中、低纬太平洋ARGO测站Rossby内波垂直模态的数值计算

针对中、低纬太平洋ARGO测站的4个实际层结个例,计算了无背景流下准地转海洋Rossby内波的垂直模态。结果表明,海水层结垂直方向的不均匀和跃层的存在,使该垂直模态的波型发生了歪曲变形,致使其偏离了余弦波：跃层越强,这种变形也越大：层结最强的层次对应着最大的波动振幅,多极值的层结对应着多个极大振幅：该内波垂直结构函数的零点随模态序数依次递增,且其零点在海水层结较强的层次要比较弱的层次密集。     

GNSS坐标时序空间域共模误差去除研究

针对区域GNSS坐标时序存在共模误差(common mode error, CME)的问题,以华北地区GNSS坐标时序为例,提出可用于消除空间域误差的主成分分析法PCA与完全集合经验模态分解法ICEEMDAN。首先使用PCA滤波提取CME;然后使用ICEEMDAN方法分解CME,提取出有用的IMF分量,减少原始信息的损失;最后对比分析PCA、ICA、IC-PCA三种方法的区域滤波效果。结果表明,IC-PCA的滤波效果优于ICA和PCA,IC-PCA滤波前后N、E、U三个方向上的残差RMS平均降低1.93%、1.92%和7.60%,且滤波结果与原始时间序列变化趋势更加吻合,可有效减少PCA对原始时间序列造成的损失。     

联合VMD和Bi-LSTM的GNSS坐标时序降噪

针对GNSS坐标时间序列中的噪声难以有效去除等问题,构建了一种联合变分模态分解和双向长短期记忆模型的方法用以去除GNSS坐标时间序列中的噪声。将GNSS坐标时间序列分解为k个本征模态函数分量,并根据样本熵选择出有效的模态分量,分别通过双向长短期记忆网络处理,最后将信号进行合成。以BJFS等12个具有较长时间序列且数据完整性较好的GNSS站点坐标数据为例,对坐标时间序列进行降噪。将该方法与传统的分解方法进行对比分析,发现在E、N、U方向上,相比于单一变分模态分解,速度不确定度改正率分别提高了11.03%、4.60%、7.39%,相比于经验模态分解分别提高了31.70%、27.70%、24.42%。结果表明该方法能够更好地去除信号中的噪声,且优于传统分解方法,可提高信号可靠性。     

川西地区瑞雷波方位各向异性

本文使用川西密集地震台阵记录的面波资料,利用程函方程面波成像方法获得了周期为14—60 s的瑞雷波相速度及方位各向异性分布。结果显示:川滇菱形地块的川西北地块内部的低速异常明显,其下地壳各向异性快波方向以NS向为主,松潘—甘孜地块内部的低速异常稍弱,下地壳各向异性快波方向以NW?SESE向为主,表明川西北地块可能存在下地壳通道流,松潘—甘孜地块内部存在的通道流相对较弱;龙门山断裂带和丽江—小金河断裂两侧的速度结构和方位各向异性均有明显差异,可推测青藏高原内部的地壳流在东部和南部分别受高速、高强度的四川盆地和滇中地块阻挡,沿高原边界带发生了侧向流动;周期大于25 s的面波方位各向异性方向为NW?SE;与SKS分裂优势方向相近,说明四川盆地的剪切波各向异性可能主要源于上地幔;而龙门山断裂带附近壳幔各向异性较为复杂,面波方位各向异性与SKS分裂的NW?SE向弱各向异性存在差异,表明该处的剪切波各向异性可能来自地幔更深处,有待进一步研究。      

基于压缩感知的小波阈值和CEEMD联合去噪方法

中深层地质条件复杂,地震资料品质差,主要表现为:地震资料信噪比低、有效信号弱.如何在去噪的同时有效保留弱有效信号,获取高信噪比的地震数据成为地震数据处理的关键问题.传统小波阈值与互补集合经验模态分解(CEEMD)联合去噪方法相比单一方法可以获取更高品质的地震数据.基于压缩感知理论的去噪方法利用地震数据在变换域中的稀疏特性,通过设定稀疏基矩阵和测量矩阵,可以将地震数据去噪问题转化成求解最优化问题,通过最优解重构原始信号,实现对地震资料的去噪处理.该方法能够在有效衰减随机噪声的同时最大限度的保留有效信号.本文基于压缩感知理论开展小波阈值去噪方法研究,并在此基础上结合CEEMD方法对含噪较多的固有模态分量进行有针对性的随机噪声压制.通过对含噪数据开展不同方法的去噪结果对比可见,本文方法可以在保证高信噪比的基础上更为有效的保留弱有效信号,数值试算验证了该方法对弱有效信号地震数据去噪具有显著优势.     

保国寺大雄宝殿抗震性能分析及加固对策探讨

通过对保国寺大殿结构振动特性现场测试,得到大殿时程分析和频谱分析,结合建筑结构、材料以及使用现状,建立有限元分析模型,并用模态分析验证该建模的真实性。结合宁波地区场地条件,通过该有限元模型在不同烈度地震作用下的反应,评定地震破坏程度。根据现场调查及模型分析结果给出保国寺大殿维护与加固建议。     

利用经验模态分解的侧扫声纳噪声抑制方法

针对海道测量中侧扫声纳声强数据中的噪声问题,分析侧扫声纳海底杂波的统计模型,提出基于ping数据的经验模态分解抑制噪声方法。结果表明,从ping声强数据中减掉周期小于4的模态后,声强数据可较好地服从Gamma分布,并保持声图中的细节信息。     

EMD在GNSS时间序列周期项处理中的应用

全球导航卫星系统（global navigation satellite system,GNSS）位置时间序列蕴含有丰富的构造和非构造变形信息,具有成分复杂、建模困难、非构造信息难以有效分离等特点,利用自适应的经验模态分解（empirical mode decomposition,EMD）方法对川滇地区24个GNSS连续站时间序列作周期项修正。结果表明,周期项的修正十分必要,EMD方法能够根据每个台站信号的自身特性,自适应地提取不同频率、振幅的周期成分,这也更符合实际情况;相较于谐波模型,EMD方法对原始时间序列在N、E、U方向的改正均更加精确有效。使用修正后的连续站时间序列模拟流动观测,发现经过5～6 a/期观测即可得到相对可靠的台站运动速度,并通过距离较近的实际连续观测站对流动观测站周期项改正,验证了EMD方法的稳定性和可靠性,这也为流动GNSS观测实施、周期修正和资料使用提供了参考意见和理论依据。     

基于最优分解模态和GRU模型的库岸滑坡位移预测研究

在滑坡位移综合预测研究中,常因滑坡随机位移分量无法准确提取、最优训练数据集及时效性无法确定等,造成多源监测数据利用不充分、位移预测结果不稳定。鉴于此,引入变分模态分解,在滑坡位移时序分析的基础上,结合门控循环单元递归神经网络,提出一种新型滑坡位移综合预测模型。以三峡库区白水河滑坡为例,选取2003-07—2012-12的位移监测数据和同时期库水位及降雨数据进行分析研究,综合模型预测结果的均方根误差为9.715 mm,判定系数为0.967。对比实验分析表明,该模型在保证高预测精度的同时,在有效预测时长和时效性上同样优势明显,在库岸滑坡位移预测研究中具有很强的应用和推广价值。