CD数据流至miniSEED数据流近实时转换的方法及实现

禁核试北京国家数据中心（NDC）是我国与CTBTO/IDC进行数据交换的唯一节点,完成汇集、保存和处理我境内各IMS台站的监测数据,同时向国内用户提供境内IMS台站监测数据。NDC目前主要接入、处理、转发CD数据,但国内履约技术支持单位和协作单位多采用miniSEED数据,并使用JOPENS系统的流服务来交换数据,为了与其进行数据交换或向其分发监测数据,NDC需要具备分发miniSEED数据流的能力。文中设计的软件,是NDC自主开发的应用工具软件之一,可作为JOPENS系统流服务器的本地或远程仪器适配器,将CD数据流准实时转换为miniSEED流或将历史CD数据转换为miniSEED数据流,并通过JOPENS流服务器分发境内IMS台站数据,扩展了NDC的实时数据服务能力。     

基于深度卷积神经网络的地震震相拾取方法研究

地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经网络方法来解决震相拾取问题,构建了多任务卷积神经网络模型,设计了分类和回归的联合损失函数,定义了基于加权的分类损失函数,以三分量地震台站的波形数据作为输入,同时实现对震相的检测识别和到时的精确估计.利用美国南加州地震台网的200万条震相和噪声数据对模型进行训练、验证和测试,对于测试集中直达波P、S震相识别的查全率达到98%以上,到时估计的标准偏差分别为0.067s,0.082s.利用迁移学习和数据增强,将模型用于对我国东北地区台网的6个台站13000条数据的训练、验证和测试中,对该数据集P、S震相查全率分别达到91.21%、85.65%.基于迁移训练后的模型,设计了用于连续数据的震相拾取方法,利用连续的地震数据对该算法进行了实际应用测试,并与国家数据中心和中国地震局的观测报告进行比对,该方法的震相检测识别率平均可达84.5%,验证了该方法在实际应用中的有效性.本文所提出的方法展示了深度神经网络在地震震相拾取中的优异性能,为地震震相和事件的检测识别提供了新的思路.     

基于网页提取与分析的 IRIS台站元数据自动同步技术

基于网页提取与分析技术,开发IRIS台站元数据抓取程序,设计并建立禁核试核查北京国家数据中心(NDC)的IRIS台站元数据库,实现IRIS台站元数据从IRIS向NDC的定期自动同步。作为NDC运行的基础支撑数据库之一,该数据库为NDC开展辅助性地震监测数据的自动台站筛选和数据申请奠定了技术基础。