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...     

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...     

基于卷积神经网络的地震震级测定研究

地震预警震级测定是地震预警系统最重要也是最困难的部分之一.本文提出了基于卷积神经网络的地震预警震级测定方法,将震级测定问题转化为震级分类问题,即将ML＞2.0的震级分成20个不同等级类别处理.收集了福建台网2012-2019年期间记录到福建、台湾海峡及台湾共1928个地震作为研究资料,经过台站记录截取、大震样本增强、标签制作、质量筛选等预处理共得到14644条三分向地震样本记录;构建了3 s波形输入的卷积神经网络震级预测模型,并用2012-2018年震例对模型进行训练,用2019年震例对模型进行测试.结果 表明,单台震级偏差有85.6％可控制在±0.3以内,前三台平均的震级偏差有91.8％可控制在±0.3以内,其中震级较大偏差的事件多为缺乏历史样本.相较于传统方法,该模型测定的震级值更加稳定可靠,可为解决地震预警震级测定这一挑战性难题提供新的技术手段.     

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。     

基于深度学习的地震震级分类

为了探索地震加速度时程记录的震级信息,训练卷积神经网络基于地震震级大小对地震记录进行分类,将K-NET和KiK-net中将近12万个地震记录作为样本,对其进行信息筛选和归一化,之后将地震加速度时程记录用作输入,训练卷积神经网络模型以M5.5为分类界限来区分大震和小震。结果显示,在训练集中基于该模型的分类准确率为93.6％,在测试集中的准确率为92.3％,具有良好的分类效果,这表明大震记录与小震记录之间存在一些根本的区别,即可通过地震动加速度时程记录获取一定的震级信息。      

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。     

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。     

2022年四川泸定MS 6.8地震预警处理结果分析

2022年9月5日四川泸定发生M_S 6.8地震,中国地震台网中心JEEW预警处理系统有效处理并产出本次地震的预警信息。本次地震发生在四川地震预警区内,震后6.4s发布首次预警处理结果,使用7个台站数据,与统一编目结果相比,震中位置偏差3.7km,震级偏差-0.8,盲区半径15km。随着参与定位台站的数量增多,震中位置及震级偏差逐渐减小,但盲区半径不断增大,预警效益随之减小。震后39 s,使用337个台站数据后,预警震级稳定在6.4。预警震级整体偏小主要原因是,震后短期内有效波形数据较少,较短时间窗内的波形振幅不能反映震级的实际大小。另外,部分近场基准站地震波形限幅,且M_L震级存在饱和,也导致震级被低估。本次地震预警效果较好,但震级准确性有待进一步提升。为提高预警系统的减灾效能,在不断改进震级算法的同时,也需完善预警信息发布策略。     

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。     

利用P波参数阈值实时估算地震预警潜在破坏区范围

由于传统的潜在破坏区范围估算方法只能在已获取到震中位置和地震事件结束后才能产出,且往往需要数分钟的耗时,其实时性已无法满足地震预警要求。因此,为了快速产出潜在破坏区范围估算结果并将其用于预警,本文采用了一种结合现地预警技术和区域预警技术、基于预警参数（位移幅值P_d和特征周期τ_c）阈值的实时潜在破坏区范围估算方法。首先利用国内地震事件（4.0≤M_S≤8.0）的记录数据和日本强震动观测事件（6.5≤M_J≤8.0）的数据拟合出特定的适应于我国的参数关系式,包括τ_c与震级M的相关性、P_d与峰值速度PGV的相关性以及P_d与τ_c和震源距R的相关性;其次,根据最小震级（M_S6.0）和仪器烈度（Ⅶ度）定义相应的参数阈值（P_d＝0.1 cm和τ_c＝1.1 s）;最后,利用已有的3次破坏性地震事件数据开展线下模拟,对该方法的适应性和时效性进行了验证。结果表明,对于2013年M_S7.0四川芦山和2014年M_S6.5云南鲁甸两次中强地震,震后约10 s即可获取到比较稳定的潜在破坏区范围估计结果;而对于2008年M_S8.0汶川特大地震,在其记录台站分布密度不高的情况下,震后40 s左右的估算结果始呈稳定状态。      

地震预警信息可靠度研究

提出了一种地震预警信息可靠度检验方法. 针对地震预警系统对信息的高度时效性及准确性要求, 并结合其应用特点, 从地震动记录信噪比、 特征参数相容性、 特征参数协调性及地震预警定位结果可靠性等4个方面对地震预警信息的综合可靠度进行探讨, 并分别提出了相应的可靠度定量计算方法. 利用日本KiK-net台网记录的444个地震事件共4737条三分向加速度记录对上述4个指标参数及综合可靠度指标参数的验证结果表明, 采用本方法有助于提高地震预警信息发布的准确性和可靠性, 减少“漏报”及“误报”事件的发生.      

机器学习在地震紧急预警系统震级预估中的应用

地震预警是地震减灾工作的重要途径,而震级预估是整个地震紧急预警系统中重要且较为困难的一个环节.目前,世界上多个国家和地区都已建立了各自的地震预警系统,并且形成了特征频率(τ_p和τ_c等)相关和特征振幅(Pd等)相关的两类震级紧急预警的方法,但各有局限性.本文在已有的方法和理论基础上,运用机器学习算法,将日本KIK和KNET台网从2015年至2017年所记录到的843条地震目录,55426条记录作为全数据集,设计、训练出一套用于常见震级范围的机器学习震级预估模型.与已有方法的预估结果相比,机器学习方法不仅使预估的整体误差和方差下降,同时多台联合评估单一地震事件的截面方差也更低.本研究的结果显示了机器学习算法在震级紧急预估问题上具有较广阔的应用前景,同时也为较为复杂的深度学习类算法框架下端到端模型提供了实践基础和研究可能.     

地震预警震级确定方法研究

地震预警技术是减轻地震灾害损失的有效手段之一．地震预警系统中,地震震级计算是最重要也是最困难的部分之一．利用日本KiK-net台网和四川汶川余震共142次地震事件的记录,分别采用tau;c和Pd方法统计得到了地震预警震级的计算公式,震级计算的方差分别为0.62和0.56个震级单位．为消除震级计算过程中出现的震级饱和现象,作者拓展了Pd方法,提出了一套对位移幅值连续追踪测定的算法．当时间窗长度为10 s时,采用该方法的震级计算方差仅为0.37个震级单位,充分满足地震预警系统的需求．同时,该方法也实现了信息的连续过渡,提高了对现有信息的利用率．最后,还对位移幅值Pd用于地震动峰值PGV的估计以及不同特征参数间的相容性等内容进行了讨论．      

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.      

福建省地震台网预警能力评估

由于常用的均方根值法和噪声功率谱法不能消除不同传感器记录的噪声干扰,为提高噪声水平计算的准确度,本文选用最大概率峰值位移作为背景噪声评估指标。基于可靠的噪声数据,借鉴震级-最大距离监测能力法并考虑预警时效,提出了地震预警最小震级评估方法,系统评估福建三类传感器网及其融合网的地震预警最小震级和预警首报时间。结果表明：测震强震融合网的地震预警最小震级高于单测震网,但明显低于强震网;强震烈度计融合网与单烈度计网的结果相近;三网融合后95%区域的地震预警最小震级约为M_L3.2。由于烈度计网比测震和强震网密集,其预警首报时间最短;三网融合相对于单测震网或单强震网,其震后地震预警首报时间得到了明显缩短,预计95%区域的首报时间为4—6 s。本文研究为福建省的台网布局的优化和重点区域监测能力的提升提供了参考依据。     

論用PKP波測定极远地震的震級

一、引言目前我国测定极远地震（震中距离Δ>110°）震级的方法有两种: 1.面波法计算震级的公式 M_LH=log（A/T）-log（A/T）^*,（1.1） 式中A是水平分向地动位移（μ）,T是相应的周期（秒）,取面波中A/T为最大者,-log（A/T）^*是索洛维约夫-谢巴林1957年发表的量规函数。     

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.     

应用近场速度记录快速估算川滇地区中强地震强度

采用Wu等(2004)提出的地震强度测定方法,应用近场速度波形记录,测定地震参数M_(ew),实现了川滇地区中强地震(M_W≥5.7)强度近实时快速测定。M_(ew)是一个与矩震级M_W对接的地震参数,与传统的应用振幅测定震级的方法相比,不会存在震级饱和问题,与全球矩心矩张量(GCMT)的矩震级M_W具有较好的一致性。该方法解决了应用近场波形资料和矩张量反演方法求取大地震矩震级比较困难的问题,可为区域中强地震速报提供近实时矩震级提供参考,从而提高地震速报的时效性和准确性,同时为强震加速度数据的应用奠定基础。