前兆观测异常数据检测方法研究

借鉴数据挖掘中的算法,本文设计了一种前兆时序模式表示方法,利用该方法可以快速检测数据序列中大幅突跳、阶跃等比较明显的异常数据。实际观测数据应用结果表明,该方法对于大量数据的异常检测效率很高,对前兆数据的预处理工作具有积极意义。     

鹤岗地震台形变观测数据特征分析

整理鹤岗地震台多年形变观测资料,分析观测数据中较为明显的突跳、台阶等数据畸变出现的原因,结合观测环境、仪器故障、人为因素、同震阶跃等影响因素,讨论数据畸变特征,使地震台站人员在日常形变资料分析处理中,能够快速识别数据异常原因,为分析地震前兆异常数据提供参考。     

小波分析在前兆资料处理中的应用

利用小波变换分析了河南省2003~2007年地磁、地电、地下流体以及2004~2008年断层气CO2等前兆资料,并将断层气CO2的分析结果与河南省4级以上地震进行了震例研究。结果表明,小波分析方法对不同频率的信息识别功能较强,有助于将数据的趋势变化和局部变化分离,是地震前兆数据处理的一种有效方法;断层气CO2的震例研究表明,在豫北地区4级以上地震前1~6个月,断层气CO2会出现高值突跳异常。     

江苏地区中强以上地震应变,形变临震前兆异常特征

通过对江苏地区５次中强以上地震前应变,变形临震前兆异常的分析,结果表明,震前异常形态表现为应力应变值出现大幅度突跳、应变阶跃和固体潮畸变等,与５级以上地震对应较好,可作为本区中强地震短临预报的参考。     

体应变日常观测资料浅析

本文通过对长春净月地震台TJ-ⅡC型体应变仪观测资料（从安装初期到正常工作及记录到大量应变地震波）的分析,针对台站观测工作中遇到的实际问题（漂移、突跳、阶跃、地震异常及干扰）,对各种现象作了较为系统的归纳。如何正确理解这些丰富的信息,是准确识别震前异常的前提和基础。如何将干扰因素与地震前兆异常进行区分,将其从观测资料中剔除,将成为今后很长一段时间内台站工作的重中之重。     

宁蒗5.7级地震前数字化形变观测短临异常识别与分析方法研究

由于采样率的大幅度提高,从数字化形变资料中能挖掘大量短临前兆异常信息,如地震前短周期的脉动、突跳、转折等。本文以2012年6月24日宁蒗5.7级地震为例,通过研究丽江、云龙台站数字化形变观测资料,对宁蒗5.7级地震前的形变短临前兆识别与分析进行了研究,给出了形变前兆异常识别方法。     

硫化氢临震突跳异常

分析研究十四年来距乌鲁木齐350km范围内发生的Ms≥4.0级地震资料,总结硫化氢临震突跳异常特征及异常型态类型,确定硫化氢临震突跳与地震的内在联系。认为硫化氢突跳性前兆是中强地震短临预报标志之一,它与地震三要素的对应关系,可作为发震时间的定性判据,根据映震效果推断硫化氢是地震前兆灵敏组份之一。本文试图从硫化氢水地球化学环境、氧化还原反应及微生物影响等方面对硫化氢临震突跳异常作粗浅解释。     

临震前兆的一种可能机制——暴沸

临震前的突跳性前兆已经引起人们的广泛注意,但其成因尚在探索过程中。一般认为,临震前震源地方出现予滑是引起突跳性前兆的原因之一。但据有关的研究,予位移量很小,它很难直接引起如此剧烈的前兆变化。因此在予位移和突跳性前兆之间可能存在着某种高放大过程。这种高放大过程应当具有爆发的特征。我们认为过热液体的暴沸     

2014年鲁甸MS6.5地震形变高频信息异常与前兆机理浅析

地震前兆异常的识别和提取一直是地震预报研究的重要任务, 也是地震预报事业发展的瓶颈。 结合鲁甸地震的研究成果, 利用S变换和超限率等方法, 提取定点形变高频异常, 总结鲁甸地震前兆高频异常形态特征, 分析异常台站空间分布规律, 剖析高频异常形成的前兆机理。 研究发现, 高频异常主要表现为信号周期在数分钟至数小时的信号成分, 频带较宽, 丛集性好, 与曲线的突跳、 毛刺或阶跃对应较好, 震前4~5 d开始出现, 震后2~3 d衰减消失; 其台站分布较分散, 主要沿NW—SE方向分布, 与区域应力场方向和发震断层走向趋于一致, 且均分布在构造块体边界; 可能是对不同速率的构造块体在震前发生的滑移和瞬间错动的记录, 它的形成与台站附近地壳介质的稳定性有关。     

1976年11月7日盐源—宁蒗6.7级地震的前兆异常特征

盐源—宁蒗６．７级地震具有较丰富的前兆异常。前兆异常具有长、中、短、临的阶段性；在时间分布上成批出现，在空间分布上集中在几个小范围内出现。趋势性异常分期分批，在几个小范围内出现。临震异常呈突发性的脉冲式突跳或大幅度的阶跃状的突变，出现的时间均在震前一个月，平均异常时间为１４天。震前半个月在震中区附近观测异常相对密集。     

Hilbert-Huang变换与ELF信号处理

Hilbert-Huang变换(HHT)是近年出现的一种自适应的非平稳、非线性信号处理方法,该方法迄今已在许多非线性、非平稳信号处理的研究领域得到了很好的应用.本文简要介绍了Hilbert-Huang变换的基本实现原理与算法基础,通过仿真信号验证了该方法的有效性,并以实际数据为例,探讨了它在极低频(ELF)信号处理及噪声压制方面的应用.利用Hilbert-Huang变换对ELF信号进行频率域滤波,可以对噪声进行有效压制,从而提取已知频率的电磁信号,极大地提高信号质量.     

Hiibert-Huang transform and wavelet analysis of time history signal

The brief theories of wavelet analysis and Hilbert-Huang transform (HHT) are introduced firstly in the present paper. Then several signal data were analyzed by using wavelet and HHT methods, respectively. The comparison shows that HHT is not only an effective method for analyzing non-stationary data, but also is a useful tool for examining detailed characters of time history signal.     

时程信号的Hilbert-Huang变换与小波分析/

在简要介绍时程信号的小波分析和Hilbert-Huang变换(HHT)理论的基础上，通过地震波和其它时程信号实例，对比分析了小波变换和HHT变换结果. 比较显示:HHT变换和小波变换均能用于对非平稳的信号进行分析，并能捕捉到信号变化的主要特征；与受所选母波影响较大的小波分析不同，HHT变换得到的固有模态函数是直接从原始时程数据中分离出来的，它更能反映原始数据的固有特性；小波分析得到的谱的能量在频率范围内分布较广，而HHT变换的Hilbert谱的大部分能量都集中在一定的时间和频率范围内，能清晰地刻画信号能量随时间、频率的分布. 因此，Hilbert-Huang变换不仅是对非平稳信号进行分析的有效方法，而且也是检测时程信号局部特征的有用工具.      

Nonlinear data processing method for the signal enhancement of GPR data

An alternative data processing procedure is proposed in this paper for the purpose of enhancing the signal/noise (S/N) ratio of ground penetrating radar (GPR) data. The processing methodology is achieved by performing the logarithmic transform in conjunction with the ensemble empirical mode decomposition (EEMD), a new nonlinear data analysis method in signal processing. The synthetic model study and field example indicate that the logarithmic transform is effective in alleviating the attenuation problem. Additionally, the spectrogram obtained from Hilbert-Huang transform (HHT) shows that the decomposition sensitivity of the EEMD method is greatly improved with the aid of the logarithmic transform. This new method allows us to extract the signal components from noisy GPR data efficiently. The success of this study suggests a possible nonlinear analysis application in future GPR investigation, particularly in the filter design and gain correction.     

一种神经网络改进小波的地震数据随机噪声去除方法

地震资料的有效信号反射弱,且易受多次波的影响,不可避免地存在随机噪声干扰。提出一种基于神经网络改进小波的地震数据随机噪声去除方法,采用神经网络模型,识别出随机噪声信号,对该信号进行小波包分解,获取多类别随机噪声信号,采用级联BP神经网络模型提取出多类别随机噪声信号,实现地震数据的随机信号压制。实验结果显示,这种改进小波方法对地震数据随机噪声信号的去噪效果较好,在复杂沉积地质结构被探测介质的地震数据随机噪声压制方面具有较强的适用性。     

Hilbert-Huang变换在提取阵列声波信号动力特性中的应用

阵列声波信号是典型的非线性、非平稳信号,其动力特性的量化提取对于进行地层结构构造分析提供了必要的基础资料.而Hilbert-Huang变换(HHT)是一种处理非线性、非平稳信号的新方法.它通过经验模态分解(EMD)将信号分解为有限个固有模态函数(IMF),并对每个固有模态函数进行Hilbert变换得到Hilbert谱.本文将这种方法应用于阵列声波信号动力特性的提取,有效地获得了信号能量的时频分布,瞬时能量、Hilbert能量、最大振幅对应的时频分布等动力特性,显示了HHT的优势以及对于进一步实现地层结构构造分析的重要意义.     

固体潮时频分析新方法

对传统时频分析方法的特点和局限性作了介绍。采用Huang．Hilbert Transformation方法分析了固体潮数据，即利用经验模态分解，将复杂信号分解成有限个本征模态函数之和，求取三维时频空间的Hilbert谱。仿真实验和重力固体潮实例分析表明，该方法适用于调频调幅信号特征的提取。     

MT时间序列的小波去噪分析

从本质上说 ,MT时间序列中噪声的强度与类型是能否取得MT响应参数无偏估计的决定性因素。当MT时间序列中磁场和电场中都含有相关噪声时 ,传统的去噪方法已无能为力。结合小波分析与MT时间序列的特征 ,提出了一种基于小波分析的MT时间序列去噪方法 ,讨论了基于小波分析的噪声识别 ,分析了理论数据通过小波分解与重构实现的去噪处理 ,探讨了对实测时间序列的固定源和随机干扰的去噪处理     

在随机噪音背景下地震反射信号的增强

提高地震资料的信噪比，增强反射波同相轴连续性是地震勘探的基本问题之一。本文针对因存在噪音和信号比较弱，致使正常时差（NMO）校正加方法难以奏效的问题，提出提高信噪比和增强反射信号同相轴连续性的共反射面元（CRS）迭加方法，该方法将来自菲涅尔带的信息经校正迭加在一起，计算结果表明，该方法能有效提高信噪比，增强反射信号同相同的连续性。     

Hilbert-Huang变换与大地电磁噪声压制

大地电磁信号具有非线性、非平稳、非最小相位特征,不符合以Fourier变换为基础的传统功率谱估计的基本要求. Hilbert-Huang变换是近年发展起来的处理非线性、非平稳信号的完全局部时频分析方法. 本文在简要介绍Hilbert-Huang变换基本原理与算法基础上,以实际数据分析为例,探讨了它在大地电磁信号处理及噪声压制中的应用. 提出利用Hilbert时-频能量谱对大地电磁信号进行时段筛选,以提高信号品质,增强数据处理的质量和资料的可解释性. 利用经验模态分解方法及其多尺度滤波特征,可以有效地分析MT信号中的噪声分布特征,并进行干扰压制.