地质雷达方法在上海市轨道交通明珠线工程中的应用

地质雷达方法在上海市轨道交通明珠线工程中的应用表明,此方法在探测地下障碍物中能依靠雷达图象识别其类型、材质、深度等,有利于快速、准确定位,有一定的优越性。     

积雪在El Niño影响东亚夏季气候异常中的作用

本文利用1948-2010年Global Land Data Assimilation System（GLDAS）NOAH陆面模式资料、GPCC月平均降水资料和NCAR/NCEP全球月平均再分析资料,采用滤波、距平合成和线性相关等方法,分析了El Niño成熟位相冬季欧亚大陆积雪异常的分布特征,研究了关键区积雪融化对后期春、夏季土壤湿度、土壤温度以及大气环流与降水的影响,揭示了El Niño事件通过关键区积雪储存其强迫信号并影响东亚夏季气候异常的机制和过程.主要结论如下：El Niño成熟阶段冬季伊朗高原、巴尔喀什湖东北部和青藏高原南麓区域是雪深异常的三个关键区,这些区域的雪深、雪融和土壤湿度有明显的正相关;这三个关键区雪深异常通过春季融雪将冬季El Niño信号传递给春、夏季局地土壤湿度,通过减少感热通量和增加潜热通量对大气环流产生影响;春末夏初伊朗高原土壤湿度异常对东亚夏季气候异常的影响最大,其引起的降水异常与El Niño次年夏季降水异常分布基本一致,春夏季青藏高原南麓和巴尔喀什湖附近土壤湿度也都明显增加,均会对中国华北降水增加有显著正贡献.总之,在利用El Niño事件研究和预测东亚夏季气候异常时,还应考虑关键区雪深异常对El Niño信号的存储和调制作用.     

井地电磁法勘探深度研究

结合国家深部资源勘探的迫切需求,应用电磁场理论,从麦克斯韦方程出发推导出井地电磁场公式.通过两层大地模型与均匀半空间井地电磁场响应比较,研究了井地电磁法勘探深度,并给出了不同发射电流、发射频率、线源长度及两层大地电导率差异对勘探深度的影响,为井地电磁探测的野外勘探参数的选择奠定了理论基础.计算结果表明,加大发射电流、线源长度、两层大地电导率差异和降低发射频率可以增大接收信号的强度,提高有效勘探深度,从而,有利于进行深部资源勘探.     

辽阳灯塔M_S5.1地震震源深度分析

对不同震中距台站的记录采用入射角法、s PL-Pg等震相到时差,对辽宁地震台网记录采用单纯形法研究了辽阳灯塔5.1级地震的震源深度。结果表明,该地震震源深度应为14km,略大于目录给出的10km。利用四川松潘台、青海湟源台的远台记录也得到同样的结果。通过对辽宁1970年以来5.0级以上地震进行分析发现,辽宁地震的震源分布存在东西两侧偏深、中部偏浅、中部地区南浅北深的统计规律,灯塔地震震源深度符合该统计规律。     

2015年内蒙古阿拉善左旗5.8级地震序列震源深度对比分析

选取2015年阿拉善左旗5.8级地震发生后,中国地震科学台阵探测-南北地震带北段项目、中国地震局地球物理研究所中国地震科学探测台阵数据中心及内蒙古测震台网记录到此次地震序列的78次地震波形资料,采用单纯型法、Hyposat法、双差定位方法、确定性方法（PTD方法）、CAP地震矩张量反演法重新测定深度,并将所获深度值进行对比分析,结果发现,确定性方法（PTD方法）和双差定位方法较符合震源区构造特征的深度测定,单纯型法、Hyposat法效果不佳,CAP法适用于较大地震;地震序列平均震源深度为（15.54±8）km。     

沈阳台利用sPn震相确定近震深度的对比分析

通过沈阳台记录到20个壳内近震和26个营海岫地区近震,利用s Pn与Pn震相的到时差重新计算这46个近震的震源深度,并和国家台网中心结果及辽宁台网中心结果进行比对,表明沈阳台记录到的s Pn震相可用于计算震源深度,计算得出的深度与国家台网中心及辽宁台网中心所测定深度基本相近,误差较小。     

2017年9月4日河北临城M_L4.4地震震源深度测定

震源深度是地震定位中的重要参数之一。对于一个地震,sPn与Pn震相到时差是一个常量,与震中距无关,只与震源深度和地壳模型有关。基于该理论,以河北数字台网数据为基础,识别sPn震相和Pn震相,计算2017年9月4日河北临城ML4.4地震震源深度,结果为6.86km。双差定位法是目前确定震源深度比较精确的方法,双差定位得到的震源深度为7.01km。双差定位法所用数据量比较大,计算过程繁杂。利用sPn与Pn到时差计算震源深度的结果与双差定位法结果接近,计算快速、简单,所需数据量小。因此,将该方法应用到实际工作中,可以快速、准确地测定近震震源深度。     

基于深度学习的2D-3D地下密度异常体反演方法

地下密度异常体反演需要由二维数据反演三维结果,为了高效、高精度地反演地下异常体的位置及密度信息,本文提出2D-3D InvNet深度学习反演方法.方法的编-解码器结构,在编码阶段利用二维卷积网络结构提取地表重力异常及重力梯度异常数据信息,解码阶段利用三维卷积网络结构恢复异常体地下形态,实现了二维和三维网络结构的结合.为了精确地反演异常体密度,提出利用加权均方误差（WtdMSE）作为损失函数,同时为了更好地评估反演结果,引入核密度函数作为评价手段.与均方误差（MSE）相比,利用WtdMSE作为损失函数对异常体密度的反演结果更为准确,异常体所在区域的密度误差减少50%以上.对理论样本的反演结果表明,2D-3D InvNet在准确反演异常体地下位置的同时,也能给出准确的密度信息.应用此方法对西澳大利亚Kauring地区实测数据进行反演,我们成功获得了此区域地下异常体的密度分布.理论与实际应用结果表明,2D-3D InvNet深度学习方法稳定且具有较强的泛化性能,能在无需规定限制条件的情况下快速获得准确的反演结果.

     

基于深度学习的地震速度谱自动拾取研究

在常规的地震数据处理工作流程中,人工拾取地震速度谱中的叠加速度存在耗时长、效率低的问题,且容易受到人为经验的影响.本文基于目标检测的方法,应用改进后的FCOS（Fully Convolutional One-Stage Object Detection）神经网络模型实现速度谱中叠加速度的自动拾取.该方法将速度谱图像作为输入,经模型训练后输出"时间-速度"对序列.在处理低信噪比工区数据时,针对速度谱能量团聚焦特征较差的特点加入基于深度神经网络（Deep Neural Network,DNN）的线性回归模型以拟合出全局速度曲线.Marmousi模型数据和实际工区数据测试结果表明,本文所设计的地震速度谱自动拾取模型准确性较高、鲁棒性强,有效地缓解了人工拾取的负担,在保证速度拾取精度的同时显著地提高了效率.