基于多输入卷积神经网络的天然地震和爆破事件识别

天然地震和爆破事件识别是地震监测预警的重要内容.近年来,快速发展的深度学习算法以其强大的数据特征挖掘和图像识别能力,能够较快并准确地约束地震事件属性.利用多输入卷积神经网络算法构建天然地震和爆破事件自动分类网络模型,其中输入信息包括多台站地震波形和单台站的地震时频数据,使得卷积神经网络同时获取事件的波形、频谱和极性特征...     

浙江省非天然地震区域特点和识别方法

随着科技进步和工业发展,浙江省数字地震台网记录到越来越多的非天然地震事件,2015年至2021年记录到2 400余个非天然地震事件。为便于工作人员快速分析、研判地震事件性质,及时开展应急救援工作,对非天然地震事件的区域特点及识别方法的总结尤为重要。本文概述天然地震与非天然地震的波形特性,对浙江台州临海、舟山岱山、温州文成和湖州长兴4个典型区域的非天然地震波形进行震相分析、统计计算和频谱分析,并与同区域的地震波形相比较,获得浙江省非天然地震的规律与特征,归纳出浙江省不同区域的非天然地震波形特征和识别方法。     

昭通巡龙强夯土非天然地震记录特征及识别研究

通过分析昭通巡龙2022年11月—2023年5月多次重型地面平整机施工和小震级天然地震事件的记录特征及差异后认为：昭通巡龙强夯土事件的P波初动向下、持续时间短、衰减快、P波与S波最大振幅小于天然地震,强夯土事件波形记录的频谱特征与天然地震差异较大,天然地震P波与S波震相明显,强夯土事件震相不明显。可以利用Pg/Sg谱比、交叉Pg/Sg谱比实现强夯土非天然地震和天然地震事件的分类识别。分类结果表明：当频率大于5 Hz时,Pg/Sg谱比判据基本实现天然地震和强夯土事件分类;交叉Pg/Sg谱比判据对应的分类识别正确率为天然地震事件91.3%,强夯土事件90.7%。交叉Pg/Sg谱比判据比单一频带谱比判据能更好地反映天然地震和强夯土事件的特征差异。     

基于MFCC样本熵和灰狼算法优化支持向量机的天然地震与人工爆破自动识别

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。     

邹城地区矿震、爆破和(天然)地震事件的特征分析

采用FSS-3DBH型井下地震计,测量山东省邹城市区域发生的矿震、爆破和天然地震相关事件信息,通过波形分析与波谱分析,对比研究不同类型地震事件特征.结果表明,该区域发生的矿震、爆破和天然地震的波形、幅值及频率等特征指标存在明显差异.通过实时监测该区域地震事件和进行相关的特征分析,可以为研究区域地震的基本规律提供客观数据和科学依据.     

支持向量机在地震与爆破识别中的应用

为研究天然地震事件和爆破事件识别算法,对上海测震台网记录的上海周边区域天然构造地震和爆破事件记录进行小波包分解,并提取特征向量,提出用支持向量机（SVM）识别天然构造地震和人工爆破的算法。结果表明,基于SVM算法的向量识别分类方法,在天然地震和爆破识别中是可用的,准确率预计达85%以上。     

昭通巡龙测震台强夯土事件与微震波形特征分析

通过对比分析昭通巡龙测震台记录的重型地面平整机施工事件和微震记录的波形特征差异，认为：强夯土事件释放能量当量相当于M_L0.6～1.4级地震，P波初动向下、能量衰减快、波形持续时间短，P/S振幅小于天然地震，两者记录的频谱特征差异较大；微震震相明显，强夯土事件震相不明显。通过分析强夯土事件与微震波形特征差异，可以为非天然地震和天然地震分类识别提供依据。     

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。     

地震事件自动识别技术及其在南岭流动台阵的应用?

地震事件识别是地震层析成像的重要组成部分。然而,在处理宽频带流动台阵天然地震记录中识别地震事件过程中,利用传统的人工识别方法耗时巨大,效率十分低。本文首先运用STA/LTA 对地震事件进行初步判断,并结合支持向量机信号检测算法和多台联合检验法来提高地震事件判别的准确度及抗干扰能力,达到天然地震事件的自动识别。南岭流动台阵数据的应用结果表明该综合识别算法可自动快速准确地判别地震事件,并可用于地震震相的拾取。     

广东非天然地震的特征与识别

概述了非天然地震的范畴、广东非天然地震的类型。通过对非天然地震事件和天然地震的震相分析、统计计算、分析研究得出广东非天然地震的一些规律与特征．如非天然地震的振幅比AS／AP和波的持续时间τ值比天然地震小．发震时间比较规律等．讨论了非天然地震的识别方法。