基于复杂度理论的地磁变化场时间序列特征分析

复杂度理论为研究地磁变化场提供了新思路和新途径.地磁变化场从物理起源上可以看作是一种复杂系统,因此,本文从军事工程应用需求出发,基于复杂度理论,提出运用样本熵、多尺度熵及滑动窗样本熵方法对不同磁扰程度下的地磁变化场时间序列进行复杂度特征分析,结果表明：（1）样本熵和多尺度熵能够很好地表征地磁扰动强度及演化特征,启发我们可设计一种新的“熵指数”来衡量地磁扰动大小;（2）滑动窗样本熵能够准确定位地磁扰动时间段,对于磁暴识别与预测、空间灾害性天气预警等有一定的参考价值;（3）Mackey-Glass时滞混沌方程随时间的演化呈现出与地磁场日变曲线非常相似的形态,因此,地磁变化场或许可用时滞混沌方程来表示,对于我们更好地认识地磁变化场物理机理、建模预测与地磁寻的等军事工程应用都有一定的意义.     

华南地区地磁预测方法预测指标体系的初步应用

2016—2017年华南地区地磁分析方法预测指标体系初步建立,包括地磁低点位移法、地磁加卸载响应比法、地磁逐日比法和地磁测深视电阻率法,介绍了这些方法指标体系建立以来,华南地区5级以上地震前这些方法的异常情况,分析和讨论了地磁异常与地震间的关系,并对华南地区地磁预测指标的改进和应用给出了建议。     

基于双向长短期记忆神经网络的储层孔隙度预测方法研究

孔隙度作为重要的储层物性参数之一,在储层评价中发挥着重要作用,因此,寻找一种低成本、高效的方法获取高精度的孔隙度成为了储层评价的重要课题.由于测井参数和孔隙度之间复杂的非线性映射关系和时序性特点,本文提出了一种基于双向长短期记忆(BiLSTM)神经网络的储层孔隙度预测方法,通过建立BiLSTM孔隙度预测模型,并在模型中使用Nadam自适应优化算法提高模型训练效率和准确率,引入Dropout正则化技术防止训练过程中发生过拟合,采用ReLU激励函数提高网络的鲁棒性和稳定性,最后利用实际测井数据验证其性能.研究结果表明,相较于长短期记忆循环神经网络(LSTM)、常规循环神经网络(RNN)和全连接深度神经网络(DNN),BiLSTM模型具有更高的预测精度,在储层参数预测方向具有广阔的应用前景.     

基于日变化相关的地磁低点位移异常可靠性分析方法

地磁低点位移法是20世纪提出的地震短临预测方法,该方法通过研究每日中国大陆地磁低点时间变化特征,给出地震短临预测意见,但不足之处是其仅研究了地磁日变化畸变的时间特征,未研究畸变幅度,因此虚报率高.本文通过分析低点位移线两侧台站地磁日变化的相关性,研究了地磁低点位移异常畸变幅度与地震的关系,并统计了2008-2018年出...     

利用卡尔曼滤波技术提取地磁规则日变化

地磁规则日变化的有效提取能够提高地磁活动指数现报的准确性.本文基于1998—2013年北京十三陵(BMT)台站的地磁数据,利用卡尔曼滤波(KF)方法提取了地磁场规则日变化(S_R)曲线.该方法提取的S_R曲线具有明显的逐日变化特征,能够准确反映S_R曲线的季节变化和地方时效应.根据KF方法得到的S_R日变幅度逐日变化的结果,改进了K指数的量算方法,重新计算了十三陵台站的K指数以及Ak指数,并分析了S_R日变幅度的逐日变化对K指数量算的改进程度.分析结果表明,当K≤3时,KF方法可以较好地改善S_R曲线扰动幅度的计算,提高了地磁规则日变化提取的有效性,从而改进相应的地磁活动指数的量算.     

台站地磁观测数据精度提高方法

在当前多种地磁日常数据处理方法基础上,探讨提高地磁观测数据精度的问题.通过使用一种改进的地磁观测基线值计算方法,能有效减小外磁场变化对观测结果的影响,考虑到基线值日变化等因素,使用高阶多项式拟合基线值日变化曲线.利用该方法处理的地磁数据与实测数据进行结果比对后,发现此方法能有效提高地磁观测数据的精度和质量.     

汶川8.0级地震前地磁日变化异常综合分析

运用地磁低点位移、地磁加卸载响应比和地磁Z分量日变幅逐日比3种地磁分析方法,分析了2008年5月12日汶川8.0级地震前的地磁前兆异常现象。研究发现,运用上述3种方法,汶川地震前出现多次异常,地震发生在异常预测线集中交汇区域。综合分析结果显示,地磁多方法综合分析可以有效提升地震预测的精确性。文章还讨论了地磁日变化畸变异常机理问题。     

地磁加卸载响应比方法在上海及其邻区地震研究中的应用

本文运用2000—2010年上海佘山台和崇明台地磁场Z分量所计算得到的地磁加卸载响应比资料分析了近11年地磁加卸载响应比对上海及其邻区中小地震的预测分析效果,并对原有的预测指标体系进行了完善。分析结果表明: ① 地磁加卸载响应比值在大于3.4的异常情况下,对上海及其邻区的M_L≥4.0地震预测有一定的指示意义; ② 两个台站的地磁加卸载响应比值随时间的整体变化趋势与上海及其邻区地震活动性的变化有较好的对应关系; ③ 通过小波变换得到,地磁加卸载响应比值与该地区的地震活动性时间序列都存在4.5年的周期变化,且在该周期尺度上位相变化一致性较好。     

变化地磁场预测的支持向量机建模

变化地磁场建模与预测是地磁导航、空间环境监测等领域的重要研究课题.由于变化地磁场属于日地系统中的一部分,受多种因素的制约影响,且其变化本身也具有较强的前后相关性.本文综合空间和地面监测数据,以变化地磁场地面观测数据、地方时、太阳射电流量和行星际磁场南向分量等为输入,采用支持向量机方法,建立了变化地磁场综合模型,并进行预测.结果表明,在地磁活动Kp指数小于4时,预测3 h平均绝对误差小于1.61 nT.     

VPN技术在新疆地磁台阵中的应用

介绍了新疆地磁台阵的测点分布、测点设备构成情况以及运用VPN技术将地磁台阵观测系统接入地震行业网、VPN网络建设等情况。在新疆地磁台阵中应用VPN技术,实现了地震行业网对地磁台阵设备的远程管理和数据交换,随时获取数据信息,并能够对地震前后观测信息短临变化进行快速跟踪。     

自然正交分量方法在地震地磁监测中的应用

对比分析了地震地磁监测中运用自然正交分量方法建立的我国地磁场长期变化模型与传统的磁场线性预测长期变化模型在地震地磁监测中的误差,发现NOC方法优于线性预测方法,应在地震地磁监测中予以推广应用.在NOC模型建立过程中,还发现NOC方法有助于提取可能与地震活动性相关的地磁场微弱能量的时间变化,但还有待于进一步的研究.     

华北地区地磁场Z分量长期变化的拟合与预测

本文利用华北及邻近地区17个地磁台1980—1987年地磁场Z分量的实测资料,对华北地区地磁场长期变化特征进行了分析研究,并对1988—1987年的地磁场年变率进行了预测。工作中采用的数学分析方法是泰勒二次多项式曲面拟合,自变量除经纬度坐标外,还增加了时间自变量。工作结果表明,其随机拟合偏差在1—2nT,得到了较好的效果。其结果,可提供地磁人员在地震监视中使用。     

基于深度神经网络的地磁观测数据高压直流输电干扰事件识别

随着越来越多高压直流输电线路的投入运行,地磁观测数据质量受到了严重影响.现有以人工或半人工方法识别高压直流输电干扰事件的工作量也随着受干扰范围的不断扩大和地磁观测仪器的增多而成倍增加.为了高效、准确地识别地磁观测数据中的高压直流干扰事件,本文基于卷积神经网络和长短期记忆神经网络,提出了一种高压直流输电干扰事件自动识别深度学习模型.利用2012年1月1日至2014年12月31日地磁台站原始观测数据,结合专家标注的持续时间在2 h内的高压直流输电干扰事件记录,制作高压直流输电干扰样本34360条,正常样本34360条.模型在训练集上的准确率达到了94.12%,验证集上的准确率达到了92.94%,测试集上的准确率达到了92.86%.初步研究表明深度学习方法在识别地磁观测数据中的高压直流输电干扰事件中具有较高的准确率,为下一步自动识别地磁观测数据中的车辆干扰、基建工程干扰、轻轨干扰等其他干扰事件提供了一种新的思路.     

基于BP人工神经网络的潜在震灾预测系统

结合人工神经网络自身的特性和地震灾害预测研究的特点,应用BP人工神经网络模型,建立了潜在地震灾害预测系统。利用大样本数据对网络进行了训练,形成了有识别和记忆功能的非线性预测系统。通过对网络的测试和检验,论证了该系统在预测潜在地震灾害上的可行性和有效性。同时,从测试精度出发,探讨了这种预测网络存在的不足,并给出了相应的改进建议。虽然提出的神经网络模型预测精度还有待提高,但其量化指标仍可为地震灾区政府抗震减灾工作提供参考。     

静海地震台地磁短周期变化及其在地震短临预报中的应用

近年来的一些研究表明，由于地震前孕震区地下介质的电性结构的变化，将导致地磁短周期转换函数发生异常变化。通过对地震前后的地磁短周期转换函数的参数的计算、分析和研究，有可能提取出可靠的地震短临前兆异常（曾小苹等，１９９０）。为了进一步开展对该方法研究工作并使其在我区地震预测预报研究中得到应用，我们使用了静海台的地磁记录资料，分析计算了该台地磁短周期转换函数在地震前后的变化情况，确立了该方法应用天津地区地震预报的短临异常特征及指标，取得了较好的效果。     

地磁加卸载响应比方法最佳阈值研究

地磁加卸载响应比方法(LURR)是从测震学中移植过来的、用于地震中期分析预测的一种地磁学方法。笔者应用红山地震台地磁数字化观测数据进行了地磁加卸载响应比的计算分析,经过统计得出在阈值选择为3.0时对地震进行预测的效果比较好,其与地震的对应概率为42%。同时,笔者还认为可能受限于方法本身及外界因素,地磁加卸载响应比方法在进行地震预测时,其虚报率及漏报率较高。     

基于LSTM-RNN的地震前兆数据异常检测新方法（英文）

研究地震前兆数据的异常变化是地震短临预测的基础,本文提出一种地震前兆数据的异常智能检测新方法,利用长短期记忆单元的递归神经网络(LSTMRNN)构建数据趋势变化预测模型,通过模型预测的误差来提取数据的异常变化。该方法不需要对原始数据进行预处理,也不需要对异常数据判断的经验积累,适用于各类不同长度的地震前兆数据异常检测。通过使用三类真实的前兆观测数据的进行方法检验,将机器检测结果与人工识别结果进行对比分析,试验结果表明,基于LSTM-RNN的异常检测方法能够准确识别各类异常,可以代替人工用于地震前兆数据的异常检测。     

2018年精河5.4级地震前地磁日变化畸变异常分析

2018年10月16日新疆精河5.4级地震发生时,震中附近的台站不同程度上记录了地磁日变化畸变异常,如地磁总强度F02时每日一值空间相关异常、地磁垂直分量加卸载响应比异常、地磁低点位移以及地磁日变化空间相关异常等。统计震前观测到的所有地磁异常,并分析研究了其震前异常变化特征。得到如下结论:(1)从全国每日一值相关分析结果看,震前114天出现每日一值空间相关异常,异常高值台为乌鲁木齐和克拉玛依;(2)震前59天沿北天山断裂带分布的地磁台站加卸载响应比均成组出现超限的高值,且异常高值的空间分布跟震中位置有一定关联;(3)中国大陆地磁台站震前37天出现低点位移突变分界线,且异常集中于震中附近;(4)震前出现地磁垂直分量日变化空间相关异常,异常台站空间上也主要集中于北天山地区。因此地磁垂直分量日变形态及有关的计算方法短期内具有一定的预报效能,可为今后利用地磁方法预测地震积累经验和震例。     

2019年长宁6.0级与夏河5.7级地震前的地磁日变化异常

运用地磁低点位移、地磁加卸载响应比和地磁逐日比三种地磁日变化异常分析方法,分析了2019年6月17日长宁6.0级和10月28日夏河5.7级地震前的地磁前兆异常现象.研究发现,两次地震前三种方法分析的结果均出现了异常,两次地震均发生在异常集中交汇区域.综合分析表明,应用地磁低点位移、加卸载响应比和逐日比预测区叠加法可以提高震中位置预测的准确度.     

地磁静日变化预测方法研究

地磁观测中及时了解地磁场日变化的扰动情况,可以帮助人们及时判断数据的可靠性,识别观测中的异常.研究地磁静日变化的预测方法在地磁观测数据分析处理中具有应用意义. 地磁日变化主要包含了地球外部空间电离层和磁层电流体系的变化信息,有静日变化和扰日变化之分.通常情况下人们利用每月中的5天静日变化的平均作为当月的Sq变化的估计.