鹤岗地区地震、爆破与矿震记录的识别

对2009—2020年鹤岗地震台记录的鹤岗地区2.0≤ML≤3.0天然地震、爆破以及矿震进行对比分析,发现天然地震、爆破和矿震在波形上具有相似性,但均具有独特的震相特征.在此基础上,对波形进行频谱和小波变换分析,进一步识别天然地震、爆破及矿震,发现:天然地震事件的频域相对较宽且频率较高,能量不集中,成分也较为复杂,面波...     

江苏地区天然地震与人工爆破识别研究

选取江苏数字地震台网记录的部分天然地震与人工爆破波形数据,通过波形对比分析、震幅比以及频谱等方面的对比发现两者之间不同之处。把这些不同的方法应用到数字地震台网实际工作中,能够快速有效地分辨出天然地震和人工爆破,为今后震相的识别提供可靠依据。     

爆破、矿震与地震的波谱差异

根据辽宁数字地震台网记录的爆破、矿震与地震的数字资料,采用波谱分析的方法,选取4个台站对其所在区域182个爆破、矿震与地震事件的记录,对比研究波谱特征,发现爆破、矿震与地震的纵横波拐角频率fc(P,S)及最大谱值等存在的差异。     

琼北确定性人工爆破与天然地震识别判据

对琼北地区确定性井下人工爆破和天然地震事件波形特征进行梳理,分析人工爆破与天然地震波不同判据特征。结果表明:P波初动方向、振幅比是识别人工爆破和天然地震的2个主要判据;尾波持续时间、S波最大振幅与持续时间比可作为识别人工爆破和天然地震的一般判据;发震时间可根据事件的强度、规律性,并结合其他判据,仅作为识别过程中的参考因素。     

基于多输入卷积神经网络的天然地震和爆破事件识别

天然地震和爆破事件识别是地震监测预警的重要内容.近年来, 快速发展的深度学习算法以其强大的数据特征挖掘和图像识别能力, 能够较快并准确地约束地震事件属性.利用多输入卷积神经网络算法构建天然地震和爆破事件自动分类网络模型, 其中输入信息包括多台站地震波形和单台站的地震时频数据, 使得卷积神经网络同时获取事件的波形、频谱和极性特征.根据美国犹他州2012年记录到的天然地震和采石场爆破的观测资料, 构建深度学习的训练数据集并进行模型训练, 并据此判断2013—2016年间已知的天然地震和爆破事件.结果表明, 多输入卷积神经网络具有较高的识别精度, 识别率高达97%.

     

北京地区地震、爆破和矿震的记录图识别

以北京地区台网数据为例，讨论了天然地震、人工地震和矿山地震的区别，并对多重地震和不同地区的地震特征进行了分析。     

天然地震和人工爆破波形特征对比分析

从反射波、面波、瑞利波等不同的角度,从波形上分析了人工爆破和天然地震的区别,从而在地震定位的过程中能够快速有效地识别出人工地震和天然地震,并把此方法应用在北京台网的实际工作中.     

平顶山地区爆破识别判据分析

对2008年1月1日-2012年12月31日河南数字地震台网记录的平顶山地区的地震与爆破事件,从初动方向、振幅比、周期比和记录波形对比等进行分析,结果表明：振幅比和记录波形对比可以作为平顶山地区爆破识别判据,初动方向可以作为该地区爆破识别的辅助判据.     

基于卷积神经网络的天然地震与人工爆破识别研究

地震台网记录的人工爆破事件波形特征与天然地震有相似之处,如果不能及时的予以识别和筛选,会混淆依此记录所建立的地震目录,影响日后地震学的研究工作.因此连续地震信号中的天然地震和人工爆破的识别分离有助于破坏性构造地震的监测预警.同时,随着地震仪的大规模部署以及建设行业活动的持续增强,记录的爆破事件增多,增大了识别的难度和工作强度.为了解决人工识别天然地震与爆破存在的问题,本研究基于卷积神经网络,设计了一个具有13层深度的网络模型(CNN-Epq13),选用福建数字地震台网历史地震记录和人工爆破记录,利用TensorFlow深度学习框架,采用TFrecord文件形式作为训练集,训练得出事件类别识别模型.此模型在训练中识别准确率为98.438％,损失为0.0646.用新的数据进行测试,模型能准确识别事件类别,区分天然地震和人工爆破,可以进一步在日常工作中进行应用.     

南丹大厂矿区人工爆破与天然地震的判定研究

利用南丹大厂矿区地震监测台网的数字波形记录资料,采用波形对比方法,分析大厂矿区人工爆破与天然地震波形特征。分析结果表明,爆破与地震在P波平均周期具有不同的特征,可为今后区分该大厂矿区爆破与天然地震提供判定判据。。     

爆炸、核试验与天然地震的区别（英文）

本文通过地震正演模型和面波振幅数据对比分析了天然地震、爆炸,与核试验数据,以探索改进辨别天然地震与爆炸的方法。所提方法是基于波数域和频率域的双积分变换解。用于研究的地震事件都发生在北朝鲜,其中包括2001年6月26日（39.212°N,125.383°E）和2001年10月30日（38.748°N,125.267°E）所记录的爆炸数据,2006年10月9日（41.275°N,129.095°E）所记录的一次核试验数据、以及2002年4月14日（39.207°N,125.686°E）和2002年6月7日（38.703°N,125.638°E）所记录的两次天然地震。基于这些数据通过地震波分析与理论模拟表明爆炸引起的地震与天然地震有着不同的波型特征。爆炸引起的信号特征是P波的能量较S波强,在爆炸记录上0.05-0.5Hz频率之间Rg波清晰呈现,而在然地震记录上没有。这是由于爆炸地震记录上P波是优势波,与SH成分发生了耦合。     

北京地区小震活跃与首都圈地区中等地震活动关系研究

通过研究北京地区的小震活跃与首都圈地区中等地震活动的关系，发现1999年到2003年间频度异常与首都圈地区Ms4．0以上地震具有一定对应关系，但频度异常对未来地震地点判定的意义不大，需要将北京地区小震频度异常和首都圈及附近地区小震活动的有序性特征有机结合起来，才能更好地把握中等地震发生的时间和地点，最后指出，频度异常指标具有一定的时间性特征。     

河南平顶山平煤矿区天然地震、爆破、塌陷时频特征分析

选取2019年3月—8月河南平顶山市宝丰县平煤矿区发生的ML 2.0—2.9天然地震、爆破、塌陷等9次震动事件,在区域地质构造背景和波形特征分析基础上,采用短时傅里叶变换(STFT)方法开展时频波谱分析,提取不同类型事件的时频特征。结果显示:(1)天然地震频率成分丰富,且高、低频分布均匀,P波在约3 Hz和8 Hz处存在2个峰值,S波存在多个峰值;(2)爆破事件的时频谱相对集中,以低频为主,P波频率峰值约5Hz,信号主频随时间变化,大致呈线性降低至1—2 Hz;(3)塌陷事件频率成分以4 Hz以下的低频为主,P波无明显峰值且频率成分单一,主频出现在2 Hz左右的面波。本文结果可为今后该矿区震动事件类型判断提供参考依据。     

Discrimination between nuclear explosions and earthquakes based on consideration of tectonic ambient shear stress values

IntroductionFor the need of a nuclear test ban treaty, international society must make great efforts to find effective methods for discrimination between earthquake and nuclear explosion. Thereupon, many methods of discrimination of nuclear explosion appeared. But, at present, there is some uncertainty to discriminate middle or small nuclear explosion (Peppin, McEvilly, 1974; Richards, Zarales, 1990). When we study tectonic ambient shear stress field of Southern California, we find that str…     

福建地区爆破与地震的波谱差异

应用福建地震台网记录的爆破与地震的数字资料,采用波谱分析的方法分析发生在同一区域的爆破与地震波谱特征。结果表明,爆破与地震的拐角频率存在差异,据此得出本区域爆破识别的定量识别判据,为今后爆破的识别提供依据。     

基于最近邻支撑向量特征线融合算法的核爆地震识别

为增强核爆地震模式分类器的泛化能力以提高对核爆炸事件的准确识别能力,论文提出了一种选择支撑向量样本集来表征训练样本集的最近邻支撑向量特征线分类算法,用以训练时扩展核爆地震的训练样本库,提高分类器的泛化能力.该算法用于核爆炸和地震的识别结果发现,和最近邻特征线分类器相比,提出的算法降低了计算复杂度,但识别能力却有些许降低.对新算法的分析发现,纯粹的支撑向量集不能完全代表原始样本空间集,支撑向量比例在其中有重要作用,为发挥支撑向量比例的作用以提高核爆分类器的识别能力,提出了最近邻支撑向量特征线融合算法.最后以核爆地震数据库对上述算法进行了检验和分析,理论分析和识别结果证实,在相同的训练样本选择条件下,最近邻支撑向量特征线融合算法对于核爆炸的识别来说具有较好的泛化能力,正确识别率达到90.3%,且优于支持向量机算法和最近邻特征线算法.     

曹妃甸地震台网天然地震与人工爆破时频分析

搜集2014—2015年曹妃甸测震台网记录的各类爆破与天然地震事件,基于Matlab软件,编制程序实现短时傅里叶变换,对比分析核爆炸、化学爆炸、矿爆炸与天然地震的特征,分析频率随时间的变化规律。研究结果表明,天然地震与爆破在频率范围、频率分布和时频聚集性等方面具有各自特点,主要表现在:天然地震的时频图"多峰"且复杂,频率分布范围更广,频率成分集中在S波段;人工爆破的时频图"少峰"且简单,频率范围较窄,频率成分集中在P波段。本文的研究成果能够为今后区分天然地震和爆破提供依据。     

遥测地震台网对人工爆破与天然地震的判定

总结了人工爆破与天然地震的区别和记录特征.在对模拟遥测地震台网直观、定性判定爆破的基础上提出结合用S波与P波的振幅比值(As/Ap)和视速度V这两项量化指标进行定性与定量相结合判别.并按照这一思路成功判定了在2004年4月至5月中的一次密集人工爆破群.     

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。