近台资料对近震相对定位算法的影响

从地震定位的基本原理出发,分析认为近台资料可用于双差定位算法,但不能用于其他相对定位方法.在此基础上,通过分析和模拟计算表明,应用近台资料时,双差法有可能给出一定精度的地震绝对位置.但仅采用近台资料时,相对位置的误差会比使用远台资料时有所增加.近台和远台资料的联合使用,有利于得到较为精确的定位结果.当震源深度远小于震中距时,如果没有深度震相的参与,只能得到误差较小的震中相对分布,深度的相对位置仍有较大的误差.对2003年新疆伽师地震余震序列中部分余震的重新定位试验,验证了近台资料对双差定位算法的上述影响.     

遗传算法在地震定位中的应用

把遗传算法应用于地震定位,并与Ｐｏｗｅｌｌ算法和传统算法进行了比较,结果表明,遗传算法在地震定位中所给出的发震时刻精度较高,震源深度较可靠,对非 包围地震定位效果较好。     

近震相对定位法和南黄海地震序列的时空分布

本文根据相对定位法原理,建立了使用Pn震相和拟牛顿最优化法测定地震空间位置和发震时刻的方法及程序,並对1984年5月21日南黄海地震序列进行了测定。     

考虑震相清晰度时的最优化定位方法

在文献[1]的基础上详细讨论了各台站直达波初动震相清晰度存在差异时如何利用井下和地面观测资料联合确定震源位置、发震时刻及区域平均波速的最优化方法。理论和实际检验表明,对于一个台网而言,考虑各台站震相清晰度间的差异,会使定位主要依赖于震相清晰的台站的资料,而震相不太清晰的台站的资料只对定位起参考作用。从而提高了整个台网定位的可信度。     

几种地震定位程序的定位效果分析

简要介绍了四川地震台网目前使用的4种近震定位程序(HYPO81,Gelor-P、GENETIC、LOC91)，并选取成都数字遥测地震台网记录的30次地震事件，对4种定位程序的定位效果作了初步对比分析。结果表明：对于网内及网缘地震，NYPO81程序的定位结果要稍优于其它3种定位程序；而对于网外地震，4种定位程序得到的结果都不理想。     

用INGLADA与GEIGER方法实现近震精定位

介绍了一种近震定位方法，即利用INGLADA方法实现近震初定位，并对初定位结果利用GEIGER方法进行校正，最终取得精确定位结果的近震定位方法。通过使用虚拟台网测试此定位方法以及该定位方法在实际中的应用表明，将INGLADA与GEIGER方法相结合，在区域地震台网中是一种较理想的近震定位方法。作者已经在MATLAB下实现了此定位方法。     

用遗传算法确定三维横向不均匀介质中的近震震源位置

介绍了用遗传算法在三维横向不均匀介质中确定震源位置的研究思路并简述了三维横向不均匀介质中走时计算的基本原理，在遗传算法的迭代过程中，考虑到初始迭代阶段有较大的参数搜索空间而在最后迭代阶段有较小的参数空间，提出了遗传算法中变异概率随迭代次数下降的函数形式并对其进行了分析，结果表明，随迭代次数指数下降的变异概率使得算法收敛加快，而且反演得到的震源位置的各台站走时残差比原定震源位置的明显减小。     

遗传算法在确定震源位置中的应用

地震定位需要震源的空间坐标和发震时刻，可以通过使观测走时和计算走时的拟合差达到最小来实现。遗传算法是解决此最优化问题的有效方法。本文对遗传算法确定震源位置的基本思路思路进行了说明和分析，讨论了拟合差随迭代次数的分布特征，最后，给出了最优化过程搜索震源位置在四维空间的分布。     

基于遗传算法的大地电磁阻抗张量分解方法研究

本文针对Groom-Bailey分解法在消除地表电性不均匀体对MT数据的畸变效应时存在的问题引入遗传算法,对基于传统线性最优化方法的GB分解算法进行改进,提出基于遗传算法的大地电磁阻抗张量分解方法.通过对理论合成数据以及三维/二维模型正演数据的分解试验,并且对青藏高原北缘阿尔金断裂地区实际MT数据进行分解处理,证明了基于遗传算法的GB分解能够更加有效地校正三维/二维情况下近地表三维电性不均匀体所造成的畸变影响.最后,在已有算法基础上,研究了基于遗传算法的多频率GB分解算法和MT数据静校正算法,并通过实际MT数据的处理证明了这些算法的有效性.     

基于混合遗传算法的斜测电离图参数反演

斜向探测是获取电离层状态信息的重要手段之一,对斜测电离图的反演可以得到电离层的相关结构参数.遗传算法是一种有效的并得到普遍应用的反演方法,该算法的求解不依赖于初值的选择,可以有效地减少反演问题解的非唯一性,但也存在“过早收敛”和局部搜索能力差等缺陷,从而导致反演精度下降,影响反演结果的可靠性.本文提出将基于模拟退火的混合遗传算法应用到斜测电离图的参数反演中,该算法不仅把握总体能力强,且具有较强的局部搜索能力,是遗传算法和模拟退火算法的优势互补.为了验证该算法反演结果的可靠性和稳定性,首先分别采用遗传算法、模拟退火算法和混合遗传算法对合成的电离图进行反演,反演参数包括临界频率,最大电子浓度和半厚度.通过对三种算法反演结果的对比,得出混合遗传算法的反演结果最接近真实值,需要的迭代次数也远远小于其他两种算法;通过改变种群大小和总迭代次数来判断参数值的改变对三种算法反演结果的影响,得出混合遗传算法有效地降低了参数的选取对反演结果的影响.然后用这三种反演算法对实测电离图进行反演,并将它们的反演结果与斜测链路中点的实际垂测数据进行比较,结果显示混合遗传算法84.62%的反演结果可以控制在误差范围之内,高于遗传算法（76.93%）和模拟退火算法（65.38%）.这些都表明了混合遗传算法的反演结果具有较强的可靠性,在反演的寻优能力和稳定性上要明显优于遗传算法和模拟退火算法,对实测电离层图的反演具有很强的借鉴意义和应用价值.     

一种评估地震前兆可信度的方法

本文提出了一种可以对地震前兆的可信度进行评估的方法. 通过对前兆信息的抽取、各类非地震干扰的识别、前兆与地震事件在时间和空间的相关性分析以及前兆的随机检验等一系列手段来评估前兆信息的真伪,提高地震前兆信息的显著性和可信度. 该方法及思路也可为其他非地震前兆的可信度评估所借鉴. 作为一个具体的例子,本文利用日本气象厅的地震目录以及能定量描述地震活动的时、空、强信息演化特征的RTL(Region_Time_Length)方法对2000年10月6日在日本鸟取县西部发生的7.3级地震前周围地区近26年的地震活动进行了系统的研究,得到了可能的地震活动前兆信息,并采用本文提出的方法对该前兆进行了评估,证实了上述前兆的显著性和可信性.     

基于匹配追踪和遗传算法的大地电磁噪声压制

针对匹配追踪计算量大、大地电磁数据处理效率低的问题,提出基于匹配追踪和遗传算法的大地电磁噪声压制方法.首先,利用Gabor原子构建过完备原子库,并对过完备原子库集合进行划分.然后,借助遗传算法的自适应性,快速搜寻最优匹配原子及所在位置.最后,运用最优匹配原子对待处理信号进行稀疏分解,重构有用信号.通过对计算机模拟的典型强干扰和矿集区实测大地电磁数据进行分析处理,实验结果表明,相对于匹配追踪和正交匹配追踪,文中所提方法能从过完备原子库中快速、自适应地选取最优匹配原子与不同噪声干扰类型高精度的匹配,极大地提升了计算效率;大地电磁时间域序列中的大尺度强干扰被有效剔除,视电阻率曲线更为光滑、连续,低频段的数据质量得到明显改善.

     

基于遗传神经网络的大地电磁反演

为进一步提高大地电磁非线性反演的稳定性、运算效率及准确度,将遗传神经网络算法引入大地电磁反演.首先针对大地电磁二维地电模型建立BP（Back Propagation）神经网络基本框架进行学习训练,网络输入为已知地电模型的视电阻率参数,输出为该地电模型参数;再利用遗传算法对神经网络学习训练过程进行优化,计算出多种地电模型网络连接权值和阈值的最优解;最后将最优连接权值和阈值对未知模型进行反演测试,网络输入为未知地电模型的视电阻率参数,输出为该地电模型参数.模型实验表明：遗传神经网络算法充分结合了遗传算法的全局寻优性和神经网络的局部寻优性,相比单一神经网络算法,在网络学习训练中提高了解的收敛成功率和计算速度,在反演测试中能更准确地逼近真实模型.将遗传神经网络算法与最小二乘正则化反演进行对比,理论模型和实测数据都验证了遗传神经网络算法在大地电磁反演中的可行性和有效性.

     

一种基于遗传算法的测井曲线高分辨率处理方法

测井曲线高分辨率处理是提高薄层测井解释精度的一条重要途径.在纵向分辨率匹配技术基础上,利用遗传算法进行测井曲线分辨率处理：先由遗传算法在频率域确定滤波器,然后使用分辨率匹配技术提高测井曲线分辨率.利用该方法对中原油田和新疆塔河油田多口井的八侧向、深感应、自然伽马等多种方法的测井数据进行处理,测井曲线的分辨率得到明显提高,使得其更加适合薄层高分辨率处理解释的需要.     

基于射线追踪技术计算地震定位中震源轨迹的改进方法

使用震源轨迹确定震源位置不仅稳健而且直观,但当介质复杂时震源轨迹难以给出解析解.基于最小走时树射线追踪技术计算震源轨迹的方法(以轨迹所在的残差场中残差最小的点(初始点)至残差较小的点(震源轨迹代表点)的射线路径表示震源轨迹)适用于复杂速度模型,但尚不能正确计算由多段组成的震源轨迹,同时兼顾计算轨迹的完整性和精细性较为困难,计算参数设置烦琐不适于大批量数据的自动处理.针对该方法存在的问题,本文对其进行了改进:(1)采用一种"削皮"算法选取震源轨迹所经过的模型单元的节点作为轨迹代表点;(2)将残差较小的区域作为震源轨迹计算区域(该区域依轨迹分布自适应地划分为若干个连通区域),从未计算的轨迹代表点中选取残差最小者作为射线路径初始点,利用最小走时树算法依次计算所有连通区域内的震源轨迹;(3)通过去掉较短的不再分叉的射线路径使震源轨迹更为精细.虚拟和真实事件的算例表明,改进方法有效克服了原方法的不足,可便捷地计算复杂速度模型中事件的震源轨迹,计算的轨迹精细且较完整.     

Multi-step prediction of strong earthquake ground motions and seismic responses of SDOF systems based on EMD-ELM method

This paper proposes a new multi-step prediction method of EMD-ELM (empirical mode decomposition-extreme learning machine) to achieve the short-term prediction of strong earthquake ground motions. Firstly, the acceleration time histories of near-fault ground motions with nonstationary property are decomposed into several components of intrinsic mode functions (IMFs) with different characteristic scales by the technique of EMD. Subsequently, the ELM method is utilized to predict the IMF components. Moreover, the predicted values of each IMF component are superimposed, and the short-term prediction of ground motions is attained with low error. The predicted results of near-fault acceleration records demonstrate that the EMD-ELM method can realize multi-step prediction of acceleration records with relatively high accuracy. Finally, the elastic and inelastic acceleration, velocity and displacement responses of single degree of freedom (SDOF) systems are also predicted with satisfactory accuracy by EMD-ELM method.     

基于遗传算法优化的ENSO指数的动力预报模型反演

基于NCEP/NCAR提供的1958～1995年全球月平均海温距平场再分析资料,采用动力系统反演思想和遗传算法途径,进行了El Nino/La Nina指数的动力预报模型的参数优化和模型反演,从上述海温资料中重构了Nino3海温距平指数的非线性动力模型.模型预报试验结果表明,遗传算法具有的全局搜索和并行计算优势能够客观、有效地反演海温指数的动力预报模型,对Nino3海温指数和El Nino/La Nina事件进行较为客观准确的预测,为El Nino/La Nina预测提供有益的研究参考.     

基于子空间的二维大地电磁量子遗传反演法研究

量子遗传算法作为一种高效的优化算法,仍存在容易陷入局部极值的缺点.为提高算法的高效性,并探讨将算法应用于大地电磁二维反演的可行性和有效性,本文对算法进行了改进,并通过一维两层D型和四层HK型模型数值试验验证了改进的有效性.然后将改进后的算法引入二维大地电磁反演,在引入滑动子空间思想,同时只考虑最简化反演条件的前提下,对一个简单的二维低阻地电模型进行了传统量子遗传算法和改进量子遗传算法的反演,结果说明了将量子遗传算法引入基于子空间的二维大地电磁反演是可行的和有效的,而且改进的算法效果要优于传统算法.最后对实测资料进行了反演,得到了比较好的结果.