基于Kik-net井下基岩强震动记录的持续地震预警震级估算方法

基于地震预警中不同预警参数估算的震级差别很大,且原因不清楚,使得震级估算的准确性难以得到保证。利用井下基岩观测点的强震动记录可以最大限度减少场地条件的影响,震级估算具有干扰小、质量高的优点。选用日本Kik-net 358个台站井下基岩观测点的14 423条强震动记录数据,通过分析预警参数τ~p_(max)、τ_c、τ_(log)、P_d、IV~2分别在P波初至1 s、2 s、3 s等时段下的震级估算效果,揭示了以前未有解释的造成基于各参数估算的震级差异的原因,并给出一种震级持续估算方法。本文发现:τ~p_(max)受场地条件影响明显,建议采用基岩场地强震动记录数据进行计算;τ_c和τ_(log)受加速度记录积分计算影响容易使得震级估算偏大;P_d采用P波初至4 s进行计算,可以避免6.5～7.2级地震的震级饱和。提出了实时调整预警参数的震级持续估算方法,即基岩强震动记录的初至1 s、2 s P波的τ~p_(max)估算震级,初至3 s P波的P_d估算震级,并以初至4 s地震波的P_d估算震级作为最终的估算震级。     

基于卷积神经网络的地震震级快速估算方法

地震发生后震级的快速准确估算是确保地震预警减灾效果的最重要部分,而基于经验参数的传统方法在准确性和时效性方面各自存在局限性。通过建立多全连接层卷积神经网络模型,选用日本KiK-net和K-NET台网1997年至2019年记录到的3 065次地震的16万4 547条初至波在3—9 s不同时段的频域数据、对应地震事件的震源信息（震中距和震源深度）以及场地信息（v_S30）作为全数据集,对提出的模型进行训练并对估算效果予以评估。结果显示:当初至波截取时段为3 s时,模型震级预测的整体准确率为89.92%,并且随着初至波长度的增大,估算震级的准确率持续提高;当截取时段为9 s时,整体准确率达到96.08%。与传统P_d方法的预估结果相比,结果表明:基于本文提出的多全连接层卷积神经网络模型估算的震级精度有所改善,具有绝对误差标准差和均值更小、时效强等特性,实现了基于单台站记录的端到端震级持续快速估算,能更好地增强地震预警的减灾效果。      

基于深度卷积神经网络的2021年5月21-22日云南漾濞地震和青海玛多地震震级估算

以探索深度卷积神经网络震级估算模型对2021年5月21日云南漾濞和5月22日青海玛多地震预警震级估算的可行性为目标,本文使用P波到达后不同时间窗下的特征参数作为深度卷积神经网络输入进行训练和验证,构建了1～40 s内不同时间窗下的深度卷积神经网络单台震级估算模型,并采用多台加权平均方法对玛多地震主震以及漾濞地震主震、前...     

基于支持向量机的2021年2月13日日本福岛近海Mj7.3级地震震级估算

2021年2月13日日本福岛县近海发生M_j7.3级地震,触发了日本气象厅地震预警系统,系统在首台触发后5.6s发出震级为M_j6.3级的预警第1报,首台触发后10s对公众发布警报、预警震级为M_j6.4级。基于多类型特征参数输入的机器学习支持向量机震级估算模型（SVM-M）,利用2021年2月13日日本福岛县近海M_j7.3级地震获取的日本K-net强震动观测数据,分析SVM-M模型在该次地震中首台触发初期（首台触发后1~10s）的震级估算效能。结果表明:SVM-M震级估算模型,在首台触发后1s即可给出M_j6.3级的震级估算结果,与日本气象厅在首台触发后5.6s发布的预警第1报震级相同;随着时间窗的增加,首台触发后5s和10s,SVM-M模型的震级估算结果分别是M_j6.7级和M_j6.6级,均大于日本气象厅首台触发后10s对公众发布警报的预警震级。该次地震的离线模拟结果表明:SVM-M模型可在地震发生初期有效提高地震预警震级确定的准确性和时效性。     

地震预警中两种利用卓越周期估算震级方法的比较

利用地震P波初始信息快速估算震级是地震预警系统中的重要部分之一,文中详细介绍了地震预警研究中常用的两种卓越周期估算震级方法:τpmax方法和τc方法。为了评估这两种方法哪一种震级估算精度更高,文中通过设置不同的估算震级时间窗以及不同的滤波频带,利用震级范围4.1～7.9的22次地震的强震观测记录对这两种方法进行了比较分析。比较的结果表明:本文计算得到的τpmax值和τc值与震级之间均存在线性比例关系,与前人的研究结果一致;在相同的0.075～3 Hz带通滤波条件下,利用P波触发后3 s地震记录计算的τc值可获得最优的震级估计结果,τc与震级的相关系数为0.78,标准差为0.16。仅经过0.075 Hz高通滤波得到的τpmax值与震级的线性相关度比0.075～3Hz带通滤波得到的τpmax值与震级的线性相关度低,而是否经过低通滤波对τc值与震级的线性比例关系没有影响。建议在地震预警系统中优先采用3 sτc方法作为震级估算方法。     

2021年5月21日云南漾濞地震及5月22日青海玛多地震的支持向量机震级估算

2021年5月21日及5月22日,云南漾濞县与青海玛多县分别发生破坏性地震,主震震级分别为M_s6.4级与M_s7.4级。本文基于机器学习中的支持向量机方法,以多类型特征参数为输入建立地震预警震级估算模型SVM-M,离线模拟云南漾濞M_s5.6级前震、M_s6.4级主震以及青海玛多M_s7.4级主震的连续震级估算。结果表明:对于云南漾濞M_s5.6级前震,支持向量机方法在首台触发后1s可估算震级为5.6级,且随着首台触发时间的增加,估算震级一直在实际震级附近波动;对于云南漾濞M_s6.4级主震和青海玛多M_s7.4级主震,随着首台触发时间的增加,支持向量机方法对于大震低估问题得到了有效的改善,且震级估算结果逐渐接近实际震级。同时,这3次地震的震级估算离线模拟表明:引入震源距的支持向量机方法（SVM-M1模型）对于震级估算有更好的稳定性,且在地震预警系统的震级估算中有着潜在的应用前景。     

一种基于位移源谱的地震预警快速震级估算方法及影响因素研究

地震预警(EEW)系统是防震减灾中最有效的方法之一,对地震震级的估算是非常重要且困难的。目前,比较成熟的地震震级估算方法主要有基于最大卓越周期τpmax、特征周期τc和位移幅值最大值Pd的震级估算方法,但这些方法存在一个重要缺陷,即对大地震(M_w≥6.5)的震级估算会出现震级低估现象,也称为震级饱和~([1-2])。为克服上述缺陷,借鉴位移源谱方法,探讨了基于单台站P波位移源谱开展地震震级估算的适用性,进一步研究了震源距和场地条件对该方法估算地震震级可靠性的影响,得到了该方法的最佳适用范围。研究通过用多组地震记录检验,表明了位移源谱方法能较好的估算大地震震级,可以有效地解决震级估算时震级饱和问题,此外,在不同震源距和场地条件下,该方法均能提供稳定的震级估算。虽然对于中小地震,位移源谱方法在短时窗下的震级估算有系统性的误差,但是长时窗震级估算中克服了震级饱和现象,同时具有精度高和离散性小的独特优点,具有普遍适用性和稳定性,适用于地震预警系统。     

基于芦山主震及余震的地震预警参数与快速震级估算研究

我国四川地区继08年汶川地震后,在2013年再次发生了7级强烈大地震,造成了重大人员伤亡并诱发了多处灾难性滑坡灾害.地震预警系统是防震减灾中最为行之有效的方法之一,其中对地震震级的快速估算是非常重要且困难的.目前世界上提出较早、应用较为广泛的震级估计的方法主要有:基于最大卓越周期(τ_p~(max))、特征周期(τ_c)和最大位移幅值(Pd)方法.本文利用2013年芦山主震及余震P波初期部分的信息,研究了地震震级快速估算中三个预警参数与震级的相关性,提出了四川地区的震级估计模型,然后对其进行验证分析,并与前人得出的震级估计模型进行对比和评价.结果表明:三种方法均能在短时间内(3 s)有效地进行震级估算,总体而言,P_d方法估算效果最优,τ_c方法次优,τ_p~(max)方法较弱.在震级较大的主震震级估计中,三种方法均出现明显的震级低估(震级饱和)现象.对于τ_p~(max)方法,基于芦山地震的估计模型与基于汶川地震的估计模型较为接近,但与南加州地区模型区别较大,可能与四川地区龙门山断裂带的复杂地质条件有关;而τ_c方法的估计模型大体均较为接近,更具有普适性和稳定性.在地震预警系统的实际应用中,由于目前我国仍处于刚起步阶段,尚未建立密集的地震监测台网系统,因此在短时间内难以得到较为准确的震源距,所以与震源距相独立的τ_p~(max)和τ_c两种算法则显得较为实用,其中τ_c方法略优于τ_p~(max)方法,同时能较好地满足地震预警系统的精度要求,因此推荐使用τ_c方法应用于四川地区地震预警系统中的快速震级估算.需要注意的是,地震预警参数具有一定的区域适用性,即在不同震源机制、地形和地质条件影响下,不同地方的震级估算回归模型存在一定的差别.     

τ_c方法在内蒙古地区预警震级计算中的应用

地震预警技术是减轻地震灾害的有效手段之一,而在预警系统中,震级的测定是最重要,也是最困难的。考虑到地震预警震级估算方法的区域性特点,本文利用内蒙古测震台网2016～2018年M_L≥2. 0地震波形数据共120条,分别采用P波3s时间窗内垂直向位移时程和P波全波段垂直向位移时程计算特征周期参数值,得到了地震预警震级的计算公式,并对其结果进行对比分析。结果显示,采用P波全波段关系式得到的结果较采用P波3s固定时间窗计算值收敛性更好,关系式拟合相关系数更接近1,能够对预警地震震级做出较好的估计。同时结合数据处理结果,探讨了地震预警的警报快速性和准确性之间的关系。     

基于卷积神经网络的地震预警震级持续估算方法研究

为提高地震预警震级快速持续估算结果的准确性,本文构建了基于多种地震动特征参数的卷积神经网络震级估算CNN-M模型.该模型基于日本KiK-net强震动观测记录,利用其P波触发后3～ 10s时间窗内的幅值参数、周期参数、烈度参数、信噪比参数共11种地震波特征参数以及震中距参数作为输入.本文所建立的CNN-M模型随着地震发生...     

基于单台P波初始记录的地震震中和震级快速测定方法研究

利用山东数字化测震单台三分向记录,选择2种测定地震方位角方法和7种数据预处理方法,通过对实际结果的系统对比分析,确定了最佳的测定地震方位角的技术方案和适于地震预警的测震台站.对测定震中距和震级的方法进行了改进,得到了最佳的根据直达P波前2 s波形的包络特征参数求震中距、峰值速度的统计关系,以及根据包络特征参数求震级的标度关系.快速测定震中距和震级方法在实时地震预警中具有应用前景.     

基于2014年云南地区地震的地震预警参数与快速震级估算研究

根据2014年云南地区M6.1盈江地震、M6.5鲁甸地震和M6.6景谷地震的主震、余震P波初期部分的信息,研究了地震震级快速估算中3个预警参数（最大卓越周期τ_p^max、特征周期τ_c和最大位移幅值P_d）与震级的相关性,提出了云南地区的震级估计模型,并对其进行分析,再和其它地区的震级估计模型进行对比和评价。结果表明:3种方法均能在短时间内（2~4 s）有效地进行震级估算,P_d方法估算效果最优,τ_c方法次优,τ_p^max方法较弱。在震级较大的主震震级估计中,3种方法均没有出现明显的震级低估（震级饱和）现象。对于τ_p^max方法,云南地区的估计模型与南加州地区较为接近,但与四川地区区别较大,可能与该方法的计算稳定性有关;而τ_c方法的估计模型则与四川及世界其它地区均较为接近,更具有普适性和稳定性。在地震预警系统的实际应用中,由于云南地区尚未建立密集的地震监测台网系统,因此在短时间内难以得到较为准确的震中距。与震源距相独立的τpmax和τc两种算法则显得较为实用,其中:τ_c方法略优于τ_p^max方法,同时能较好地满足地震预警系统的精度要求,因此推荐使用τc方法应用于云南地区地震预警系统中的快速震级估算。     

基于单台初至P波快速测定震级方法及应用

通过函数形式Bt·exp(-At)来拟合单台初至P波前2s时间窗内数据的包络线,采用最小二乘法求出参数A和B,并提出三种绘制波形包络线的方法。应用实际地震记录对三种方法进行比较分析,得出一种绘制包络线的最优方法,改进利用波形包络求取震级的方法。利用山东数字化地震台网小于100km的垂直向记录,经过处理和统计,得到震级与包络参数B、P波前2s最大速度值之间的统计关系,内检结果表明与实际震级的偏差较小,为0.36;lgB和震中距Δ存在较好的线性关系,与震级大小无关。因此,可以由P波触发后2s时间窗内最大振幅和参数B通过经验公式来快速估算地震震级,有效增加预警时间,大大缩小预警盲区。     

地震预警震级计算方法研究综述

地震预警系统是减轻地震灾害的有效手段之一,世界上多个国家和地区都已经建立了地震预警系统,并在实际应用中取得了显著的减灾实效.由于地震预警系统应用中的高度时效性要求,预警震级计算是整个地震预警系统中最重要也是最困难的一部分.本文回顾总结了地震预警研究中采用的一些震级计算方法,并将其归纳为三大类算法:与初始周期相关的算法、与初始幅值相关的算法和与初始强度相关的算法.对每种算法都做了详尽介绍和仔细分析,同时列举出与该算法相关的研究成果.通过对这些算法的分析总结并结合我国地震观测台网的实际情况,作者推荐τc、Pd两种方法作为我国地震预警系统建设中优先采用的两种预警震级算法.     

烈度仪用于地震预警的可靠性研究——以高雄MS6.8地震为例

以2016年2月6日我国台湾高雄M_S6.8地震中烈度仪观测网的实际记录为研究对象,通过对烈度仪台站的震相捡拾结果精度、峰值地震动衰减关系适用性、预警震级计算结果准确性等3方面的对比分析,研究了烈度仪用于地震预警时的优势和可靠性,并讨论了可能存在的问题和风险.研究结果表明:对于震中附近具有较高信噪比的烈度仪台站,采用现有震相捡拾方法即可获得较准确的震相到时信息;现有的地震动衰减关系并不完全适用于烈度仪台网,直接应用这些关系式时存在一定风险;基于密集布设的烈度仪观测台网,在较短时间即可获取大量信息,采用已有预警震级估算方法的计算结果有较高的准确性.      

近场P波频谱分布及震级确定方法

通过研究国内12个4~7级地震的近场P波前3秒加速度波形记录的频谱分布, 我们发现, 对于较大的地震, 近场通常接收到的低频信息比较稳定, 尤其是1 Hz以下的信号。 通过对3秒初至P波震相加速度记录的低频窄带滤波及对传统震级公式的改造, 我们得到了4个低频段的震级计算公式M₁, M₂, M₃, M₄及预警震级计算结果M_n。 将其应用到日本13个4~7级的地震中, 并对比目前主流Pd震级计算方法, 我们的结果离散度与可靠性更好。 因此, 可认为我们得到的震级公式是较可靠的一种估算近场震级的方法, 并且可以应用到地震预警中。     

基于深层卷积神经网络的震级快速估算方法

当前地震预警中的震级估算方法是通过初至几秒地震波的特征参数与震级的经验关系来实现的，这些特征参数依赖于人的经验和主观判断，没有充分利用初至地震波中与震级相关的信息，制约了震级估算效果.对此，本文利用深层卷积神经网络(Deep Convolutional Neural Networks, CNN)直接从初至地震波中自动提取特征，实现端到端的震级快速估算.CNN方法以单台站的初至竖向地震波作为主输入，震中距、震源深度以及V_s30作为辅助输入，震级作为输出.利用日本和智利的大量地表强震记录对CNN方法进行训练(98257条记录)、验证(31429条记录)和测试(40638条记录),利用美国和新西兰的强震记录进行泛化性能测试(583条记录),并与应用最为广泛的峰值位移Pd方法进行对比.结果表明，当初至地震波时长为3 s时，在4～6.4级范围内，CNN方法估算震级的准确率是Pd方法的1.5倍，在6.5～9级范围，CNN方法估算震级的准确率是Pd方法的1.2倍；当初至地震波从3 s增加到10 s时，CNN方法能够随着地震波时长的增加不断提高估算震级的准确率，并且始终高于Pd方...     

新疆天山中段地震预警结果分析

为完成新疆天山中段重点预警区预警结果质量评估，对各地震预警系统产出率、预警时效性、震级偏差、震中偏差进行统计分析。以2022年1月1日至8月31日新疆天山中段重点预警区内的24条人工正式速报地震事件为基础，对新疆地震预警工程中EEW系统、JEEW系统预警首报结果进行统计分析。最终通过决策系统融合EEW与JEEW产出结果后进行发布，预警时效性小于10 s的预警地震事件7条，占比46.7%,震级偏差0～0.7,平均0.4,震级偏差全部小于1.0的地震事件占比100%,震中偏差小于10 km的地震事件14条，占比93.3%。综合分析，新疆两套地震预警系统对重点预警区内M_S3.0以上地震事件基本都能产出预警结果，决策系统发布结果在准确性方面基本满足预警要求，预警时效性方面有待改进与加强。     

数字化地震数据与震源参数的测定——广东河源地震的震例分析

以发生在广东省河源地区的地震为例，展示如何利用数字化地震数据进行波谱分析及震源参数估算，并对该区的地震破裂模式作了初步的分析，利用上述结果，建立了地震矩M0与震级ML的关系式，以便利用震级ML来估算矩震级Mw.     

一种适用于地震预警系统的震中快速定位法

在地震预警系统中确定震中位置有两方面的意义,首先确定震中后就能确定震中到接收预警的点的距离:震中距△,从而确定地震波传播所需要的时间,第二知道震中距就能计算震级公式中的起算函数R(△).当系统估算出地震震级后,就能对预警点估算地动振幅大小,LogA=M- R(△).地震预警系统中,首先是要尽快发出预警信息,至于精度相对来说要求并不高,并且还可以在整个预警过程中不断修正.