地震背景噪声成像技术研究进展与展望

背景噪声成像技术是21世纪以来地震学研究最为重要的突破性进展之一.该方法不依赖于天然地震事件的发生,利用连续地震记录中普遍存在的"背景噪声",通过不同台站对间连续时间信号的互相关来提取经验格林函数并用以进行地下介质结构成像研究.与传统的天然源地震探测手段相比,背景噪声成像技术从随机场源信号中提取介质结构的信息,具有成像...     

地震频发区域背景噪声提取格林函数的反褶积方法研究

针对云南这一地震频发区域记录到的地震背景噪声数据,设计了一种"最大值均一化"算法,该算法能有效地消除背景噪声中的地震信号、畸变信号及其它干扰信号。应用此算法对记录到的背景噪声数据进行预处理,对处理后的数据利用多窗谱反褶积计算方法可获得其具有较高信噪比和保留了相对幅值信息的格林函数。     

地震传输台网背景噪声模型及自动信号检波器

我们在能量谱快速计算的基础上,研制成功了用于数字化加速度仪的自动地震信号检波器。对一个连续系统进行了不变数字模拟,该系统被认为是作为单自由度系统加速度计的转换函数。使用这一方法推导出了用于计算某种地面运动加速度的速度响应及位移的递归方程,并进而推导出加速度信号能量谱的快速计算方法。 根据对背景噪声的实际观测和统计分析,以及三年时间内在一个选定的台站上取得的实际地震记录,建立了背景噪声模型及预测的能量谱模型。在这些模型的基础上选定了地震事件检测阈值,以便用该阈值来作为自动检测的比较标准。 我们使用本文的方法对北京地震传输台网的资料进行了试验,结果表明该快速计算方法对于取样率为100点/秒的加速度记录具有实时检测的能力。     

背景噪声中地震信号的可识别判据及量化验算

背景噪声与地震信号的强度或周期差异决定地震震相是否可从视觉上有效识别.为寻找平稳背景噪声中地震信号的视觉可识别判据,研究能反映两者频率差异及强度差异的参量用于上述两种信号对比,得到背景噪声中地震信号视觉可识别条件的量化判据,并用实际观测资料及仿真数据进行验证.在此基础上,针对功率谱计算过程中的校正环节进行讨论,利用Albuquerque实验室给出的测试实例阐明USGS标准中功率谱计算的规范步骤及细节.     

基于能量谱的一种实时地震信号检测方法

本文提出一种适用于地震加速度仪观测台站的实时地震信号检测方法。该方法的运用基于Z~-变换的冲激不变和阶跃不变法,对地震加速度仪运动方程所表示的连续系统的传递函数进行数字模拟,导出加速度仪对于地震地面运动加速度的位移反应和速度反应递推公式。根据地震反应谱理论,进一步导出计算地震信号能量谱的快速数值方法。通过对地震台站背景噪声的长期观测和统计分析,建立了特定台站背景噪声模型;又根据特定台站已获得的真实地震记录的统计频谱特性,建立了该台站的地震动预期谱,从而建立起事件检测的标准。最后,以信号和背景噪声的能量谱为比较对象,应用所谓最适信号检测滤波器,对采样率为100点/秒的加速度时间信号进行检测,可以得到理想的结果。     

STA/LTA方法拾取天然地震波初至及其改进分析

长短时窗均值比（Short Term Average/Long Term Average,STA/LTA）方法因原理简单、实时性强,在地震波初至拾取中应用最为广泛．传统STA/LTA方法阈值选取依赖于人工经验,且其针对单一信号设定的阈值无法适用于不同类型的地震记录．针对此问题,本文通过建立阈值与背景噪声之间的联系,提出两种基于参考阈值拾取地震波初至新方法,即基于参考阈值的STA/LTA方法与基于参考阈值的STA/LTA改进法．首先,分析不同特征函数拾取地震波初至的灵敏度,引用关于信噪比（Signal-to-Noise Ratio,SNR）的特征函数抑制背景噪声干扰,降低阈值选取的难度;其次,给出不同背景噪声环境下阈值的计算公式,将阈值选取建立在严密的数学推导之上,提出基于参考阈值的STA/LTA方法;最后,针对天然地震背景噪声复杂,地震波初至拾取受短时强噪声干扰大的问题,通过改进时窗位置并加入取消时窗的方法提高算法的抗干扰能力,提出了基于参考阈值的STA/LTA改进法．实际地震数据处理结果表明,本文提出的两种方法能够克服固定阈值不能适用于所有地震记录的缺点,相较于传统STA/LTA方法...     

辽宁地区低频背景噪声特征分析及模型建立

低频背景噪声是地震数据的重要组成部分,在地下介质成像和地质构造探测等研究中发挥重要作用。区域性背景噪声研究不仅会得出该区域背景噪声特性,还可以针对地域性特征进行更适合的应用。辽宁地区低频背景噪声对本区域背景噪声研究有重要意义,基于辽宁省6个台站连续多年的宽频带地震背景噪声数据,利用地震计观测的位移值研究辽宁地区低频背景噪声特征,并采用数学函数模型构建了辽宁地区低频背景噪声模型。通过计算背景噪声位移分析发现,辽宁地区低频背景噪声（1 Hz以下）具有明显季节性变化,通常在冬季达到最大值,在夏季达到最小值。基于三角函数关系拟合得到辽宁地区背景噪声年变公式,建立辽宁地区低频背景噪声模型,并采用ADF法验证了该模型可靠性。     

S变换在面波去噪中的应用r

S变换是一种用于分析非平稳信号的时频变换方法, 可以很好地刻画地震信号的时频特性. 本文将S变换用于地震面波数据的噪声去除中, 首先介绍了S变换的理论基础, 然后设计了时频滤波和阈值滤波两种方法, 分别对天然地震面波数据和背景噪声数据进行去噪处理, 并与相位匹配滤波进行了比较． 结果表明, 面波数据经S变换去噪后, 群速度频散曲线的短周期部分得到改善, 能够连续追踪至6 s左右, 但长周期部分出现了缺失; S变换去噪的效果优于相位匹配滤波, 两者相结合会得到更加理想的结果．      

基于卷积对抗降噪网络的塔里木盆地沙漠地震资料消噪方法研究

塔里木盆地作为我国重要的油气勘探地区, 其地表主要由沙漠覆盖.塔里木地区获取的沙漠地震资料通常表现为低信噪比, 并且有效信号与背景噪声在低频段存在严重的混叠现象.这两点给沙漠地震资料的消噪带来了巨大的困难, 进而影响后期的反演、成像以及解释等工作.为了压制沙漠背景噪声并完整恢复有效信号, 本文采用生成对抗网络(Generative Adversarial Network, GAN)的基本思路并利用去噪器代替GAN中的生成器, 提出一种针对沙漠地震资料的全新消噪网络, 命名为沙漠地震卷积对抗降噪网络(Desert Seismic Convolutional Adversarial Denoising Network, DSCA-Net).在DSCA-Net中, 我们将去噪器的均方误差损失与去噪器、鉴别器之间的对抗损失相结合, 提出了一种全新损失函数; 利用该损失函数来优化网络, 进而得到适合沙漠地震资料去噪的模型.模拟与实际实验均表明本文提出的DSCA-Net可以有效地压制沙漠地震资料中的背景噪声, 同时显著增强同相轴的连续性; 经过DSCA-Net处理后的沙漠地震资料信噪比得到显著提升.

     

基于震例类比的震后趋势早期判定技术系统建设

针对目前震后趋势早期判定中存在的基础知识库匮乏、产出规范化不足等问题,整理、完善、充实了震后趋势背景知识库,集成专家经验形成基于震例类比的震后趋势早期判定规则,并利用信息模板智能筛选技术,建立了震后趋势早期判定技术系统,实现了震情自动触发的地震基本概况（构造背景信息）、历史地震活动（震源机制、序列类型统计）、震后趋势研判意见等相关图件、文字、PPT报告的自动撰写与权限控制下的多平台推送。系统试运行8个月中,90%以上的震例产品在5min内产出;约80%的震例自动判定结果与人工研判结果基本吻合,震级差小于0.5;系统自动判定结果与地震实况的吻合度优于人工研判结果。试运行结果证明该系统在中国地震台网中心震后趋势快速研判中发挥了重要作用。     

Study on automatic recognition of the first motion in a seismic event

IntroductionSeismic detection is one of the most effective methods to monitor underground explosions. When an underground explosion is conducted, like an earthquake, it will radiate seismic waves. Stimulating from sources, these seismic waves travel through the Earth(s interior and surface, propagating widespread. These waves can be recorded by seismograph systems on surface. By studying the recorded seismic signals, we can obtain much detailed information on such a seismic event. We can the…     

于多道包络能量叠加的微地震事件自动识别方法

地面监测的微地震数据主要包含两个部分:人工形成的射孔数据和压力诱发的微地震数据.从微地震监测理论出发,微地震事件准确识别直接影响微地震信号初至拾取的精度.针对常规微地震信号初至拾取方法存在漏检及误检的弊端,提出了多道包络能量叠加技术的微地震事件自动识别方法.针对存在射孔数据的情况,详细论述了多道包络能量叠加技术的微地震事件自动识别方法的过程,采用模拟数据证明了基于射孔信号的微地震事件自动识别方法的可靠性.其次,采用一系列微地震正演模拟数据进行大量实验,验证基于多道包络能量叠加技术的微地震事件自动识别方法的可靠性.最后,通过实际微震压裂数据验证了新方法的可行性与正确性.     

关于提高微震事件自动识别效率的一个注记

利用美国国家地震信息中心的地震早期警报系统，通过对数字化地震记录的分析，针对各种可能出现的情况，对微震的自动识别和计算机实时处理进行了讨论。有关结论对地震的自动识别和震源参数的计算测定精度的提高，有重要的参考意义。     

基于能量比的天然地震与人工爆破自动识别算法研究

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。     

云计算环境下震前震源异常次声波自动识别方法

云计算下采用三点阵次声源定位方法,在自动识别震前震源次声波过程中不能自动筛选识别大量的异常次声波数据,导致震前监测准确度不高且效率低下。因此提出一种云计算环境下震前震源异常次声波自动识别方法,构建JNS异常次声波数据采集筛查模组,全天候实时扫描访问端口,快速反馈异常次声波数据,采用NDS异常次声波数据序列异常检测算法快速识别错误序阵,准确回查、定位和锁定异常次声波数据;利用震前震源异常次声波自动识别方法分类识别异常次声波信号,判断该信号是否是地震可疑信号。实验结果表明,所提方法可有效自动识别震前震源异常次声波信号类型,信号分类准确率最大值达到99.99%;多次识别耗时最大均值仅为1.3min,具有准确率高和效率快的优势。     

基于CNN的地震前兆台网观测数据异常图像识别方法

地震前兆台网观测数据异常图像识别方法一直是地震监测预报人员研究的重要课题.为提高异常图像识别的工作效率,充分利用已有的异常图像识别经验知识,开展基于卷积神经网络(CNN)的快速异常识别方法探索性研究.结果表明:基于CNN的异常图像识别方法准确率较高,实现了异常图像的快速识别.整个台网的异常图像丰富多样,影响较多.由于特...     

基于小波包和峰度赤池信息量准则的P波震相自动识别方法

基于小波包变换和峰度赤池信息量准则(AIC), 提出了一种新的自动识别P波震相的综合方法, 即小波包-峰度AIC方法． 首先对由加权长短时窗平均比(STA/LTA)法粗略确定的P波到时前后3 s的记录进行小波包三尺度的分解与重构, 分别计算每个尺度重构信号的峰度AIC曲线并将其叠加, 叠加曲线的最小值则为P波震相到时; 然后对原始地震记录进行有限冲激响应自适应滤波以提高信噪比和识别精度; 最后将小波包-峰度AIC方法应用到合成理论地震图及实际地震记录的P波初至自动识别中. 结果表明: 初至清晰度对识别精度的影响比信噪比对其影响更大; 与单独使用加权STA/LTA方法和峰度AIC法相比, 小波包-峰度AIC法具有更强的抗噪能力, 识别精度更高; 当初至清晰时, 小波包-峰度AIC法自动识别与人工识别的P波到时平均绝对差值为(0.077±0.075) s．      

POINTE AUTOMATIQUE*

The automatic picking of seismic sections replaces the slow and painstaking task of manual reflection plotting with rapid and economical processing by computer. Essentially, reflection picking is a decision-making problem which also can be considered as a sort of filtering. Mathematically this means multiplying the seismic data matrix by a more or less complex decision operator. For the sake of economy, we give an initial solution for simple cases which only require easily automatized decision-making criteria. We describe another more elaborate method for use in examining seismic phenomena which are more difficult to spot. The process used is based on the recognition of shapes and consists first of all of determining a series of characteristics capable of identifying each reflection on each trace and then of comparing these different characteristics from trace to trace so as to be able to judge the continuity or discontinuity of the reflections. Automatic picking thus leads to a schematic time-section in which only the horizons found by calculation are retained. An automatic migration program then transforms this time-section into a depth-section.     

基于振幅和瞬时频率的震相自动识别方法

为了充分反映地震信号振幅增大和频率改变的特征,发展了一种以振幅和瞬时频率比乘积为特征参量的震相自动识别方法。谐波信号和有限实际地震记录的应用表明,本方法具有较高的识别精度。     

IDENTIFICATION AND ANALYSIS OF NATURAL CHANNEL NETWORKS FROM DIGITAL ELEVATION MODELS

The identification and analysis of natural channel networks from digital elevation models are discussed from the point of view of their environmental applications. An interactive, graphical software package that implements some of the most widely used techniques for the automatic recognition of channel networks and for the computation of some useful geomorphologic indices and functions is presented.