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.     

广东地区地震与爆破事件识别方法研究

基于广东省数字遥测地震台网的天然地震动记录与人工爆破记录资料,采用直观快速识别的时域多指标对比分析方法,选取事件发震时间、波形震相特征、P波初动方向、P波和S波振幅比等多个时域判据,对广东省的天然地震和人工爆破事件进行识别和对比分析。结果表明,P波最大振幅与S波最大振幅的比值是识别天然地震和人工爆破较为有效的特征参数,P波初动方向可作为辅助识别依据。研究结果可为省地震台网天然地震和人工爆破事件的识别工作提供参考依据。     

福建地区人工爆破与天然地震的判定

利用福建地震台网的人工爆破与天然地震的数字记录,采用波形对比法,分析发生在同一地区的爆破与地震波形特征.结果发现,爆破与地震在震相、P波初动符号分布、振幅比As/Ap等方面具有不同特征,据此得出爆破识别的有效判据,并对一次疑爆事件进行有效检验,为今后爆破的识别提供依据.     

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。     

明灯一号及邻近地区地震与爆炸的识别

通过明灯一号大当量爆破资料,挑选其周边地区天然地震和人工爆破事件,研究天然地震和人工爆破事件的波形记录特征,并应用两种模式进行识别。结果表明振幅比判据能反映天然地震与人工爆破的本质区别,可以作为识别两类事件的有效判据。两种模式识别方法的U检验效果较好,表明该研究的特征和方法具有实际应用前景。     

天然地震与人工爆破的波形小波特征研究div

研究了如何从天然地震和人工爆破事件的波形记录中提取出有效、适用的波形特征,以用于对爆破事件的识别．首先对波形记录进行了4层小波包变换;然后对变换得到的最后一层小波包系数提取3种波形特征:能量比特征、香农熵特征及对数能量熵特征;最后利用upsilon;-SVC支持向量分类机对这3种特征的分类能力进行了外推检验．通过选用不同地区、不同台站、不同震级的天然地震与人工爆破的波形记录,力求提取的特征量能尽可能地反映天然地震与人工爆破波形的本质区别,尽量弱化震中距、震级等因素对识别效果的影响．结果表明,上述３种特征中以香农熵特征的识别效果最好,能反映天然地震与人工爆破的本质区别,可作为识别天然地震与人工爆破的一个有效判据．      

天然地震与人工爆破的波形小波特征研究

研究了如何从天然地震和人工爆破事件的波形记录中提取出有效、适用的波形特征,以用于对爆破事件的识别.首先对波形记录进行了4层小波包变换;然后对变换得到的最后一层小波包系数提取3种波形特征:能量比特征、香农熵特征及对数能量熵特征;最后利用v-SVC支持向量分类机对这3种特征的分类能力进行了外推检验.通过选用不同地区、不同台站、不同震级的天然地震与人工爆破的波形记录,力求提取的特征量能尽可能地反映天然地震与人工爆破波形的本质区别,尽量弱化震中距、震级等因素对识别效果的影响.结果表明,上述3种特征中以香农熵特征的识别效果最好,能反映天然地震与人工爆破的本质区别,可作为识别天然地震与人工爆破的一个有效判据.     

重庆数字地震记录人工爆破波形特征

分析了2016年1月至6月重庆地震台网数字记录的巫山机场人工爆破波形资料,认为爆破事件的时空强具有明显规律性,其P波初动震相、A_S/A_P振幅比、频率谱等特征与天然地震具有明显区别,为正确识别重庆地区人工爆破和天然地震具有参考价值。     

基于格拉姆角场和多尺度残差神经网络的地震事件分类方法

以江苏地震台网中心搜集并标注的天然地震、人工爆破和塌陷事件为试验数据样本,提出了一种基于格拉姆角场和多尺度残差神经网络的新的地震事件分类方法。首先对波形数据进行滤波、归一化等预处理,然后应用格拉姆角场对地震波形数据进行二维编码得到二维图像,再将此经过编码后的图像作为多尺度残差神经网络的输入进行分类模型的训练和测试,从而得出分类结果。采用上述方法对1 078个天然地震台站记录、981个爆破台站记录和830个塌陷台站记录进行试验,结果显示：最终以单条波形为单位的地震事件分类准确率为92.55%,以单个台站为单位的分类准确率为96.36%,这表明基于格拉姆角场和多尺度残差神经网络的地震分类方法具有良好的效果。     

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。     

江苏数字地震台网中心记录波形分析

对江苏数字地震台网的波形资料,从震相、频谱、振幅比3个方面进行对比分析,找出天然地震、人工爆破、塌陷的不同之处,能够在地震定位过程中快速识别,并将此方法在江苏地震台网实际工作中应用。     

基于广义S变换的地震与爆炸识别

为了进一步增强区域台网针对天然地震与人工爆炸事件的识别能力,本文利用广义S变换方法,围绕河北省三河采石场爆破以及周边发生的天然地震波形记录展开研究,总结了地震与爆炸在时频谱中的差异性。研究表明,受震源机制影响,天然地震时频谱图的频带范围更宽广,能量团分布也较人工爆炸更为复杂。为了消除震中距的影响,本文将求解的时频谱保存为规格相等的灰度图像,通过滑动窗口计算图像的灰度一致性得到新的识别判据?谱图二阶矩。对三河地区已知地震和爆炸事件的测试表明,谱图二阶矩对单台波形记录的识别率可达91%,多台求取平均值之后的识别率超过98%,因此该判据具有良好的应用前景。      

基于多尺度注意残差网络的地震波形分类研究

选用2010年2月—2016年12月发生在北京顺义及河北三河等首都圈邻近区域的117个地震事件(包括54个天然地震事件和63个非天然地震事件——爆炸事件)作为研究对象,利用文章所提出的多尺度注意残差网络对其中的天然地震事件和爆炸事件波形进行二分类。首先,对原始地震波形进行简单预处理并截取成相同长度的地震时序数据,直接将其作为网络模型的输入;其次,选用含有残差模块的深度神经网络作为基础网络,利用深度神经网络对特征的自动提取能力,省略了传统波形分类需要提前提取时域波形的特征作为分类算法输入的步骤;然后,融合通道注意力机制(ECA)并对其进行改进,将空间维度的信息融入通道信息,优化了网络对关键信息的关注,更好地聚焦重要特征;最后,使用空间金字塔池化代替最大池化进行多尺度特征融合,得到更多的特征信息,构成多尺度注意残差网络。实验结果表明,最高分类准确率为97.11%,平均分类准确率为96.53%,证明了多尺度注意残差网络在地震波形分类任务中的有效性,为震源类型识别工作提供了一种新的方法。     

河北省数字遥测地震台网的监测能力

叙述了自编的地震台网监测能力评估软件的技术思路、实现方法；以河北省数字遥测地震台网中心产出的107个台站的实测波形数据为基础，运用此软件计算出河北省数字遥测地震台网目前的监测能力，绘制了图件；利用“十五”项目将新建和改建的20个台的勘选波形数据，得出了“十五”项目完成后河北省数字遥测地震台网的监测能力，并绘制了图件。对河北省地震台网布局及未来发展提出建议。     

2017年9月临城震群遗漏地震检测及发震构造初探

以河北测震台网记录的连续波形数据为基础,采用模板匹配滤波方法,检测2017年9月4日—6日河北临城震群遗漏地震。利用波形互相关扫描,检测到19次被测震台网常规分析遗漏的地震,震级范围为M_(L )0.0—1.2,并标定新检测地震事件的P波和S波到时,估计其震中位置及震级。通过地震精定位和最大地震震源机制解,认为此次临城地震序列的主要发震构造应为近EW向活动断层。     

河北测震台网单台震级偏差分析

以河北测震台网记录的河北及周边地区地震事件为数据源,计算单台测定震级与台网平均震级的平均偏差、标准偏差,采用统计、对比、归纳分析等方法,分析偏差的分布情况,依据震中距分段计算平均偏差,得到震级偏差的分布规律及相应校正值;最后通过对量规函数、台基岩性等进行校正,对比拟合出符合河北台站特点的新量规函数,使误差精度在规定范围之内。     

重庆地区重复地震识别及在数字地震台网定位评价中的应用

利用重庆数字地震台网2010年1月至2017年12月的地震波形资料和观测报告,选出5个研究区1 251个M_L≥1.5地震进行波形互相关计算,识别出358对同时被2个地震台站记录且各台波形互相关系数(cc)不小于0.8的重复地震对,涉及342个地震事件,约占地震总数的27%。将筛选出的重复地震对用于定量判断地震目录中震相拾取误差及评估台网定位精度,结果显示:重庆数字地震台网的垂直定位误差约为3 km,水平定位误差约为5 km,Pg、Sg震相拾取误差分别为0.5 s和0.7 s;其中武隆区地震定位和震相拾取精度最高,綦江区最低。     

河北文安Ms5.1地震前首都圈及邻区震源动力学参数时空变化特征

本文根据近震源条件下,由北京数字遥测地震台网观测到的波形资料,利用Brune模式,得到了2002年1月至2006年6月期间首都圈及邻近地区989次ML≥2.0地震的震源谱,测定了它们的拐角频率和零频幅值.通过相关计算公式,得到了破裂半径、地震矩、地震能量、应力降、视应力等震源动力学参数.分析了这些动力学参数的标度关系以...     

不同地区人工爆炸与天然地震记录特征及识别研究

本文分析了河北怀来多次爆炸、河北三河采石场多次爆炸和低震级天然地震事件的记录特征和时频差异。结果显示:河北怀来爆炸的P波能量强、衰减快、S波发育弱;河北三河采石场爆炸的P波、S波主频均低于怀来爆炸,S波与面波混淆,不同震中距的台站记录低频发育明显;而天然地震的有效频带更宽,频率成分更为复杂。将Pg/Sg谱比判据应用于小震级地震与爆炸的识别中,探索交叉频带谱比对不同地区爆炸的识别。结果表明:高频（＞5 Hz）Pg/Sg谱比判据可将研究数据中的爆炸与小震级地震完全区分;与Sg低频（0—2 Hz）有关的交叉频带谱比可对两个不同地区的爆炸进行识别,交叉频带的谱比判据较传统的单一频带谱比判据能够更好地反映出不同类型事件的特征差异。      

用小波变换能量线性度方法识别天然地震与爆破或塌方

为了提取天然地震和爆破或塌方记录波形在震源深度、震源尺度、震源破裂机制、地震波传播途径、地震波衰减等方面的差异特征信息,本对山东数字化台网记录的天然地震和爆破或塌方波形进行了小波多分辨率的能量线性度特征分析,提出了用小波变换能量线性度方法识别天然地震与爆破或塌方事件．结果表明：在精细结构小波分解信号“能量”线性度方面,天然地震主要集中在-2．0～1．0之间,爆破或塌方主要集中在2．0～3．4之间;在精细结构小波分解信号“能量”最大值对应的小波分解尺度方面,爆破或塌方主要集中在4～5,频段集中在0．7～3．1Hz之间,而天然地震主要集中在1～2,频段集中在6．25～25Hz之间．