共查询到19条相似文献,搜索用时 78 毫秒
1.
3.
当信号持幅小和噪声水平高而无法测量信号时,提出了一种利用震相振幅内在信息的区域性地震识别法。该法称为二次否定证据识别法,是对Elvers(1974)提出的远震技术的发展,并推广用于区域识别。本文提出的方法是为单个地震台站开发的,利用了区域的Pg与Lg对比判据中的经验信息(Pomeroy,et al,1983)。我们推导出计算特定台站爆炸漏报和虚报的误识率方程。这些误 认率取决于所要求的最小 信噪比 相似文献
4.
近年来快速发展的机器学习算法显著提高了震相拾取的精度和效率。采用卷积神经网络和递归神经网络的震相识别方法对银川台阵2019年6~7月的连续波形数据进行事件检测和P、 S震相拾取,并通过快速震相关联和事件定位得到了银川地区较全的地震目录。结果表明,当震相数小于10时,虽然可以检测出较多事件,但分布呈弥散状,与区域地震活动特征不符。进一步对震相数≥10的事件进行了人工复核。总体而言,随着震相数量的增加,事件的误检率逐步降低。震相数16是该地区自动检测和定位结果准确性的拐点。当震相数≥20时,全部召回了地震目录中的13个地震事件,二者平均定位差异4.27 km。经过人工复核,检测到的真实地震事件为区域内地震目录中事件数量的9倍。本文使用的基于机器学习和快速震相关联和定位方法的流程可在确保准确率的基础上降低人工检测的难度,提高地震检测的效率。 相似文献
5.
地震属性分析技术在地球物理勘探领域的广泛应用,启发研究人员将其应用于人工源宽角反射/折射深地震测深剖面的资料预处理和震相识别。采用札达—泉水沟深地震测深资料,提取振幅、信噪比、主频、瞬时带宽、瞬时高频能量等地震属性参数,分析不同参数的物理含义,挑选其中对界面变化敏感的参数,对深地震测深资料进行预处理,并利用P波和S波的联合扫描,提高震相识别的准确性。走时互换结果显示,采用地震属性参数可有效提高震相拾取的准确性,进而提高后续地壳速度结构反演结果的精度。 相似文献
6.
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
7.
地球物理信号是地下介质对物理场的响应,其特征是解释地下结构和性质的主要依据.但受限于地下介质构造及物性分布特征的复杂性,地球物理信号特征的识别和解释具有不确定性.机器学习基于数据与特征的映射关系为判别地球物理信号特征和解释提供了新的思路和方法.本文围绕机器学习方法在地球物理信号特征识别及解释应用主题,梳理得到机器学习用于地球物理信号特征识别与解释的一般逻辑思路和工作流程,在提炼机器学习所涉及的处理技术和评价体系的基础上,进一步总结了机器学习在解决岩石图像识别与分类、地层岩性预测与成图、地震事件检测和到时提取、微小地震信号解释等问题时的技术要点;并对深度学习模型和简单的机器学习模型针对不同地球物理信号进行特征识别与解释的适用性和应用实效进行了分析.针对目前的发展趋势和已有研究,对机器学习在地球物理信号特征识别应用方面进行了讨论和展望. 相似文献
8.
9.
针对微震事件易受噪声干扰等特点,本文将STA/LTA方法和基于方差的AIC方法(var-AIC)相结合,在震相到时初步拾取的基础上,使用台站的德洛内(Delaunay)三角剖分及台站间最大走时差约束来减少噪声干扰的影响. 利用到时进行地震定位之后,根据台站预测到时,在设定的时间窗内对地震震相进行更精细的分析. 特别是针对微震事件信噪比低的特点,设计了基于偏振分析的拾取函数,根据窗内STA/LTA方法和var-AIC方法的拾取结果自动选择合适的值作为震相到时. 最后,对西昌流动地震台阵2013年304个单事件波形数据的分析处理和检验结果表明,本文方法较传统方法具有更高的地震事件检测能力和更高的震相拾取精度. 相似文献
10.
辽宁台网记录爆破、矿震与地震的识别 总被引:4,自引:0,他引:4
从1999年6月辽宁数字遥测地震台网正式采用数字记录与模拟台站资料结合,编报辽宁省地震月报目录和地震观测报告,数字地震观测技术具有宽频带、动态范围大、分辨率高而且便于用电脑处理等优越性,改变了传统的模拟台网在地震图上识别和辨认震相,取而代之利用人机交互实时处理地震系统在计算机上识别和分析震相。每天有许多触发事件显示在屏幕上或存储在计算机里,这其中有相当多的事件不是地震事件,需要人为加以排出。有些事件是典型的、具有显著的震相特征,是便于识别的。而这些事件缺乏典型特征,不易识别,需要用多台记录进行综合分析,才能做出最后的判断。 相似文献
11.
12.
以大同国家测震台观测资料为例,总结了震中距10~°50°范围内特别区域地震震相特征和震相识别的方法,对震相识别的难点进行了说明,以图例的形式为判读震相提供了依据。 相似文献
13.
14.
理解并预测多尺度、高维度和非线性的地震学现象是一个极具挑战性的科学任务.与日俱增的海量观测数据降低了信息收集和信息解读之间的耦合程度,增加了信息解读的抽象性和不确定性.然而,伴随大数据一同来临的还有人工智能计算机技术——机器学习.机器学习突出的隐式关系提取和复杂任务处理能力推动着研究学者们不断将机器学习的应用推向更广阔的领域.本文介绍了地震学中常用的机器学习算法及其应用范围,讨论了人工智能与地震数据相结合的发展方向. 相似文献
15.
将识别地震的深度学习算法PhaseNet应用于四川台网和首都圈台网,对该模型的泛化能力进行了测试和评估。首先利用2010年1月至2018年10月首都圈台网199个地震台站记录的29328个事件(ML0~ML4)所对应的126761段事件波形,以及2019年4—9月四川及邻省部分台网227个地震台站记录的16595个事件(ML0~ML6.0)所对应的120233段事件波形分别建立了SC和CA测试数据集,并用预训练好的PhaseNet模型进行P、 S震相自动识别和到时拾取,并将拾取结果与人工拾取结果在不同误差阈值下进行对比。测试结果表明, PhaseNet在两个数据集上具有良好的震相检测能力(误差阈值为0.5 s),其P、 S震相检测的F1值都超过0.75,具有比较稳定的准确拾取P波到时能力(误差阈值0.1 s),其检测F1值均超过0.6,而S波到时拾取的F1值分别为0.33(SC)和0.53(CA)。进一步分析了测试结果与震中距、震级、... 相似文献
16.
17.
18.
简要回顾了数字地震学诞生以来所取得的科学成果。结合我国地震观测系统大规模数字化改造的实践,着重阐述了区域数字化地震台网的观测优势,以及在台网建设目标、观测资料的充分利用和高素质人才培养方面存在的劣势和不足。还提出了对关于区域数字地震台网建设和发展过程中的指导思想、“软件”和“硬件”的关系、基础和应用研究与地震预报的关系、数字地震学的发展与高素质人才培养的关系等等问题的思考和建议。 相似文献