Pd-τc相容性检验方法在触发事件判别分析中的应用

结合福建地区地震预警系统的运行情况和处理能力, 利用日本KiK-net台网和福建地震台网记录的天然地震事件和人工爆破事件实测数据, 探讨了P_d-τ_c相容性检验方法在触发事件类型实时判别中应用的可行性． 结果表明, P_d-τ_c相容性检验方法能够较好地区分大震级地方震与误触发事件, 也能对远震事件进行粗略判别, 但对于小震级地方震和人工爆破事件则无法有效判别． 随后, 以P_d-τ_c相容性检验结果为基础, 本文设定强度参数P_d=10-3 cm为界线, 即可从众多触发事件中甄选出可能产生破坏的大震级地方震事件． 本文方法有助于提高触发事件类型判别结果的可靠性、 预警系统的处理效率和系统产出信息的准确度．      

近场P波频谱分布及震级确定方法

通过研究国内12个4~7级地震的近场P波前3秒加速度波形记录的频谱分布, 我们发现, 对于较大的地震, 近场通常接收到的低频信息比较稳定, 尤其是1 Hz以下的信号。 通过对3秒初至P波震相加速度记录的低频窄带滤波及对传统震级公式的改造, 我们得到了4个低频段的震级计算公式M₁, M₂, M₃, M₄及预警震级计算结果M_n。 将其应用到日本13个4~7级的地震中, 并对比目前主流Pd震级计算方法, 我们的结果离散度与可靠性更好。 因此, 可认为我们得到的震级公式是较可靠的一种估算近场震级的方法, 并且可以应用到地震预警中。     

基于支持向量机的2021年2月13日日本福岛近海Mj7.3级地震震级估算

2021年2月13日日本福岛县近海发生M_j7.3级地震,触发了日本气象厅地震预警系统,系统在首台触发后5.6s发出震级为M_j6.3级的预警第1报,首台触发后10s对公众发布警报、预警震级为M_j6.4级。基于多类型特征参数输入的机器学习支持向量机震级估算模型（SVM-M）,利用2021年2月13日日本福岛县近海M_j7.3级地震获取的日本K-net强震动观测数据,分析SVM-M模型在该次地震中首台触发初期（首台触发后1~10s）的震级估算效能。结果表明:SVM-M震级估算模型,在首台触发后1s即可给出M_j6.3级的震级估算结果,与日本气象厅在首台触发后5.6s发布的预警第1报震级相同;随着时间窗的增加,首台触发后5s和10s,SVM-M模型的震级估算结果分别是M_j6.7级和M_j6.6级,均大于日本气象厅首台触发后10s对公众发布警报的预警震级。该次地震的离线模拟结果表明:SVM-M模型可在地震发生初期有效提高地震预警震级确定的准确性和时效性。     

基于深层卷积神经网络的震级快速估算方法

当前地震预警中的震级估算方法是通过初至几秒地震波的特征参数与震级的经验关系来实现的, 这些特征参数依赖于人的经验和主观判断, 没有充分利用初至地震波中与震级相关的信息, 制约了震级估算效果.对此, 本文利用深层卷积神经网络(Deep Convolutional Neural Networks, CNN)直接从初至地震波中自动提取特征, 实现端到端的震级快速估算.CNN方法以单台站的初至竖向地震波作为主输入, 震中距、震源深度以及V_s30作为辅助输入, 震级作为输出.利用日本和智利的大量地表强震记录对CNN方法进行训练(98257条记录)、验证(31429条记录)和测试(40638条记录), 利用美国和新西兰的强震记录进行泛化性能测试(583条记录), 并与应用最为广泛的峰值位移Pd方法进行对比.结果表明, 当初至地震波时长为3s时, 在4~6.4级范围内, CNN方法估算震级的准确率是Pd方法的1.5倍, 在6.5~9级范围, CNN方法估算震级的准确率是Pd方法的1.2倍; 当初至地震波从3s增加到10s时, CNN方法能够随着地震波时长的增加不断提高估算震级的准确率, 并且始终高于Pd方法, 特别是对于4~6.4级地震, CNN方法在初至3s地震波时估算震级的准确率是Pd方法在初至10s地震波时的1.2倍; 随着地震波时长的增加, CNN方法对于震级饱和问题的改善效果优于Pd方法; CNN方法具有较好的泛化能力, 在训练数据集之外的区域, 比Pd方法估算震级更准确.相比于人为定义的特征参数, CNN方法从初至地震波中自动学习到了与震级更为相关的特征, 这些特征极大地改善了震级估算的准确性和时效性, 可以为地震预警系统提供更快速更准确的震级估算.

     

2021年5月21日云南漾濞地震及5月22日青海玛多地震的支持向量机震级估算

2021年5月21日及5月22日,云南漾濞县与青海玛多县分别发生破坏性地震,主震震级分别为M_s6.4级与M_s7.4级。本文基于机器学习中的支持向量机方法,以多类型特征参数为输入建立地震预警震级估算模型SVM-M,离线模拟云南漾濞M_s5.6级前震、M_s6.4级主震以及青海玛多M_s7.4级主震的连续震级估算。结果表明:对于云南漾濞M_s5.6级前震,支持向量机方法在首台触发后1s可估算震级为5.6级,且随着首台触发时间的增加,估算震级一直在实际震级附近波动;对于云南漾濞M_s6.4级主震和青海玛多M_s7.4级主震,随着首台触发时间的增加,支持向量机方法对于大震低估问题得到了有效的改善,且震级估算结果逐渐接近实际震级。同时,这3次地震的震级估算离线模拟表明:引入震源距的支持向量机方法（SVM-M1模型）对于震级估算有更好的稳定性,且在地震预警系统的震级估算中有着潜在的应用前景。     

地震阈值监测技术中的震级校正

地震阈值监测技术能够实现对台网监测能力的实时评估,该方法利用短时平均值(STA)代替A/T来计算震级.为了使STA计算的震级跟传统震级计算结果一致,需要对利用STA计算的震级进行校正.本文通过分析台站检测到的历史事件,选择最优的滤波频带计算log(A/T)与log(STA)之差,得到利用STA计算震级的校正系数.利用新疆地震台网部分台站的数据,分析了阈值监测技术计算的台网监测能力,结果跟实际值基本一致.     

利用P波参数阈值实时估算地震预警潜在破坏区范围

由于传统的潜在破坏区范围估算方法只能在已获取到震中位置和地震事件结束后才能产出,且往往需要数分钟的耗时,其实时性已无法满足地震预警要求。因此,为了快速产出潜在破坏区范围估算结果并将其用于预警,本文采用了一种结合现地预警技术和区域预警技术、基于预警参数（位移幅值P_d和特征周期τ_c）阈值的实时潜在破坏区范围估算方法。首先利用国内地震事件（4.0≤M_S≤8.0）的记录数据和日本强震动观测事件（6.5≤M_J≤8.0）的数据拟合出特定的适应于我国的参数关系式,包括τ_c与震级M的相关性、P_d与峰值速度PGV的相关性以及P_d与τ_c和震源距R的相关性;其次,根据最小震级（M_S6.0）和仪器烈度（Ⅶ度）定义相应的参数阈值（P_d＝0.1 cm和τ_c＝1.1 s）;最后,利用已有的3次破坏性地震事件数据开展线下模拟,对该方法的适应性和时效性进行了验证。结果表明,对于2013年M_S7.0四川芦山和2014年M_S6.5云南鲁甸两次中强地震,震后约10 s即可获取到比较稳定的潜在破坏区范围估计结果;而对于2008年M_S8.0汶川特大地震,在其记录台站分布密度不高的情况下,震后40 s左右的估算结果始呈稳定状态。      

地震预警中两种利用卓越周期估算震级方法的比较

利用地震P波初始信息快速估算震级是地震预警系统中的重要部分之一,文中详细介绍了地震预警研究中常用的两种卓越周期估算震级方法:τpmax方法和τc方法。为了评估这两种方法哪一种震级估算精度更高,文中通过设置不同的估算震级时间窗以及不同的滤波频带,利用震级范围4.1～7.9的22次地震的强震观测记录对这两种方法进行了比较分析。比较的结果表明:本文计算得到的τpmax值和τc值与震级之间均存在线性比例关系,与前人的研究结果一致;在相同的0.075～3 Hz带通滤波条件下,利用P波触发后3 s地震记录计算的τc值可获得最优的震级估计结果,τc与震级的相关系数为0.78,标准差为0.16。仅经过0.075 Hz高通滤波得到的τpmax值与震级的线性相关度比0.075～3Hz带通滤波得到的τpmax值与震级的线性相关度低,而是否经过低通滤波对τc值与震级的线性比例关系没有影响。建议在地震预警系统中优先采用3 sτc方法作为震级估算方法。     

基于深度卷积神经网络的2021年5月21-22日云南漾濞地震和青海玛多地震震级估算

以探索深度卷积神经网络震级估算模型对2021年5月21日云南漾濞和5月22日青海玛多地震预警震级估算的可行性为目标,本文使用P波到达后不同时间窗下的特征参数作为深度卷积神经网络输入进行训练和验证,构建了1~40 s内不同时间窗下的深度卷积神经网络单台震级估算模型,并采用多台加权平均方法对玛多地震主震以及漾濞地震主震、前震和余震共11次地震事件进行实时震级估算.结果表明：在P波到达后1~40 s的不同时间窗下,随着时间窗的增加,深度卷积神经网络单台震级估算模型对训练集和验证集的震级估算误差和标准差逐渐减小,且逐渐趋于稳定;对于云南漾濞M_S6.4主震与青海玛多M_S7.4主震,大部分单台震级估算误差主要分布在±0.5震级单位内;通过多台加权平均方法计算预测震级,漾濞主震与玛多主震在首台触发后2 s时,震级估算结果分别是M6.0和M7.0;同时,随着首台触发后时间的增加,漾濞与玛多主震的震级估算逐渐接近实际震级,且在首台触发后9 s时,漾濞主震和玛多主震的震级估算分别是M6.2和M7.3;在首台触发后1 s时,对于玛多与漾濞地震的前震和余震,多台加权平均震级估算结果也主要分布在±0.5震级单位误差范围内.该方法为中国地震预警系统的震级估算方案提供了潜在可能.

     

基于2014年云南地区地震的地震预警参数与快速震级估算研究

根据2014年云南地区M6.1盈江地震、M6.5鲁甸地震和M6.6景谷地震的主震、余震P波初期部分的信息,研究了地震震级快速估算中3个预警参数（最大卓越周期τ_p^max、特征周期τ_c和最大位移幅值P_d）与震级的相关性,提出了云南地区的震级估计模型,并对其进行分析,再和其它地区的震级估计模型进行对比和评价。结果表明:3种方法均能在短时间内（2~4 s）有效地进行震级估算,P_d方法估算效果最优,τ_c方法次优,τ_p^max方法较弱。在震级较大的主震震级估计中,3种方法均没有出现明显的震级低估（震级饱和）现象。对于τ_p^max方法,云南地区的估计模型与南加州地区较为接近,但与四川地区区别较大,可能与该方法的计算稳定性有关;而τ_c方法的估计模型则与四川及世界其它地区均较为接近,更具有普适性和稳定性。在地震预警系统的实际应用中,由于云南地区尚未建立密集的地震监测台网系统,因此在短时间内难以得到较为准确的震中距。与震源距相独立的τpmax和τc两种算法则显得较为实用,其中:τ_c方法略优于τ_p^max方法,同时能较好地满足地震预警系统的精度要求,因此推荐使用τc方法应用于云南地区地震预警系统中的快速震级估算。     

地震预警信息可靠度研究

提出了一种地震预警信息可靠度检验方法. 针对地震预警系统对信息的高度时效性及准确性要求, 并结合其应用特点, 从地震动记录信噪比、 特征参数相容性、 特征参数协调性及地震预警定位结果可靠性等4个方面对地震预警信息的综合可靠度进行探讨, 并分别提出了相应的可靠度定量计算方法. 利用日本KiK-net台网记录的444个地震事件共4737条三分向加速度记录对上述4个指标参数及综合可靠度指标参数的验证结果表明, 采用本方法有助于提高地震预警信息发布的准确性和可靠性, 减少“漏报”及“误报”事件的发生.     

运用古地震数据分析布朗过程时间模型中强震复发间隔变异系数

在我国大陆广泛搜集到的45个地震序列的基础上,首先利用最大似然估计法计算出不同样本量地震序列的变异系数值,然后与其对应的断层源参数作相关性分析,并对具有不同样本量地震序列中的变异系数值进行标准化处理,进而计算得到一个通用的变异系数值（α_c=0.37）。相关分析结果显示变异系数值与断层的长度和滑移速率呈负相关,在此基础上本文对通用变异系数值（α_c=0.37）的应用进行了分析,通过对α_c进行一倍标准差运算得到3个变异系数值（0.21,0.37,0.53）,分别适用于特征性具有明显差异的活动断层.      

基于汶川主震及余震的预警参数与震级相关性研究

地震预警作为一种能够有效减轻地震灾害的手段已经被世界上越来越多的国家和地区所研究,并在实际应用中取得了显著的减灾实效.利用汶川主震及其余震P波和S波初期部分的信息,研究了最终地震震级与4个预警参数的相关性.考察的4个参数是位移幅值(Pd)、速度平方积分(IV2)、P波卓越周期和特征周期(τp和τc).使用的数据集时间跨度从2008年5月12日至2008年10月4日,共计218次震级大于等于4级的地震事件,包括主震8.0、最大余震6.5和7次大于等于6.0级的事件.Pd、IV2和τc在震级小于等于6.5级时与最终震级具有较好的相关性,没有出现震级饱和现象,验证了前人的统计结果.但是在估算主震震级时,都存在不同程度的低估现象,IV2参数尤其明显.另外,Pd和IV2统计曲线在M6级附近存在着一个斜率变化,并且Pd结果与前人统计结果相差较大.τp的统计结果表明该参数不适合应用到汶川地区的地震预警系统中.     

The operation and performance of Earthquake Early Warnings by the Japan Meteorological Agency

The Japan Meteorological Agency commenced an Earthquake Early Warning (EEW) provision service in August 2006 to advanced users and in October 2007 to the Japanese public. By the end of 2009, EEWs had been issued to advanced users for more than 2100 earthquakes and to the public for 11 earthquakes. Nearly 80% of seismic intensity predictions were accurate within ±1 intensity unit on JMA’s Seismic Intensity Scale. The Iwate-Miyagi Nairiku Earthquake in 2008 demonstrated the efficiency of EEWs in many places. However, there were other cases where the warnings were not issued in time for strong tremors. Further technical development is needed for both earthquake source parameter estimation and seismic intensity prediction. Public education in regard to the technical limitations and accuracy of EEWs as well as actions to take in response to such warnings are also indispensable.     

日本熊本地区高频衰减参数κ与Vs30统计研究

地震工程学中高频衰减参数κ是一个重要的参数。距离为0 km处的参数κ₀在地震动模拟中最常用,其主要控制傅里叶谱在高频部分的衰减特征。计算了日本熊本地区矩震级M_w为5.0~7.1级且震中距小于250 km的81个台站水平方向的κ和V_s30（距离地表30 m深度的平均剪切波速）。在不同矩震级和不同场地距离下,用线性拟合和二次拟合统计了κ与V_s30的关系,并与全球平均水平进行了比较。结果表明:κ与V_s30呈很强的负相关性,相关性随矩震级的增大而增大,且熊本地区的κ要高于全球平均水平。矩震级较小时,二次拟合的效果好于线性拟合,建议用二次拟合的经验关系式进行κ或V_s30的估计。近场情况下,κ总体要小于远场,线性拟合与二次拟合的效果差异不大。对C类场地,拟合的κ与全球平均水平较接近。对B类场地,拟合的κ高于全球平均水平。远场情况下,二次拟合的效果好于线性拟合,但对B类和C类场地,κ均小于全球平均水平。本文的研究结果既能在随机模拟方法中结合场地的地壳放大使用来达到提高模拟精度的目的,又能为只有钻孔信息的地区提供κ的估计。