中国地区地震P波和S波走时表

本文搜集了1952-1971年发生在我国境内及边境地区266次地震的观测资料,得到国内外五百多个地震台的 P 和 S 震相到时约二万条;根据我国地区大爆炸观测及其他地壳结构的研究成果,结合上述地震观测资料,提出了中国地区双层平均地壳速度模型,以便由深度走时校正把各种震源深度上的走时折算为表面震源走时,并进行剥壳处理.用迭代法校正震中和发震时刻.采用1970年寇蒂斯(curtis)所述的立方样条函数平滑数据的方法,得到表面震源 P 波和 S 波的走时表.运用海格劳兹-维谢尔特-贝特曼(Herglotz-Wiechert-Bateman)速度反演的方法求得中国地区地幔中,P 波和 S 波速度随深度的分布.算出震中距离=0-104,各种震源深度的一整套 P 波和 S 波走时表.经过试用的实践表明,用它来测定震中参数比用国外的走时表具有较高的精确度.     

对《中国地区地震P波和S波走时表》使用的检验

综合介绍了根据我国台网的观测资料、采用国际先进方法编制的《中国地区地震 P 波和 S 波走时表》,检验表明,它比J—B 表及国外其他走时表更符合我国实际,用以测量震源参数具有较高精度。     

中国地区地震走时表的研究

引言地震波走时表的研究,关系到震源参数测定的精确度,并与地壳及地球内部结构的研究有密切的关系,它是地震学的基础研究工作之一。 1939年Jeffreys-Bullen发表了一个比较完整的全球性的包括各种震相的走时表。以后得到了各国地震观测工作者的采用,作为对各种震相走时的主要依据。1968年美国Herrin等人又根据更多的全球性地震观测资料获得一组纵波走时表其中包括P、PP、PPP、PKP、     

区域地震走时表的检验

走时表不仅是鉴定地震图上的震相、确定震源参数的重要工具,而且其走时提供了有关地球内部最重要的资料。所以,走时表是地震和地球物理研究中心不可少的工具。由于科学研究的深入发展,人们对资料的要求越来越高,大范围的走时表(如 J—B 表)已不能适应研究工作的深入发展,尽快做出精确度更高的区域走时表便成为广大地震工作者十分迫切的愿望。     

利用J-B地震走时表和IASPEI走时表计算P波残差分析黑龙江省国家测震台的区域地震误差成因

利用黑龙江省国家测震台接收到的日本本岛及周边海域、台湾岛东北部及附近海域、中国大陆东北深震区以及中国东北与俄罗斯交界处部分地震,使用J-B地震走时表和IASPEI走时表分别计算P波走时残差,探讨黑龙江省测震台站接收研究区域地震事件误差成因。     

归算震源面上P波和S波走时的方法

本文介绍了一种计算震源深度处地震波速度的方法，其中使用了球对称的层状地球模型及关于震中距与地震波走时之间的解析关系。该方法应用到蒂勒尼安南部区域和日本诸岛，可以由观测到的走时归算出震源深度的地震波速度，而无须借助于专门的速度模型。     

中国地震台网初至P波区域三维走时表的建立

基于LLNL-G3Dv3全球P波三维速度模型,应用FMM软件包计算并建立了中国地震台网990个台站的初至P波区域三维走时表．该走时表覆盖了以台站为中心的水平向20°×20°、 垂直向-5.1—80 km （向下为正）的三维空间. 其水平向间隔为0.2°,垂直向间隔为5 km．这样对于任一深度小于80 km的震源,均可以应用此三维走时表计算其到周围10°范围内台站的走时．中国地震台网初至P波区域三维走时表的建立,对于改善区域初至P波走时预测,提高地震定位精度有一定现实意义．     

非均匀各向异性介质的地震P波走时层析成像研究

大陆动力学已经成为当今固体地球物理各领域研究的主导方向。大陆动力学涉及问题非常广泛,但核心问题是大陆形变及其动力学。地震各向异性是地球动力学过程的指示器,根据地震各向异性的研究结果,可以推断上地幔物质的流动或变形,有助于了解地球内部的应力状态和地球的演化过程。     

菲律宾—印度尼西亚东部地震S波走时异常初探

大连地震台在实测中,经常观测到来自菲律宾-印度尼西亚东部一带的地震S波较理论到时提前约数秒到达.2002年至2011年,记录到该地区145例具有此种显著异常的震例.该现象与台基无关,全国地区均可观测到.震例分析发现,可观测到该现象与未观测到明显异常的台站在全球范围内大致呈四象限分布,造成该异常现象的原因可能与震源过程有关.     

深度神经网络拾取地震P和S波到时

从地震波形数据中快速准确地提取各个震相的到时是地震学中的基础问题.本文针对上述问题提出了利用深度神经网络拾取到时的新方法,建立了用于地震到时提取的17层Inception深度网络模型,在对原始三分量数据进行高通滤波和归一化处理后输入网络直接输出到时信息.整个过程基于神经网络自适应提取波形特征,自动输出结果.通过对100组加了不同强度的噪声数据进行了可靠性检验,相比于其他方法神经网络方法对于噪声具有较高的容忍度以及稳定性,并且与地震目录数据有较高的相似性.相比于AR-AIC+STA/LTA,深度神经网络虽然运算速度稍慢,但整个过程不需设定时窗与阈值,同时具有更高的可用性,并且可以迭代升级以提高精度.此方法作为人工智能方法,为波形到时拾取提供了新思路.