STA/LTA—AIC算法对地震P波震相拾取稳定性影响

选取区域地震台网记录的地震波形数据,使用STA/LTA算法与STA/LTA—AIC算法,进行地震P波震相初至到时自动拾取,对地方震及震中距较大的震相进行P波震相拾取效果分析,发现:STA/LTA算法对于地方震P波震相识别精度较高,与STA/LTA—AIC算法拾取的P波震相初至到时相差不大;震中距变大后,STA/LTA算法对P波拾取位置相对于最佳位置向后延迟,STA/LTA—AIC算法有效矫正了STA/LTA算法拾取位置的延迟问题,与人工拾取位置差别可忽略不计。     

基于支持向量机的地震体波震相自动识别及到时自动拾取

面对海量地震资料,自动准确地拾取震相并确定其到时的需求非常迫切.基于支持向量机技术,本文提出了使用两个分类器SSD和SPS自动识别地震体波震相并自动拾取其到时的方法.相比于传统的自动拾取方法,本文方法能够更准确地识别震相并区分P波和S波.进一步地,我们提出了利用台阵资料辅助识别震相的方案,有效地提高了地震震相拾取的准确率.     

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．      

在格陵地区地震图上记录到的一个附加震相—i震相的特征

在１９７６－１９８３年期间,格陵兰地区共记录到５３个３－５级地震,确定了所有的地震参数,分析了２９个地震的震相到时,得到了该地区Ｐｎ,Ｐｇ,Ｐ１１（ＰＭＰ）Ｓｎ和Ｌｇ震相的走时曲线及其视速度值,该结果与加拿大走时曲线相一致,发现一部分地震图上有在直达波Ｐ与Ｓ之间记录到一个附加的震相－ｉ,ｉ震相的存在与震中距,震源深度有关,初步的物理解释是,ｉ震相可解释成为（Ｐｓ）或（Ｓｐ）转换波,该转换波发生在台     

利用兰州小孔径地震台阵资料叠加观测走时曲线

使用兰州小孔径地震台阵记录的近10年地震观测垂直分量波形数据,采用长、短时间平均数比值方法(STA/LTA)叠加出适用于青藏高原东北缘地区的观测走时曲线.结果表明,兰州小孔径地震台阵独特的地理位置,基本上能够记录到不同震中距(0—180°)和不同方位的地震事件;使用不同频率滤波处理之后的地震数据记录叠加出相应的观测走时曲线,从观测走时曲线中可以识别出不同体波震相(P,PKIKP,PKP,PP,PPP,PcP,ScP,S,SS等)的到时及其观测走时曲线特征.这对识别地震各种震相,认识和研究地球内部精细结构等具有非常重要的科学意义.     

河北红山台宽频带地震记录区域叠加研究

可靠的震相走时是地震预警技术中精确测定震源位置和发震时刻的基础,本文运用STA/LTA震相识别技术,针对单台（河北红山台）2009-2021年共计12年积累的地震记录进行叠加计算,得到了红山台记录到的区域地震各震相走时曲线。结果显示,震中距0°～50°范围内红山台共成像7种震相的走时曲线,分别为P、S、PP、SS、PcS、ScS以及R面波震相,且随着组合参数变化,叠加成像的震相种类、震中距范围、清晰度均有所不同。此外,通过绘制各震相走时曲线发现,震中距0°～15°范围内,P波、S波及R波走时曲线基本呈线性变化,震中距0°～15°范围内计算得到红山台区域地震P波传播速度为7.5 km/s左右,S波传播速度为4.2 km/s左右,R波传播速度为3.5 km/s左右,介于P波和S波之间存在一个震相的走时痕迹,波速为5.4 km/s左右。本工作对于提升红山台震中距≤1 000 km的地震预警定位精度有指导意义。     

高阶统计量及AIC方法在区域地震事件和直达P波初动识别中的应用

利用高阶统计量（偏斜度和峰度）与赤池信息量准则（简称AIC）相结合,进行区域地震事件实时检测和P波初至精细识别的新方法研究,通过处理山东地震台网记录的地震波资料,结果表明：应用高阶统计量（偏斜度和峰度,尤其是峰度）能够有效识别地震事件,降低地震事件的错误报警率和漏报率;与人工识别震相到时结果相比,根据Ske-AIC、Kur-AIC震相自动识别方法得到的震相到时的平均绝对值误差小.     

浅源极远震的震相特征与识别方法

介绍了纵波在地球内部的传播过程和浅源极远震的震相特点。由不同震中距的地震反映在三分向地震记录图上的初至震相振幅比的差异,归纳出由地震初动判别地震类型的方法,结合实际工作经验,得出如何判别ＰＫＳ震相、如何由ＰＰ推Ｓ、由ＳＳ反推ＰＰ震相,以及根据地震面波的到时,通过《Ｒｍ－Ｐ》表来验证震中距等几种识别极远震及其震相的方法。     

近震S波震相实时自动识别方法研究

提出了一种用于地震早期预警的S波震相实时自动识别方法. 该方法不对原始信号进行任何滤波处理, 直接对三分向记录进行计算分析. 首先根据P波前0.5 s数据的卓越频率计算适用于该三分向记录的窗长, 采用由偏斜角和水平能量与总能量比值的平方积作为确定S波识别区间的特征函数, 将特征函数已有数据的5倍均值和5倍方差之和作为识别区间的触发阈值; 然后采用VAR-AIC方法对两个水平分向识别区间的数据分别计算分析, 对两个识别结果进行判断, 最终确定S波初动时刻. 经过对118个三分向记录的实际应用验证, 通过自动识别结果与人机交互震相识别结果相比, 本文方法对于S波相对P波尾波信噪比大于5 dB的地震记录, 其识别误差小于0.1 s的概率高达89.39%.      

PKPdif波-内核低速层存在的地震学证据

通过对中国数字地震仪台网(CDSN)11个台1993—2012年间30个极远震记录的分析,识别出了PKP波入射到内外核界面(ICB)上的衍射波PKPdif波。PKPdif波在震中距120°左右时出现在PKIKP波之前,在震中距150°以后出现在PKIKP波之后,是一个长周期波。为了解释PKPdif波超前于PKIKP波的原因,设想在距地面约5 156.1～5 372.2 km的深度,即内外核界面下有可能存在一个PKIKP波的低速层(厚度约216.1 km)。该设想符合Jeffreys速度模型,给出的PKPdif波在震中距119.4°～176.1°间的走时表填补了目前使用的《IASPEI1991地震波走时表》的空白。讨论PKPdif波的运动学特征有助于对内外核界面物理性质的认识,有助于提高分析震相的水平和积累震相分析经验。     

上海及邻近地区Pb震相识别

收集2009年以来上海地区近震事件,并重新进行震相拾取。通过走时曲线、时频分析等识别震相的辅助手段,确认震相的可靠性。研究结果表明,上海地区地震的Pb波作为初至震相时,震中距约100 km;初至震相是Pb波时,地震波形类似于正弦波且周期较大。     

初至震相自动识别方法研究与发展趋势

地震波中震相检测、识别是地震学研究的一个基础性和关键性工作环节。初至震相的自动检测可大大提高地震速报的速度,为震后应急赢得宝贵时间。本文对国内外初至震相的自动检测方法的研究现状进行了阐述,对初至震相自动识别的发展趋势进行了展望。     

大同地震台远震波形走时残差的计算和应用

选取大同地震台记录的2010—2019年531个M_S≥5.0地震事件,根据发震区域的不同对其波形走时残差进行分析,得到不同发震区域地震波形的平均走时残差。结果表明,日本、喜马拉雅地区地震波形的走时残差总体为负值,平均残差分别为-1.51 s、-0.70 s;斐济、中国台湾地区、南美洲西海岸地区大多为正值,平均残差为0.79 s、1.83 s、1.86 s。同时发现,在有干扰的情况下参考不同区域平均走时残差计算结果,通过判断实际初至震相与理论初至震相的位置关系,可以更好地开展初至波震相识别工作。     

IASPEI91实用震相走时表及计算方法

解析了美国ASL提供ISPEI91走时表的存储结构。自己研制的方法与美方提供方法相结合，根据需要可以随意计算各种地震震相的到时或该震相与初至波的到时差。本软件在功能上完全满足目前台站的工作要求。将计算理论震相、震相到时差和汇编走时表功能集成在一个界面下，有利于台站工作，可以提高工作效率，为台站人员的地震监测和分析工作提供了方便。     

中、强震数字记录波形及震相特征分析

本文从地质构造、波列特征、P波初动、S-P到时差、主要震相、最大振幅、震中距等方面着手对沈阳台记录到的中、强震进行分析,力求归纳出国内和国外不同区域的波形和震相特征。     

基于U形卷积神经网络的震相识别与到时拾取方法研究

精确获取震相到时是地震定位和地震走时成像等研究的重要基础.近年来,随着地震台站的不断加密,地震台网监测到的地震数量成倍增长,发展快速、准确、适用性强的震相到时自动拾取算法是地震行业的迫切需求.本文在前人工作基础上,发展了Pg、Sg震相自动识别与到时拾取的U网络算法（Unet_cea）,使用汶川余震和首都圈地震台网记录的89344个不同震级、不同信噪比的样本进行训练和测试.研究表明,U网络能够较好地识别Pg、Sg震相类型和拾取到时,Pg、Sg震相的正确识别率分别为81%和79.1%,与人工标注到时的均方根误差分别为0.41 s和0.54 s.U网络在命中率、均方根误差等性能指标上均明显优于STA/LTA和峰度分析自动拾取方法.研究获得的最优模型可以为区域地震台网的自动处理提供辅助.     

地震记录的P波自动捡拾

震相到时的精确捡拾是地震定位的关键所在,是进行地震预警的前提.对云南测震台网的观测数据进行P波自动捡拾试验.用基于幅值和频率的P波识别方法和STA/LTA方法捡拾到的P波到时,与人工捡拾的结果比较接近,取得较好的结果;用该方法对云南强震台网的部分强震记录的竖向资料进行P波到时自动识别,也获得了较好的结果.     

剪切波分裂中的快、慢波识别方法

本文改进了两种震相识别方法。用最大特征值法可识别快、慢剪切波到时,用波形识别算子法可确定快剪切波的到时及其序列。将两种方法结合起来,可比较和鉴别地震波的到时及其类型,从而可以避免将转换P波误认为快剪切波,达到最终确定剪切波到时及其序列的目的。以1985年禄劝Ms6.1地震为例,用上述方法进行了剪切波分裂的研究,结果与张性扩容各向异性假说是一致的。     

基于Bagging集成学习算法的地震事件性质识别分类

地震台网在监测地震的同时记录到的非天然震动事件会对后续的科研和预报工作造成较大的影响,因此快速准确的对天然震动事件与非天然震动事件加以区分就显得尤为重要.本文针对传统人工方法识别地震事件性质的不足之处,采用Bagging机器学习算法对地震事件性质进行区分.首先选取震中距范围在80～200km内的地震数据,之后采用AIC算法自动识别P波到时,进而用处理后的数据训练模型,最后使用测试数据对模型进行评估,准确率可达85%以上.因此,本文提出的方法可以有效地对天然震动事件与非天然震动事件加以区分.     

核幔界面衍射波Pdiff震相最大 记录震中距探讨

智利M_S8.8特大地震在甘肃数字测震台网记录的最大震中距达179.7°, 通过读取该地震初至震相的观测走时, 计算该震相的平均观测慢度为4.104 s/°, 与P_diff震相的理论慢度4.439 s/°基本一致. 研究结果表明: 由于甘肃数字测震台网和甘东南野外观测流动台阵独特的地理位置, 记录到了至今全球最大震中距(179.7°)的核幔界面衍射波P_diff震相; P_diff震相起始观测走时明显滞后于IASP91理论走时; 核幔界面复杂的形态对不同方位传播的P_diff震相观测走时产生了一定的影响.