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。     

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。     

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。。     

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.     

马鞍山地震台人工爆破与天然地震记录特征差异

鉴于马鞍山地区矿山较多,常有人工爆破发生,为了快速识别事件性质,分析了人工爆破与天然地震在P波初动方向、纵横波振幅比、衰减速度、频谱、发震时间等方面的差异。     

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.     

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.     

小地震与人工爆破记录的时频分析

基于Matlab软件,编制了对近震记录进行时-频分析试验研究的程序,搜集2006—2008年间首都圈地区震级介于ML2.4~2.7的5次天然地震和5次人工爆破的27个台站的宽频带记录,根据震中距离的相似性挑选5组天然地震和人工爆破地震,分析其时频特征。对于所有的数据都给出其三分向的时频图、原始波形图和频谱图,以及水平向和三分向的叠加图。分析结果表明,天然地震和人工爆破的记录具有明显不同的时频特征,天然地震的时频呈现出"多峰"特征,而人工爆破的时频分布则相对"少峰";天然地震的时频峰值分布在较宽的频率范围内,人工爆破的峰值则分布在频率较低的相对狭窄的范围内。通过以上实践,发现时频分析在分析不同时间点的频谱信息以及整个数据的时频分布特点时比傅里叶变换具有优势。     

三点激振下人工地震增油技术试验研究

本文介绍一种新的现场试验方式：三点激振，研究了在不同类型起振机、不同形状振动基础条件下的人工地震增油技术，观察了增油效果。     

夜视摄像技术在人工地震爆破现场的应用

本文就“福建省地震构造人工地震爆破观测”项目中跨越海峡人工爆破科学实验的现场夜间拍摄任务面临的困难进行了研究.针对这些困难提出了人工地震爆破现场夜视成像的解决方案,并通过实际应用检验了方案的可行性.它为地震现场全天候的灾情收集能力做出了有益尝试,填补了现场夜间信息收集能力的空白.     

河南平顶山平煤矿区天然地震和人工爆破的波形特征及识别判据

基于河南测震台网记录的平顶山平煤矿区及周边发生的天然地震和人工爆破资料,按照直观、可快速识别的要求,选用发震时刻、P波初动方向、振幅比、振幅与尾波持续时间比等方法,对该地区天然地震和人工爆破进行对比分析.结果 表明,P波与S波最大振幅之比(Pm/Sm)是识别该地区地震类型的最有效判据;P波初动振幅与S波最大振幅之比(P...     

天然地震与人工爆破波形信号HHT特征提取和SVM识别研究

天然地震和人工爆破信号属于非线性非平稳信号,而传统信号分析方法是针对线性系统平稳信号的,本文采用希尔伯特—黄变换(Hilbert-Huang Transform,简称HHT)试图提取可明确区分天然地震和人工爆破事件的波形特征.通过经验模态分解(Empirical Mode Decomposition,简称EMD)把原信...     

核爆炸余震与天然地震余震的比较

用不同余震的衰减函数模拟了1968年到1976年在内华达试验场爆炸的7次大核爆炸的余震。也研究了该区的4次天然余震序列。核爆炸余震不同于大多数天然余震,因为它们衰减比较快,并用常常用指数类函数拟合它们的衰减。核爆炸余震的震源深度一般比天然余震的浅,与核爆炸深度相对浅一致。在内华达试验场附近也观测到天然地震浅源余震的快速衰减,这说明余震震源处的条件影响余震随时间的衰减。Dieterich(1994)提出余震衰减理论预示深度浅的余震衰减更快,提供了对观测结果的一种可能解释,由于核爆炸余震的衰减快,目前在内华达试验场观测到的活动很可能已经过充分衰减了,所以目前的活动水平将持续到将来。     

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。     

基于AlexNet卷积神经网络模型的宁夏天然地震和非天然地震识别研究

宁夏回族自治区及周边天然地震和非天然地震频发,精确快速识别天然和非天然地震有利于震后应急响应、科学研究、赈灾救援等工作。基于AlexNet卷积神经网络模型,选取宁夏境内及周边130个地震事件（天然地震80个、非天然地震50个）,对其进行了单个台站波形记录地震事件的训练和多个台站波形记录地震事件的测试,并将模型结果与宁夏测震台网人工编目结果进行比对,结果表明单个台站波形记录地震事件的训练结果中,AlexNet卷积神经网络模型对宁夏天然地震和非天然地震的正确识别率为99%;多个台站波形记录地震事件的测试结果中,此模型对宁夏天然地震和非天然地震的正确识别率为97.01%。AlexNet卷积神经网络模型作为人工智能领域的成熟技术之一,可以很好的运用于宁夏天然地震和非天然地震的识别工作之中。     

乌兰浩特地区非天然地震事件与地震特征分析

选取2022年以来乌兰浩特地震监测中心站记录的非天然地震事件和地震数据,基于发震时刻、P波初动方向、振幅衰减特性、A_S/A_P(振幅比)、频谱特性等,对非天然地震事件特征及识别方法进行研究。结果表明,非天然地震事件具有发生时间规律明显、P波初动向上识别率高、振幅衰减快、A_S/A_P比值偏小、低频特性明显等特征。此研究结果可作为地震台站识别非天然地震事件和地震的有效判据。