两位院士建议建立电磁观测网预测地震

20 0 2年 3月下旬 ,我国著名地震学家马宗晋院士和著名无线电通讯专家陆建勋院士建议 ,建立电磁观测网 ,以同时捕捉地震活动“源和场”的异常信息。如果这种综合技术系统被应用 ,就可能使我国地震预测进入一个全新的阶段。这种电磁观测网以极低频 /超低频技术为核心 ,是既可以监测地壳深层结构的变化 ,同时又可以对地震的电磁波扰动和电离层变化进行观测的综合性的最新技术。陆建勋院士说 ,地震预测仍是地球科学的世界性难题。其难点包括科学和技术两个方面 ,前者主要是指由于地震成因和孕震过程复杂 ,地震学家至今对地震发生机理缺乏足够的…     

数字地震震相集

震相识别在地震学中是一项非常重要的工作,也是经验性很强的工作,只有通过对大量的震例进行分析研究,才能具备较强的震相分析经验.Dzku数字地震震相集系统的研制,为广大地震工作者提供了一个提高地震分析能力、积累分析经验的平台.     

非线性科学在地球物理学和地震学中的应用研究

本文作者承担了国家地震局科技监测司“八五”地震科技信息研究规划：国外非线性科学研究现状与发展专题，现已完成１９９４年度计划内容，取得了初步成果。基于这些成果，本文作者编写了“非线性科学在地球物理学和地震学中的应用研究专辑”，较系统地介绍了前苏联及俄罗斯有关非线性科学在地球物理学和地震学中的应用研究情况，主要内容包括：前苏联及俄罗斯非线性科学在地球物理学和地震学中的应用研究计划，研究进展及深入研究的方向。     

地震震相分析与测量的进展

地震震相分析是地震学研究中最基本、也是最基础的工作。本文就震相分析与测量方面的一些重要进展进行了概述,主要包括初动到时和极性的测量,震相中其他参数的测量,以及其他震相的识别与测量等。本文还着重介绍了《IASPEI标准地震震相表》,该震相表的完成与公布是地震震相分析工作的重要进展。     

"数字地球"与实时地震学

“数字地球”是对真实地球及其相关现象的统一性的数字化重现和认识，是信息化的地球，是地球的虚拟对照体。“数字地球”的科学体系由基础研究、技术支撑和科学工程三部分组成。现代地震学同样需要基础研究、支撑技术和科学工程，其中，最后一个体系即相当于实时地震学。实时地震学调基础研究和现代技术的结合，强调地震学研究成果的转化和对社会与公众的服务，是地震学发展的“最高境界”。实时地震学需要基础研究和现代技术，更需要建立地震速报系统、地震趋势分析系统、灾害评估系统和地震救灾系统这样的系统工程。     

地震地磁观测与研究丛书出版

为了尽早把我国的地震数据库建立起来，更有效地开展地震信息服务工作，促进基础地震学和应用地震学中与国民经济有重大工业关系的一些研究工作的开展，《地震地磁观测与研究》编辑部出版了一套“地震学磁观测与研究丛书”，现已出版六个分册：①现代代震台网观测技术，每册定价5.60元;②计算机高级语言及其在地震学中的应用,定价5.60元③缩微技术及其在地震学中的应用;④地震学中的射线方法;⑤震相与地球内部结构;⑥震级与震源程序参数测定,定价3.75元.     

地震学定量预报指标的一种提取方法——对比筛选法

鉴于目前地震学综合定量预报指标的缺乏和预报工作的急需,尝试使用“对比筛选法(简称CSM方法)”进行地震学定量预报指标的提取试验。较之以往作法的进展在于:1.同时使用“有震”和“无震”两类样本对比筛选;2.对不同地区的地震学参数进行了归一化处理。这样做的显著优点是:1.可以较有效地提取“有震异常”和“正常变化”指标;2.提取的异常和预报指标具有定量化和普适性特点。 试验研究使用大华北地震区资料,研究对象取中强地震。经内符和外推检验,证明该方法提取的异常和预报指标有效性和实用性较高。     

中国地震台网、全球地震台网地震目录数据库和震相数据库

地震目录和震相数据在地震学研究中具有重要意义，本文介绍了中国地震台网、全球地震台网地震目录数据库和震相数据库的内容和查询使用方法。     

地震学定量预报指标的一种报取方法：对比筛选法

鉴于目前地震学综合定量预报指标的缺乏和预报工作的急需，尝试使用“对比筛选法”进行地震学定量预报指标的提取试验。较之以往作法的进展在于：１．同时使用“有震”和“无震”两类样本对比筛选；２．对不同地区的地震学参数进行了归一化处理。这样做的显著优点是：１．可以较有地提取“有震异常”和“正常变化”指标；２．提取的异常和预报指标具有定量化和普适性特点。     

机器学习在地震检测与震相识别的应用综述

在地震学研究中地震检测与震相识别是最基础的环节,其拾取速度和精度直接影响其在地震精确定位以及地震层析成像中的应用效率和精度。近年来,机器学习在地震学领域中引起广泛关注。机器学习可以改进传统地震检测和震相识别方法,使它们能达到更加准确,识别率更高的效果。把机器学习方法按照监督学习和无监督学习分类介绍,并对机器学习方法流程进行总结,并对目前在地震检测与震相识别方面应用较为广泛的机器学习方法(卷积神经网络、指纹和相似性阈值、广义相位检测、PhaseNet、模糊聚类)进行综述。结果表明:机器学习在地震事件检测和震相识别将会是主要的手段。数据驱动的机器学习在地震学中的应用和物理模型的联合运用将是未来的发展趋势。