河北磁县北西西向南山村－岔口活动断裂带活动特征与1830年磁县地震

河北磁县西部北西西向南山村－岔口活动断裂为北西西向磁县活动断裂西段，全长３５ｋｍ，又可再分为东西两段。全新世时期该断裂有多次活动，活动方式以具左旋性质的正倾滑为主。１８３０年磁县７．５级地震时，南山村－岔口断裂带出现新的地表破裂，地表垂直位移多处为２～４ｍ，最大约７ｍ。据目前资料，该断裂带最新两次地震事件的时间间隔约为３５００ａ。最近获取的位于磁县最高峰老爷山庙宇碑文资料，补充说明了邻近岔口活动断裂带的古建筑物在１８３０年地震中的严重破坏     

中国及邻区现代地块运动的数值模拟

本文利用板块几何学的方法研究中国及邻区地块间的相对运动,用数值方法计算了地块运动的角速度及边界断层的滑动速率。计算结果与活断层数据相当吻合,本文还利用地块运动速度讨论了我国现代构造活动     

地震危险区划分的活动构造依据

分析了地震预报方法与活动构造结合的现状，活动构造与地震危险区预测的内在联系。指出现今预报方法存在的问题以及与活动构造结合的必要。同时还研究了以地震构造带为代表的活动构造条件，对中国大陆地震密集带进行进行了统计分析。     

地质雷达在三峡工程施工阶段应用研究

长江三峡工程施工阶段面临众多复杂的工程地质问题和施工技术难题。寻找一种快捷、高分辨无损探测手段查明施工中出现的隐蔽的地质缺陷或质量问题,无疑对施工进度和施工质量起到保证作用,采用地质雷达手段,探明了开挖过程中花岗岩体不均匀风化分布范围：圈定出较大断层及风化夹层的延伸范围和产状;并进行了专用高速公路质量检查等,文章结合三个实例介绍应用情况。经现场验证,探测结果与实际情况吻合,应用效果显著。     

富蕴地震断裂带的若干定量特征

对富蕴地震断裂带９处不同地段的平板地质测量结果表明：北部引张段地震断裂 带宽约２２０ｍ,断坎平均高０．４ｍ;中部主体走滑段地震断层长达５３５ｍ以上,断层水平位移为１．８￣７．８ｍ断坎高０．４￣１．２ｍ,水平位移与垂直位移之比为５．７￣８．６;南部末端破裂段地震抛掷巨石距离达４０ｍ,地震断层水平位移为０．４￣９．９ｍ,断坎平均高０．２ｍ,末端及副断层水平位移与垂直位移之比高达２５￣２８。     

唐山活动断层的浅层地震精细探测

利用高分辨率浅层地震方法对唐山断层进行精细探测，得到了300m以上尤其是近地表结构的清晰图像，证明NW倾向的唐山断层在活动时，南段是一个高角度的正断层，向上错断了全新统(Q4)；北段则表现出逆断层的性质。     

新疆策勒西南古地震形变带研究

昆仑山中段策勒西南冲洪积扇的古地震变形带总体走向北东，长约40km，最宽有6km。该形变带由50多条长短不一的正反断层陡坎组成，陡坎有13km，最高有20m，为多次古地震造成的结果。古地震最高震级估计在7级以上。     

强地震动估计和地震危险性评定

本文介绍了近几年获取的强震记录中显示出的地震动特征，诸如近断裂的破裂方向性效应、上盘效应、影响地震波传播的地壳波导效应、沉积盆地的放大效应和盆地边缘效应；归纳了强地震动估计的三种方法，简要综述了经验性衰减模型、预测强地震动的随机法和宽频带格林函数法；讨论了估计活断层引起的地震动所应把握的要点。     

六盘山断裂带的地震构造特征与强震危险背景

集成活动构造与震源机制解、重新定位小震分布、历史与现今地震、GPS速度场等资料,综合分析了六盘山断裂带的构造动力学条件与变形方式、横剖面构造、历史强震破裂背景、GPS形变以及现代地震活动性,进而探讨了该断裂带的强震危险背景.结果表明：NNW向六盘山断裂带的运动与变形主要缘于青藏地块东北缘的向东水平挤出受到相对稳定的华北地块西缘（鄂尔多斯地块）阻挡而聚集的水平挤压作用;此外,海原和陇县-宝鸡两条NW向走滑断裂带的左旋运动在右阶区的局部会聚作用,也由六盘山断裂带的变形与运动来承受与转换.横剖面上,六盘山断裂带表现为向东推覆的大型逆冲构造带,主滑脱带位于~25 km深处,之下很可能存在分隔青藏与华北地块的超壳-岩石圈型深断裂带.沿六盘山断裂带中-南段以及更靠南东的陇县-宝鸡断裂带存在总长为120~140 km、至少最近~1400年未发生M ≥ 6½强震破裂的地震空区.地震空区内的断裂,GPS形变显示已有显著应变积累,地震活动上出现为小震稀疏或空缺的部位,以及低b值区,反映那里的断面业已闭锁,并已有高应力积累.因此,六盘山断裂带中-南段和陇县-宝鸡断裂带应是未来可能发生强震/大地震的两个危险地段,潜在地震的最大矩震级估值分别为M_W=7.3±和7.2±.

     

Active Source Seismic Identification and Automatic Picking of the P-wave First Arrival Using a Convolutional Neural Network

In seismic data processing, picking of the P-wave first arrivals takes up plenty of time and labor, and its accuracy plays a key role in imaging seismic structures. Based on the convolution neural network (CNN), we propose a new method to pick up the P-wave first arrivals automatically. Emitted from MINI28 vibroseis in the Jingdezhen seismic experiment, the vertical component of seismic waveforms recorded by EPS 32-bit portable seismometers are used for manually picking up the first arrivals (a total of 7242). Based on these arrivals, we establish the training and testing sets, including 25,290 event samples and 710,616 noise samples (length of each sample:2s). After 3,000 steps of training, we obtain a convergent CNN model, which can automatically classify seismic events and noise samples with high accuracy (> 99%). With the trained CNN model, we scan continuous seismic records and take the maximum output (probability of a seismic event) as the P-wave first arrival time. Compared with STA/LTA (short time average/long time average), our method shows higher precision and stronger anti-noise ability, especially with the low SNR seismic data. This CNN method is of great significance for promoting the intellectualization of seismic data processing, improving the resolution of seismic imaging, and promoting the joint inversion of active and passive sources.