共查询到20条相似文献,搜索用时 15 毫秒
1.
震源深度对发震构造研究具有重要意义,内蒙古阿拉善地区近年来地震活动频繁,发生数次中强地震和大量中小地震。选取阿拉善地区8个中等强度地震,使用Pn、Pg联合测定深度方法(PTD)、sPn和Pn走时差方法和CAP方法测定震源深度,3种方法计算结果的一致,重新测定的震源深度范围为(18±7)km。 相似文献
2.
研究了从天然地震和人工爆破事件的波形记录中提取出来的能量比特征在天然地震和人工爆破事件的自动识别中的有效性及适用性。对波形记录进行了4层小波变换,然后对变换得到的小波系数提取能量比特征,最后利用支持向量分类机ν-SVC进行识别效果检验。实验证明,由bior2.2小波包分解后提取出来的能量比特征对天然地震和人工爆破事件的识别效果很好,可用于实际的自动识别系统作为识别判据之一。 相似文献
3.
地震震相识别是地震记录分析的基础性工作,在地震定位、地下结构、以及地震学研究中有广泛应用。使用最常用的长短时窗能量比(STA/LTA)加自回归方法(AIC)的方式,采用两步法进行初至震相识别,并分析特征函数对能量变化的敏感度,该方法识别的初至震相70%以上都早0.5s以内,能够较好的识别初至震相。 相似文献
4.
5.
针对天然地震与人工爆破波形特征相似、难以区分的情况,结合灰狼优化算法和支持向量机,提出一种地震事件性质辨识新方法。通过梅尔频率倒谱系数法对2013年四川芦山地震地震事件信号和人工爆破信号进行分析,进过预加重、FFT、梅尔滤波及离散余弦变换等步骤,提取静态系数样本熵、一阶差分系数样本熵和二阶差分系数样本熵等作为样本特征集。使用灰狼算法优化支持向量机径向基核函数RBF中的惩罚系数和核函数半径形成新的GWO-SVM分类器,然后对事件进行辨识。结果表明:GWO-SVM分类器辨识效果明显优于SVM、RobustBoost集成学习、LDA、PLDA等分类器,其在1 000次循环识别实验下的准确率均值相对SVM提高了9.2个百分点,标准差降低了3.2以上;t检验证明MFCC样本熵各特征具有可靠的地震事件分类效果;GWO-SVM与MFCC样本熵可作为天然地震事件与人工爆破事件的辨识方法与分类判据。 相似文献
6.
在矩阵决策方法的基础上,建立了识别地震与爆破的矩阵决策算法(MDA).着眼于快速识别,研究了5个判据. 其中初动方向和振幅比判据的效果较好.用MDA算法对北京附近62个事件进行了识别和检验得到:用5个判据C检验的正确识别率达到97%, U检验也达到93%,识别效果较好;依次从5个判据中任选4个判据作决策识别和检验, 10个结果中有7个的正确识别率在93.3%以上.结果表明,本文建立的MDA算法和所选的特征能有效地识别地震与爆破,可应用于两者的快速识别. 相似文献
7.
根据地震空区的特征,选定了七个参量作为空区的判别标识,并发展了一套用计算机自动识别空区的程序。对于所研究的地区,程序中按一定间隔选择待分析的判别地区中心点。然后,由程序按给定的七个参数之值判定在每一点周围是否存在地震空区。如果识别出了一个空区,它的位置和形状即用一条与其拟会的二次曲线的参数来描述。对不同时段的地震目录数据作同样的扫描识别,最后确定出符合判别标识的空区出现次数、各次持续时间、空区长短轴及其取向、空区面积等参数。 相似文献
8.
数字化地震记录震相自动识别的方法研究 总被引:7,自引:3,他引:7
针对目前震相自动识别方法不能自动给出震相识别区间,以及不能确定识别出震相名称的问题,运用震相的运动学特征,由平均速度模型和J-B走时表数据,自动计算近震、远震和极远震的震相走时及震中距。对多尺度小波分解进行单支重构作为识别不同震相的分析信号。先求出初至震相和最大面波到时,估算出震中距,然后找到S波或PP波到时,求出准确的震中距,即可自动给出各震相的识别区间,采用线性偏振法在给定区间中识别出震相的初至时刻。由于该方法采用的是先明确要找什么震相,再由该震相的走时确定寻找区间,所以找出的初至就是要寻找的震相,自然解决了识别出震相的名称问题,从而实现了对震相的全程自动识别。 相似文献
9.
10.
历年来在所开展小爆破识别与判据研究的基础上,进行了计算机易于实现爆炸事件自动识别判据的研究,通过对近震、爆破、矿塌和远震事件的周期-频度谱、波形不规则指数、卓越周期开展的研究,确定了切实可行的爆破事件自动识别方法和判据,达到了77%以上的正确自动识别概率。关键词爆破;自动识别;周期-频度谱;波形不规则指数;卓越周期 相似文献
11.
时间序列地震前兆自动识别的探讨 总被引:2,自引:0,他引:2
提出了一种新的地震前兆的定量表述方法, 即用一个二维矩阵定量地表述时间序列的前兆模式;并在此基础上,提出了一种前兆模式的自动识别或自动获取方法,简称为AA方法.然后以华北地区为例,研究了多种地震学前兆,如频度、能量、b值等,及多种非线性参数前兆,如容量维、信息维、关联维和赫斯特指数及其差值等,共得到8个时间序列,用所提出的前兆模式及AA方法进行了自动识别,并作了C方法检验及非常严格的HF(历史-未来)检验.结果表明,预报效能评价的R值较高. 相似文献
12.
利用湖南省棋梓桥万罗山定向爆破观测资料,使用迭代法对棋梓桥至酃县剖面进行了二维构造反演,得到4层地壳结构模型:界面1埋深1.8—4km,v<6.0km/s;界面2埋深10.5—15km,6.0km/s相似文献
13.
《地球物理学进展》2019,(5)
本文从长短时间窗(LTA-STA)得到启发模拟实时波段类型识别.事件为首都圈及其附近的186个天然地震和174个人工爆破事件,用于抽取特征的波形信号为各观测台站波形3分量中的垂直分量波形,在各个事件的所有观测台站的垂直分量波形中,通过滑动窗口按同一准则去除被噪声淹没的部分台站波形,只选择留下未被噪声淹没的台站波形.对连续波形,使用长窗口沿波形时间轴进行滑动,每滑动一个步长就进行一次滤波处理,以滤除噪声,当滤波后的长窗口波形满足阈值条件,此时停止长窗口滑动.然后在滤波前的长时窗口中选取短时间窗口波形,提取特征,使用支持向量机进行分类训练和识别,最后以事件为单位进行识别,事件划分按以训练集为300个事件,测试集为60个事件进行划分,进行了训练和识别.然后又将训练集按照训练集240个事件,测试集120个事件进行划分.得到较好的识别结果.本文结果说明了波形类型实时识别的可行性,也可为后续实时波形检测和识别提供借鉴. 相似文献
14.
15.
16.
天然地震和人工爆破波形特征对比分析 总被引:1,自引:0,他引:1
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. 相似文献
17.
从快速识别事件性质的要求出发,分析了天然地震和人工爆破的发震时间,P波初动方向,P波、S波振幅比值,P波、S波最大振幅与尾波持续时间比值等判据,得到P波初动方向和P最大振幅与S最大振幅比值是识别爆破和地震的两个有效判据,为研制“识别天然地震和人工爆破的分类决策支持系统”提供了应用依据. 相似文献
18.
选取首都圈地区2008年8月——2009年9月ML在2.0——2.2范围内的爆破、矿塌和天然地震数据资料,从时间域和频率域进行分析对比,总结出识别爆破、矿塌和天然地震的依据.在时域方面,爆破的初动方向向上,矿塌向下,天然地震的初动方向依赖于台站的分布情况;爆破和矿塌的面波比较发育;天然地震的S波与P波最大振幅比(AS/AP)大于爆破和矿塌,同时,爆破和矿塌的能量衰减比天然地震快.在频域方面,高频成分的能量衰减快于低频;天然地震的拐角频率较高,爆破次之,矿塌的最小;在震中距200 km范围内,爆破的顶峰频率主要分布在5——7 Hz,矿塌分布在2——4 Hz,天然地震的顶峰频率较大,在10——18 Hz范围内.另外,天然地震的频率域较宽,其次为爆破、矿塌. 相似文献
19.