直接余震和间接余震

本文考察了1966年邢台大震后我国大陆上（只限东部地区,不包括台湾省）25个6级以上地震的余震序列,指出这些序列主震后三天内余震数量集中,衰减迅速,衰减规律与其后的余震有所区别;且这部分余震在时间上控制着以后余震的发展,在空间上已经大体勾划出余震区。根据这些特征,可把余震分为直接余震和间接余震两类。文中分析了直接余震的特点,统计了间接余震与直接余震的关系,并提出根据直接余震特点来估计间接余震,预报序列发展的想法。文中还初步探讨了直接余震和间接余震的物理机制。     

云南地震序列最大余震的估算

利用1965~2012年云南地区的181次地震序列资料,分别用4种不同的方法得到主震和最大余震的震级关系式分别为:b值截距法Mmax=-0.44+1.03Mb±0.4;最大后续余震法Mmax=-0.23+1.00Mm±0.4;主震震级估算最大余震法Mmax=-0.71+0.89M±0.4;主震与最大余震震级差法:主震震级在5.0~5.9级之间,Mmax=M-1.2,在6.0~7.9级之间,Mmax=M-1.0。用这4种方法对2009年7月9日姚安6.0级地震和2012年9月7日彝良5.6、5.7级地震序列中的最大强余震进行估算,结果符合较好。统计结果显示最大强余震发生在主震后前3天的比例高达60%,这一结果可为最大强余震的时间判定提供依据。     

汶川地震余震区波速比与强余震的关系

利用2008年5月12日汶川地震余震的P波和S波到时数据,对龙门山地区波速比进行了计算。结果表明,该地区的强余震全部发生在波速比相对较高的地区,这应该是地下介质的破碎原因造成的。     

地震序列较强余震灰色及最小二乘拟合预测方法的应用研究

在收集、整理1966年～2002年8月我国(主要为大陆地区)183个5级以上地震序列资料的基础上，应用灰色预测和最小二乘拟合预测方法，对每一地震序列较强(显著)余震发震时间进行“硬性”检验预测。结果表明，2种预测方法对7级以上地震序列和6级地震序列的较强(显著)余震具有较好的预测效能，预测效能分别为76．2％和64．7％；而对5级地震序列预测效果则不甚明显。因此，灰色预测和最小二乘拟合预测方法主要着眼于对大(强)地震的较强(显著)余震预测，可望在地震现场大(强)震应急工作中发挥积极作用。     

直接余震和间接余震

本文考察了1966年邢台大震后我国大陆上（只限东部地区,不包括台湾省）25个6级以上地震的余震序列,指出这些序列主震后三天内余震数量集中,衰减迅速,衰减规律与其后的余震有所区别;且这部分余震在时间上控制着以后余震的发展,在空间上已经大体勾划出余震区。根据这些特征,可把余震分为直接余震和间接余震两类。文中分析了直接余震的特点,统计了间接余震与直接余震的关系,并提出根据直接余震特点来估计间接余震,预报序列发展的想法。文中还初步探讨了直接余震和间接余震的物理机制。     

1995年择捉岛近海地震：前震,主震和余震的联合重新定位及对地震成？…

千岛群岛１９９５年１２月３日择捉岛近海Ｍｗ７．９地震有明显的前震活动。用修改的联合震源定位法,我们同时重新定位了前震、主震和余震,从大地震成核过程的观点详细地研究了前震活动。重新定位的地震分布和它们的震源机制说明,１９９５年择捉岛近海地震是北美和太平洋板块间的板间地震。它的震源区与１９５８年择捉岛近海地震（Ｍｗ８．３）和１９６３年乌鲁普岛近海地震（Ｍｗ８．５）的震源区重叠。主震发生前９天,第１个震     

地震序列较强余震最小二乘拟合预测的方法研究

本研究给出了针对地震序列较强余震发生时间进行快速预测的一种方法,即最小二乘拟合预测方法.该方法包括:最小二乘拟合预测模型的建立、预测模型的各种可信性检验及模型预测等内容.震例研究表明,该方法在大(强)地震现场震情分析中可望发挥积极作用.     

基于Gutenberg-Richter定律快速估算最大余震震级:以2017年九寨沟MS7.0地震为例

针对九寨沟M_S7.0地震之后不同时间段的余震序列目录,利用推定最大余震震级,给出了实际最大余震震级的估计值。结果表明,推定最大余震震级随主震后时间尺度的延长而趋于稳定,且该值与实际发生的最大余震的震级一致。需要强调的是,就九寨沟地震序列而言,当余震数据较为完备时,采用主震后较短时间段内（1～2天）的余震目录就可以较准确地估算出主震区域内可能发生的最大余震震级。实际上,主震后12h（0.5天）的余震数据已完全可以给出最大余震震级的有效下限。此外,计算中我们采用了里氏震级M_L和面波震级M_S的余震目录,结果显示,2种震级类型目录的估算结果完全一致,表明利用推定最大余震震级估算实际最大余震震级的方法不受震级类型的影响。据此,该最大余震震级快速评估方法可进一步推广应用于我国大陆地区中强震后强余震灾害分析评估中。目前的拟合技术也显示出随着测震技术的不断进步以及余震识别能力的提高,快速评估方法可以在主震后短时间（<1天）内准确地预测可能发生的最大余震震级。     

利用模板匹配技术识别大岗山水库库区爆破事件

采用匹配定位方法,利用大岗山水库库区及附近（29.2°—29.9°N,101.9°—102.5°E）5次已知爆破事件对2014年3月1日至2015年12月31日内连续波形进行模板检测与定位,经过人工复核后共获取23次疑爆事件,这些事件与模板事件间有较高的相关性,相关系数达0.773 4,匹配后疑爆事件数为模板数的4.6倍,提高了对疑爆事件的识别率,同时剔除了原地震目录中人工误判的8次疑爆事件,有效地提高了地震编目质量。将匹配出来的疑爆事件及距离最近的台站记录到的NS向波形分别在Google Earth上投影,从影像图上可见扫描出的事件附近存在采石场或蓄水前修建大坝的场地,较符合爆破实际情况,重定位偏离量基本在0.5 km之内。研究认为,利用匹配定位的方法,能有效地区分不同类型的地震活动。     

汶川地震强余震与引潮力关系的初步研究

以汶川地震为例,统计分析2008年5月12日—2009年9月30日5级以上强余震与引潮力的关系,发现平行断层方向的线应变引潮力峰(谷)值时间与汶川地震及强余震发震时间的对应关系较好,且其对应程度与断层性质有关。综合分析认为,引潮力可能是地震的诱发因素之一。     

2009年云南姚安M_S6.0地震余震序列尾波Q_c值研究

利用云南大姚地震台记录到的2009年姚安6.0级地震余震序列的数字化波形观测资料,基于尾波单次散射理论,估算该次地震震源区尾波Qc值。结果表明:中心频率为1.5 Hz时,振幅衰减率β(f)在-0.141 27～-0.043 05之间,平均值为-0.074 60;Qc值在33.3～99.8之间,平均值为65.5。并得出Qc值与频率的关系:尾波波源因子与震级成正比,与频率成反比。主震发生后头几天,尾波Qc值(1.5 Hz)波动较大,之后在±1.5倍方差线内趋于稳定,且没有超过5级的强余震发生。姚安地区尾波Qc值具有构造运动活跃、地震活动频繁地区的低Qc值特征。     

主成分分析法在2013年灯塔M_S 5.1地震预测中的应用

以2013年1月23日灯塔M_S 5.1地震为研究对象,计算地震发生区域的地震频次N、b值、η值、A(b)值、M_f值、AC值、C值、D值、R_m值、能量E、响应比Y等11个地震活动性参数,并应用主成分分析方法,进行参数约简和数据挖掘,得到综合参数W,发现W在灯塔地震发生前有明显异常变化,说明主成分分析法在地震活动性参数的信息再挖掘中可以发挥巨大作用。     

唐山与通海两大地震的强余震的差别及其原因探讨

1970年通海地震序列与1976年唐山地震序列的对比表明,两次地震的余震衰减,余震强度和频度,余震分布区的形状等有区别.对此提出了一种解释：若余震分布区域的长轴长度a与短轴长度b之比a/b越大,则震源体越接近于一个面,在一个面上进行的调整过程应当比较简单,余震的衰减比较快,强余震比较少而小;反之则震源体越表现出一个体的形态,在一个体内进行的调整过程应当比较复杂,余震衰减比较慢,强余震比较多而大.对于那些在主震后能够很快进行定位并勾画出余震区域轮廓的情况,可以尝试利用a/b快速判断后面强余震的多少以及余震衰减的快慢.     

Analysis and interpretation of the aftershock sequence of the August 17, 1999, Izmit (Turkey) earthquake

A micro-seismic field experiment has been carried out in the Marmara Searegion. The analysis of the events before and after the August 17, 1999Izmit (Turkey) earthquake has been completed. 1446 events have beenwell located out of a total of 3165 recorded within the period from July15 to November 2, 1999. 67% of the aftershocks with magnitudegreater than 4 have occurred within the first 6 days after the main-shock. Earthquakes of the Izmit sequence are distributed in the first 15 km of theearth crust, but major events are located in between 5 km and 15 kmdepth. The seismicity pattern defines a rupture plane extending for about150 km in an E-W direction. The rupture is extremely linear butsegmented, and its complexity increases towards the western endmanifesting bifurcation. A stress analysis has been carried out both at thewestern end and all along the aftershock zone. 96 selected aftershocks,registered between August 21 and October 22, were chosen in order tocompute their focal mechanisms and obtain information about the stressregime after the Izmit earthquake. Strike-slip and normal faultingmechanisms are dominant. The numerous strike-slip mechanisms arecompatible with a dextral motion on an EW oriented vertical fault plane. The best stress tensor solution shows a regime in extension with awell-defined ₃ axis oriented approximately N35^°.     

Analyzing spatial ecological data using linear regression and wavelet analysis

Spatial (two-dimensional) distributions in ecology are often influenced by spatial autocorrelation. In standard regression models, however, observations are assumed to be statistically independent. In this paper we present an alternative to other methods that allow for autocorrelation. We show that the theory of wavelets provides an efficient method to remove autocorrelations in regression models using data sampled on a regular grid. Wavelets are particularly suitable for data analysis without any prior knowledge of the underlying correlation structure. We illustrate our new method, called wavelet-revised model, by applying it to multiple regression for both normal linear models and logistic regression. Results are presented for computationally simulated data and real ecological data (distribution of species richness and distribution of the plant species Dianthus carthusianorum throughout Germany). These results are compared to those of generalized linear models and models based on generalized estimating equations. We recommend wavelet-revised models, in particular, as a method for logistic regression using large datasets.