应用小波包识别宁夏及邻区的地震和爆破

将小波变换理论应用于宁夏及邻区的地震和爆破的识别,利用小波包变换系数与射线能量的关系,计算了射线所包含的低频成分和高频成分的能量之比.结果表明,当分解尺度j=1时,对于地震信号,ln(Ω10/Ω11)的值一般小于3,对于爆破信号,ln(Ω10/Ω11)的值一般大于3.     

地震与核爆识别的小波包分量比方法

频谱分析法在核爆与地震识别中具有广泛的应用．但是频谱分析方法是稳态方法,即使采用Gabor变换,也因时-频窗口形状不变而分辨串较低．为提高时-频分辨率,本文将小波变换理论用于乌鲁木齐台记录的地震与核爆事件的分析,并提出了识别核爆和天然地震的小波包分量比判据．通过对加拿大黄刀地震台记录的印度地下核爆的分析,进一步验证了小波包分量比判据对核爆和地震的识别具有较高的识别效率．结果表明：对于地震信号,其小波包分量比U03/U1一般都大于1.0,而对于核爆信号,比值U03／U13一般都小于1.0.     

乌兰浩特地震台爆破与地震记录识别判据

选取乌兰浩特地震台爆破及地震波形数据记录,采用小波分析方法,提取地震及爆破的3种波形特征,使用v-SVC支持向量分类机进行分类能力的效果检验,结果表明,WPT(db4)+香农熵特征+v-SVC的组合最佳,可作为该台爆破与地震记录的快速识别判据。     

天然地震与人工爆破的波形小波特征研究div

研究了如何从天然地震和人工爆破事件的波形记录中提取出有效、适用的波形特征,以用于对爆破事件的识别．首先对波形记录进行了4层小波包变换;然后对变换得到的最后一层小波包系数提取3种波形特征:能量比特征、香农熵特征及对数能量熵特征;最后利用upsilon;-SVC支持向量分类机对这3种特征的分类能力进行了外推检验．通过选用不同地区、不同台站、不同震级的天然地震与人工爆破的波形记录,力求提取的特征量能尽可能地反映天然地震与人工爆破波形的本质区别,尽量弱化震中距、震级等因素对识别效果的影响．结果表明,上述３种特征中以香农熵特征的识别效果最好,能反映天然地震与人工爆破的本质区别,可作为识别天然地震与人工爆破的一个有效判据．      

利用小波包变换时频谱识别宁夏及邻区的地震和爆破

采用dmey小波基函数分别对地震和爆破事件的垂直向记录信号进行小波包变换,计算各事件信号的归一化时频谱值以及P波和S波时频谱值达到最大时的频率fmp和fms,比较地震信号和爆破信号P波段(0～6.25Hz)和S波段(0～6.25Hz)在各相同分解频带内的瞬时谱最大值差异,寻找合适的单项定量识别指标,并综合各单项识别指标形成综合识别判据。运用综合识别判据对银川台记录到的宁夏及邻区14个地震事件和19个爆破事件进行判别,结果表明,各单项定量识别指标的识别率均在80%以上,综合判别结果均与事件的真实类型一致。     

基于小波变换与小波包变换的降噪方法比较

在模拟地震记录信号中加入信噪比为17的高斯白噪声,然后分别采用小波降噪和小波包降噪方法,对含噪信号进行降噪处理。在不同降噪阈值下,比较降噪后信号的信噪比。结果表明:在同一降噪阈值下,小波包降噪后信号的信噪比高于小波降噪后信号的信噪比,而且采用wbmpen方法给定的阈值明显可以提高降噪后信号的信噪比。     

用小波包识别地震和矿震

在能检测到天然地震和矿震的区域，这两类地震的快速识别无论对于区域台网和矿区台网都具有现实意义。这两类震动都是非稳态信号，用传统的Fourier变换不能提取出信号的特征信息，小波包分析方法却能很好提取出信号的特征信息。本文提供了一种基于非参数识别算法，即把信号变换到频域，然后再用奇异值分解作为统计工具，提取出信号的特征信息，作为识别天然地震和矿震的识别因子。以辽宁抚顺2001年1月1日到2003年6月30的18个矿震和16个天然地震，以及北京门头沟2001年1月1日到2002年12月31日的15个矿震和14个天然地震为样本，提取出识别因子。最后，用其它的天然地震和矿震资料检验了识别因子的识别率。     

用小波变换能量线性度方法识别天然地震与爆破或塌方

为了提取天然地震和爆破或塌方记录波形在震源深度、震源尺度、震源破裂机制、地震波传播途径、地震波衰减等方面的差异特征信息,本对山东数字化台网记录的天然地震和爆破或塌方波形进行了小波多分辨率的能量线性度特征分析,提出了用小波变换能量线性度方法识别天然地震与爆破或塌方事件．结果表明：在精细结构小波分解信号“能量”线性度方面,天然地震主要集中在-2．0～1．0之间,爆破或塌方主要集中在2．0～3．4之间;在精细结构小波分解信号“能量”最大值对应的小波分解尺度方面,爆破或塌方主要集中在4～5,频段集中在0．7～3．1Hz之间,而天然地震主要集中在1～2,频段集中在6．25～25Hz之间．     

基于小波包分形和神经网络的地震与岩溶塌陷识别

本文以近年来广西地震台网中心记录的天然地震和岩溶塌陷为例,尝试利用基于小波包的分形和径向基函数神经网络技术对这两类事件的波形进行识别,以期有效地识别地震与岩溶塌陷。结果表明,基于小波包分形与神经网络相结合的事件识别方法对天然地震和岩溶塌陷事件的识别率高达89.5%,可作为识别天然地震与岩溶塌陷的一个有效方法。      

基于小波包变换的地震数据时频分析方法

介绍了瞬时频率的概念和瞬态谱的小波包计算方法,并结合时间域模拟信号给出了其时频分布,结果表明,小波包变换可准确技术地震信号的时变特征,值得推广应用。     

Seismic signal analysis based on the dual-tree complex wavelet packet transform

We tried to apply the dual-tree complex wavelet packet transform in seismic signal analysis. The complex wavelet packet transform (CWPT) combine the merits of real wavelet packet transform with that of complex continuous wavelet transform (CCWT). It can not only pick up the phase information of signal, but also produce better “focalizing” function if it matches the phase spectrum of signals analyzed. We here described the dual-tree CWPT algorithm, and gave the examples of simulation and actual seismic signals analysis. As shown by our results, the dual-tree CWPT is a very effective method in analyzing seismic signals with non-linear phase. Foundation item: Cultural Heritage Protection Program of State Administration of Cultural Heritage (200001).     

Structural health monitoring of long-span suspension bridges using wavelet packet analysis

During the service life of civil engineering structures such as long-span bridges, local damage at key positions may continually accumulate, and may finally result in their sudden failure. One core issue of global vibration-based health monitoring methods is to seek some damage indices that are sensitive to structural damage. This paper proposes an online structural health monitoring method for long-span suspension bridges using wavelet packet transform (WPT). The WPT- based method is based on the energy variations of structural ambient vibration responses decomposed using wavelet packet analysis. The main feature of this method is that the proposed wavelet packet energy spectrum (WPES) has the ability to detect structural damage from ambient vibration tests of a long-span suspension bridge. As an example application, the WPES-based health monitoring system is used on the Runyang Suspension Bridge under daily environmental conditions. The analysis reveals that changes in environmental temperature have a long-term influence on the WPES, while the effect of traffic loadings on the measured WPES of the bridge presents instantaneous changes because of the nonstationary properties of the loadings. The condition indication indices VD reflect the influences of environmental temperature on the dynamic properties of the Runyang Suspension Bridge. The field tests demonstrate that the proposed WPES-based condition indication index VD is a good candidate index for health monitoring of long-span suspension bridges under ambient excitations.     

基于统计的小波包分析的输电塔结构损伤预警

本文针对输电塔结构的损伤特点,提出了基于统计过程控制理论和小波包分析实现输电塔结构损伤预警的方法。首先将振动测试信号进行小波包分解,然后以小波包系数节点能量作为识别损伤的特征向量建立相应的损伤因子,通过统计过程控制理论计算其单侧置信上限,实现输电塔结构的损伤预警。为了证明该方法,对一个三层输电塔结构模型进行了试验研究,结果表明该方法能够有效地识别损伤的发生。     

Identification method of weak seismic phases on the basis of wavelet packet transform

This paper describes a sort of new method identifying seismic phase by the name of wavelet packet transform. Perfectness and development of the wavelet packet transform is based upon the idea of its multiscale analysis. The method of wavelet packet transform can depict the anomalous changes information of transient spectra of seismic wave onset, and come true the target of identifying seismic phase especially weak seismic phase. Then this paper presents discriminating examples of simulating digital signals and actual seismic phase. Compared with conventional seismic phase discrimination, studied results show that the wavelet packet transform method is an available tool of weak signal analyses, and have unexampled merits and attractive application foreground. This research gets hold of Higher School Doctor Scientific Research Foundation (No. 157 WJ0704 9435611) and supported by the National Natural Science Foundation (No. 49474211).     

基于小波分析和神经网络的框架结构损伤诊断方法

本文提出了基于“能量—损伤”原理，综合利用小波包分析和神经网络的框架结构损伤诊断方法。在结构损伤诊断中，时域信号经小波分析后其缺损特征会更加明显，把分布在不同频带的结点能量作为神经网络的训练样本能够很好地反映结构缺损特征。以美国土木工程师学会提出的基准结构为例，阐述了结构损伤的发生、位置和程度诊断过程，取得了令人满意的结果。     

基于小波包分解和模糊聚类的网格结构损伤诊断方法

本文针对网格结构的特点,利用其在快速正弦扫频激励下的动力响应,基于小波包分解频带能量分析和模糊聚类法,提出了一种适合于网格结构的损伤诊断方法。利用两个传感器损伤信息的联合诊断,有效地解决了使用一个传感器无法检测出对称损伤的难题。利用有限元模拟,应用上述方法对一单层球面网壳结构进行了损伤诊断。结果表明,对网壳杆件较小程度的损伤,子频带能量成分变化敏感,用其构造诊断向量和建立损伤样本库,并进行模糊聚类和目标识别,基本可以正确地识别出网壳杆件的损伤位置和程度。同时该方法测试时间短,使用设备少,有可靠的理论基础,具有一定的工程应用参考价值。     

支持向量机在地震与爆破识别中的应用

为研究天然地震事件和爆破事件识别算法,对上海测震台网记录的上海周边区域天然构造地震和爆破事件记录进行小波包分解,并提取特征向量,提出用支持向量机（SVM）识别天然构造地震和人工爆破的算法。结果表明,基于SVM算法的向量识别分类方法,在天然地震和爆破识别中是可用的,准确率预计达85%以上。