sPn震相计算近震震源深度研究

震源深度是描述震源信息的基本参数之一,也是目前最难测准的参数之一。近震深度震相sPn与Pn震相到时差与震中距无关,是测定地壳内地震震源深度的主要依据之一。sPn与Pn到时差测定地壳内近震深度的方法简洁、准确,可以在日常地震速报中应用。     

Pn与sPn震相到时差计算震源深度的单台应用

震源深度是地震定位的一个重要参数.本文利用沈阳台记录到4个壳内近震,进行sPn震相识别,利用sPn与Pn震相的到时差计算这几个近震的震源深度,将所得结果与国家局及辽宁台网结果进行对比研究,结果表明沈阳台定出的深度与国家局所定深度75%是一致的,与辽宁局结果也基本一致,误差较小.在2 km范围内.并对利用sPn震相计算震...     

用sPn震相测定近震震源深度

用近震深度震相ｓＰｎ与Ｐｎ波的到时差测定近震深度，方法以求简捷准确。为此，对我国部分地区台网记录的ｓＰｎ震相进行了初步分析研究，通过研制的计算ｓＰｎ走时程序运算，给出华北、山西、华东、西北及四川地区的ｓＰｎ－Ｐｎ走时差对应震源深（ｈ）表和ｓＰｎ－Ｐｎ求震源深度列线图。经过震例检验，该表比较适合本地区的走时特性。为应用ｓＰｎ震相测准我国部分地区震源深度，提供了有利工具。     

沈阳台利用sPn震相确定近震深度的对比分析

通过沈阳台记录到20个壳内近震和26个营海岫地区近震,利用s Pn与Pn震相的到时差重新计算这46个近震的震源深度,并和国家台网中心结果及辽宁台网中心结果进行比对,表明沈阳台记录到的s Pn震相可用于计算震源深度,计算得出的深度与国家台网中心及辽宁台网中心所测定深度基本相近,误差较小。     

sPn震相的多台同时测定法

利用数字台网观测技术的优势,根据sPn与Pn震相到时差与震中距无关,以及振幅和周期都比Pn大的运动学和动力学特征,提出将震中距不同的台站的Pn震相对齐后同时测定多台的sPn震相,进而计算出该地震的震源深度。这种分析和测定方法简捷准确,可在台网的日常近震分析中推广应用。     

利用sPn震相对宁夏地区近年有感地震震源深度重定位

宁夏十五数字地震观测台网自投入使用以来,积累了大量的地震数字波形。利用宁夏台网中震中距在1 000km范围内不同台站记录的9次M≥3.0地震的sPn与Pn震相进行分析、计算这些地震的震源深度。研究表明,利用sPn与Pn震相的到时差计算地壳内近震深度的方法简捷、准确。     

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.     

2017年9月4日河北临城M_L4.4地震震源深度测定

震源深度是地震定位中的重要参数之一。对于一个地震,sPn与Pn震相到时差是一个常量,与震中距无关,只与震源深度和地壳模型有关。基于该理论,以河北数字台网数据为基础,识别sPn震相和Pn震相,计算2017年9月4日河北临城ML4.4地震震源深度,结果为6.86km。双差定位法是目前确定震源深度比较精确的方法,双差定位得到的震源深度为7.01km。双差定位法所用数据量比较大,计算过程繁杂。利用sPn与Pn到时差计算震源深度的结果与双差定位法结果接近,计算快速、简单,所需数据量小。因此,将该方法应用到实际工作中,可以快速、准确地测定近震震源深度。     

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。      

sPL,一个近距离确定震源深度的震相

实际地震波形观测表明,对于大陆结构相对简单的地壳中的地震而言,有一震相出现在P 波和S波之间.一般在30~50 km附近发育得较好,其能量主要集中在径向分量,而垂向分量的振幅相对径向要小,切向分量上的振幅很弱,且波形以低频为主,通常没有P波尖锐.在利用FK方法计算合成地震图的基础上,发现该震相是由S波入射到自由地表形成水平传播的P波(文献称为surface P wave,自由地表P波)或者包括S波入射到地表后形成的多次P波或其散射震相.由于该震相是由S波和P波之间耦合而形成,本文将其定义为sPL(s coupled into P) 震相.理论波形研究表明,sPL相对直达P波的到时差对震中距离不敏感,而随着震源深度的增加几乎呈线性增加,因此可以很好的约束震源深度.本文以2005年江西九江地震为例,证实了sPL确定震源深度的可行性和可靠性.在观测到sPL震相的情况下,离震源50 km以内的一个三分量地震台站的波形就可以帮助获得可靠的震源深度,而不需要精确的震中距离.由于sPL震相出现距离较近,对于较小(三级以上)的地震也可以应用,因此在稀疏台网布局情形下sPL对于确定中小地震深度应该具有很好的应用意义.     

数字化地震记录震相自动识别的方法研究

针对目前震相自动识别方法不能自动给出震相识别区间,以及不能确定识别出震相名称的问题,运用震相的运动学特征,由平均速度模型和J-B走时表数据,自动计算近震、远震和极远震的震相走时及震中距。对多尺度小波分解进行单支重构作为识别不同震相的分析信号。先求出初至震相和最大面波到时,估算出震中距,然后找到S波或PP波到时,求出准确的震中距,即可自动给出各震相的识别区间,采用线性偏振法在给定区间中识别出震相的初至时刻。由于该方法采用的是先明确要找什么震相,再由该震相的走时确定寻找区间,所以找出的初至就是要寻找的震相,自然解决了识别出震相的名称问题,从而实现了对震相的全程自动识别。     

模拟退火算法在地震定位中的应用

阐述了模拟退火算法及其在地震定位中的原理,以震相观测到时与理论到时之差(到时残差)为目标函数,利用模拟退火算法求解目标函数的最小值以获得地震的震源参数。在模拟退火算法的地震定位中根据震相的可靠程度对不同震相设置了相应的定位权重;对震相的走时误差设置了3组不同的值,以分析走时误差对定位结果的影响,对随机生成的1000个模拟地震进行模拟退火算法再定位。结果表明,走时误差越小,定位结果越准确。最后,通过地震震例进一步验证了模拟退火算法在地震定位中的可用性。     

地震检测与震相自动拾取研究

针对微震事件易受噪声干扰等特点,本文将STA/LTA方法和基于方差的AIC方法（var-AIC）相结合,在震相到时初步拾取的基础上,使用台站的德洛内（Delaunay）三角剖分及台站间最大走时差约束来减少噪声干扰的影响. 利用到时进行地震定位之后,根据台站预测到时,在设定的时间窗内对地震震相进行更精细的分析. 特别是针对微震事件信噪比低的特点,设计了基于偏振分析的拾取函数,根据窗内STA/LTA方法和var-AIC方法的拾取结果自动选择合适的值作为震相到时. 最后,对西昌流动地震台阵2013年304个单事件波形数据的分析处理和检验结果表明,本文方法较传统方法具有更高的地震事件检测能力和更高的震相拾取精度.      

Seismic phase picking in China Seismic Array using a deep convolutional neuron network*

Seismic phase picking is the preliminary work of earthquake location and body-wave travel time tomography. Manual picking is considered as the most accurate way to access the arrival times but time consuming. Many automatic picking methods were proposed in the past decades, but their precisions are not as high as human experts especially for events with low ratio of signal to noise and later arrivals. As the increasing deployment of large seismic array, the existing methods can not meet the requirements of quick and accurate phase picking. In this study, we applied a phase picking algorithm developed on the base of deep convolutional neuron network (PickNet) to pick seismic phase arrivals in ChinArray-Phase III. The comparison of picking error of PickNet and the traditional method shows that PickNet is capable of picking more precise phases and can be applied in a large dense array. The raw picked travel-time data shows a large variation deviated from the traveltime curves. The absolute location residual is a key criteria for travel-time data selection. Besides, we proposed a flowchart to determine the accurate location of the single-station earthquake via dense seismic array and phase arrival picked by PickNet. This research expands the phase arrival dataset and improves the location accuracy of single-station earthquake.     

基于U形卷积神经网络的震相识别与到时拾取方法研究

精确获取震相到时是地震定位和地震走时成像等研究的重要基础.近年来,随着地震台站的不断加密,地震台网监测到的地震数量成倍增长,发展快速、准确、适用性强的震相到时自动拾取算法是地震行业的迫切需求.本文在前人工作基础上,发展了Pg、Sg震相自动识别与到时拾取的U网络算法（Unet_cea）,使用汶川余震和首都圈地震台网记录的89344个不同震级、不同信噪比的样本进行训练和测试.研究表明,U网络能够较好地识别Pg、Sg震相类型和拾取到时,Pg、Sg震相的正确识别率分别为81%和79.1%,与人工标注到时的均方根误差分别为0.41 s和0.54 s.U网络在命中率、均方根误差等性能指标上均明显优于STA/LTA和峰度分析自动拾取方法.研究获得的最优模型可以为区域地震台网的自动处理提供辅助.     

太原基准地震台震相分析在数字地震观测中的应用

以太原基准地震台数字观测记录的地震波形为基础,对不同类型地震所出现的震相从到时、周期、先后次序等方面进行了对比分析,对台站一线的观测人员在震相的准确判别,提高地震定位精度方面,有实际的指导意义。     

台湾海峡南部一次5.0级地震的sPn震相分析

运用Pn震相对齐测定sPn震相的方法分析了发生在台湾海峡南部的一次5．0级地震的 sPn震相,初步了解sPn震相的一些特征,并在不同地壳模型下用sPn-Pn的走时差计算了该地震的震源深度。结果表明:在该地震中,sPn震相特征明显;用Pn震相对齐测定sPn震相的方法可以快速、可靠地测定出sPn震相;用sPn-Pn的走时差计算震源深度时,不同模型计算出的结果相差不大。