功率谱理论,对不同尺度的分解结果进行了场源深度估算,使BEMD分解结果有了对应的深度概念;应用本文方法对闽西南航磁数据进行了去工业噪声处理.     

昆明地震台形变观测资料降雨干扰

云南省地震频发,形变观测短临数据跟踪对地震工作具有较明显的指示意义。降雨干扰对形变观测多为缓慢变化影响,这些变化隐藏在众多地震前兆异常中,影响地震观测数据的使用。本文通过对昆明地震台历年降雨及形变观测数据的分析,总结降雨干扰规律,以便准确提取并有效识别地震前兆异常。     

浙江省地倾斜观测常见干扰浅析

通过对浙江省地震前兆台网地壳形变观测数据分析,总结对地形变观测影响较为普遍的两类干扰因素特征:1通过分析测点周边场地环境干扰,总结地表载荷对地倾斜观测造成的数据异常变化特征;2利用台风通过时造成的各类自然环境变化,总结地壳形变观测数据受气象变化影响的特征。     

Hilbert-Huang变换在瞬变电磁去噪中的研究与应用

瞬变电磁法(TEM)是电法勘探的一个重要分支,具有受地形影响小、工作效率高、对低阻体分辨率高纯异常测量等优点.在野外数据采集过程中,瞬变电磁数据容易受到周边环境噪声的干扰.由于瞬变电磁的晚期信号能量弱,极易被噪声淹没,使得数据处理过程中出现假异常.为了更好地减弱噪声的影响,剔除假异常,得到真实的地下介质信息.本文把Hilbert-Huang变换(Hilbert-Huang Transform,简称HHT)方法应用到瞬变电磁数据处理中,通过对含有噪声的瞬变电磁仿真数据进行经验模态(Empirical Mode Decomposition,EMD)分解、重构,得到了真实的电磁信号,证明HHT方法在瞬变电磁去噪中可行.最后对TEM实测数据进行EMD分解、重构,结果表明该方法能够有效的压制噪声的干扰,突出TEM真实信号,较好的识别异常体的位置,提高TEM解译结果的准确性.     

福建定点和流动跨断层对台湾强震的反映及特征研究

借助Madab平台,应用能给出不同尺度下信号分解的近似部分和细节部分的小波变换方法．分析了福建省定点和流动跨断层场地的短水准形变观测资料。福建天马定点跨断层2003-2007年短水准观测资料的小波分析结果显示。分解到第七层的近似信号在极值和拐点出现前后往往有中强地震发生。由于福建省流动跨断层短水准测量为不定期观测,为取得等时间间隔的时序数据,我们采用三阶样条插值．在此基础上进行小波分析,发现分解到第三层的细节信号在台湾1999年“9．21”南投Ms7．6级地震前有明显的年变规律被破坏的现象．     

基于小波分析的河北省及邻区流动重力场时空动态变化分析

搜集河北省及其邻近地区2010～2014年8期流动重力观测数据和周围绝对重力观测数据,利用小波多尺度分解方法获取河北及邻近区域(110°～120°E,36°～42°N)范围内不同尺度、不同场源深度下的分解结果,并结合该时间段内震例,通过对多期实验结果进行分析,对研究区内的重力变化情况及异常特征有更为清晰的认识,其结论可为河北省及邻近地区后续震情分析、研判提供一定参考。     

崇明地电场地铁干扰分析

上海市地铁运行对本区域地电场观测产生很大干扰,如何识别并排除地铁干扰信号是当前电磁观测面临的重要问题。以上海崇明地震台地电场观测数据为研究对象,利用Welch功率谱估计方法,对ZD9A-Ⅱ地电场分采样数据进行分析,通过对比非干扰时段与干扰时段功率谱,得出地铁干扰的频率范围,并选择适合的小波基进行数据分解与重构,较好地还原了原始信号,为今后更好地进行地电场数据分析提供较好的噪声排除手段。     

形变观测数据的多异常形态统一识别

地震前兆数据中的形变观测数据变化复杂,地球物理场变化和环境干扰等信息识别与剔除是与地震相关现象分析的关键.传统的信号识别主要采用回归分析、经验模态分解、频域信号分解等方法,但它们难以统一识别高幅值变化(尖峰、阶跃)与高频变化波形.本文利用信息熵参与形变时序数据的自动化分段构造子序列,一定程度上避免了这两种波形被分割的弊端,然后以统计描述方式表达子序列,最后利用角度异常因子(Angle-Based Outlier Factor,ABOF)和局部异常因子(Local Outlier Factor,LOF)构建对数函数定义离群点,以解决统一识别高幅度变化与高频率变化的问题.实验表明,对于特征向量维度变化的情况,LOF-ABOF算法的计算效率呈线性变化关系;在特征表达策略改变的情况下,该算法对高幅值变化和高频变化的异常识别效果良好.本文所提供方法可以检测出高幅值变化与高频率变化的异常形态,为地震前兆数据中形变观测数据"前兆信号"的识别提供指导与参考,为深入认识地震现象及其产生机理奠定基础.     

乌加河地震台形变观测异常与干扰识别

收集并整理2018—2020年乌加河中心地震台VP型垂直摆、体应变仪、伸缩仪和水管倾斜仪等形变观测资料,分析归纳地球物理异常与各类干扰特征,自然因素、人为干扰和地球物理事件在观测曲线上主要表现为噪声大、阶跃、台阶、突跳、高频干扰和趋势性变化、同震响应等特征。不同观测仪器对各类干扰的响应不同,甄别并分析干扰特征及原因,可为准确识别各类形变干扰提供依据。     

二维经验模态分解及其在位场去噪和分离中的应用

由于实际工作中测量的位场数据存在混叠效应,并且这些观测数据具有多源性、非线性和非稳态性的特点,如何从其中提取研究对象所产生的异常信息是位场数据处理中的关键环节.二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)在处理非线性、非平稳信号方面具有明显的优势,且具有分解的自适应性,实现了对信号的多尺度分解.文中采用BEMD方法首先对模型试验中带噪声的重力数据进行分解,得到各级固有模态函数和剩余分量,去掉一个或多个固有模态函数实现初步去噪,或结合小波阈值实现准确、圆滑去噪;再次,对三峡地区的布格重力异常进行了多尺度分解,并且利用径向对数功率谱分析方法估计了各级模态函数所反映的地下场源似深度,定性或半定量地解释了不同深度下的场源产生的异常,较好地揭示了场源赋存的地质信息,对上述分解得到的各分量进行组合叠加,重构出局部异常和区域异常,并且同常规分场方法进行了对比分析,结果表明BEMD方法能够准确、有效地实现位场的异常分离.     

基于经验模态分解的形变信号滤波处理与异常提取

本文介绍了经验模态分解的方法与原理,给出了由经验模态分解产生的固有模态函数重构组合滤波器的原理与详细算法。通过对形变观测中典型干扰信号的综合处理、异常提取试验及其所取得的效果,综合分析认为,经验模态分解组合滤波器方法可作为形变观测数据处理中一种新的行之有效的分析方法。     

河南豫北地区跨断层形变预报方法检验及效能评估

基于河南省豫北地区跨断层形变观测资料,在排除观测时段相关干扰的基础上,选取2002—2019年观测场地周边200 km范围内中等强度地震,依据震例对应规则,使用不同类别异常提取方法进行预报方法的检验和效能评估,并通过对比分析R值检验结果,总结适用于该地区跨断层形变观测的最佳预报方法。     

宝昌地震台VP型宽频带垂直摆倾斜仪干扰因素分析

选取2014年、2016年5月、2017年1-9月宝昌地震台VP型宽频带垂直摆倾斜仪观测资料,针对观测山洞湿度、雷电、人为因素等干扰,与正常时段光滑、噪声低的正弦固体潮观测曲线进行对比分析,通过对干扰因素进行分析与排除,可提高形变观测资料质量,为准确识别震兆异常提供参考。