2017年漾濞MS4.8和MS5.1地震序列的微震检测及重定位

基于云南地震台网记录到的2017年漾濞M_S4.8和M_S5.1地震序列的地震目录和波形数据,采用结合波形互相关的双差定位方法得到了M_S5.1主震前7天至主震后30天共258次地震事件更加准确的震源位置,然后利用匹配定位方法获得了更加丰富的地震目录,并对其余震活动的时空演化特征进行了初步分析。双差重定位获得了漾濞地震序列中193次地震的精确位置,水平方向和垂直方向的定位误差均值分别为1.3 km和1.9 km,重定位及震源机制解反演结果显示维西—乔后断裂中南段应为此次地震的发震断层。使用匹配定位方法检测得到了1 625次中小地震事件,事件数量是云南地震台网目录中的6倍,被检测事件主要为主震后早期余震及M_L≤0微震事件。对比2016年云龙M_S5.0地震序列的研究结果后初步分析认为,“震群（多震）型”和“主余型”地震序列的一个主要区别可能是“震群（多震）型”地震序列的余震数量相对更少、余震活动衰减得更快。      

基于矩阵模型进行抗荧光干扰的蓝藻原位检测方法

藻蓝蛋白与叶绿素a作为特征色素常用于表征蓝藻的生物量.藻蓝蛋白与叶绿素a通常用荧光光谱或原位荧光强度检测,但是在实际水体中藻蓝蛋白与叶绿素a的荧光效应相互干扰会影响测量精度,极大限制了该方法的应用.本文根据朗伯比尔定律,利用二阶矩阵模型设计了一套在荧光检测过程中"激发光-发射光"优化抗干扰的波长选择方法,并利用多元线性回归分析建立了两种色素浓度与荧光强度之间的多元校正线性模型,实验验证了所筛选蓝藻荧光分析法中特定激发光和发射光波长的有效性.本研究实现了两种色素检测过程中的成功解耦,可在藻蓝蛋白的原位检测中排除水体中藻蓝蛋白与叶绿素a之间的相互干扰,提高藻蓝蛋白和叶绿素a的原位检测精度,为开发便携式蓝藻检测传感器时的波长选择提供理论基础.     

基于数学建模的潜在地震破裂面源检测方法研究

大多数地震破裂面源检测方法都是通过简化地震震源,将地震震源表示成线源或者点源,无法有效描述地震带地震破裂面源产状和大小,不适用地震震级较大的情况下地震危险性检测。因此提出基于数学建模的潜在地震破裂面源检测方法,在地震震级较大时仍能检测出地震危险性概率。选取适宜的地震基岩水平峰值加速度衰减关系,分析地震震级、破裂长度、破裂宽度相互关系,确定地震引起的潜在地震破裂面源大小,计算给定地震动小于在场点处产生地震动的概率,将该概率同地震动加速度衰减关系结合,得到地震动年超越概率,分析地震危险性。经过实验检测发现,所提方法检测出的年超越概率与峰值加速度、最大震级有关,该概率能精准表示地震带地震破裂面源产状和大小,说明该方法检测地震危险性是合理的。     

震后紧急供电的电力网络安全检测研究

当前震后紧急供电安全检测方法忽略了电网节点的三相电流不对称问题,未计算电力网络节点功率、支路电流及网损,导致电力网络进行节点连通安全检测准确率低。据此提出震后紧急供电的电力网络安全检测方法,根据连通度矩阵电力网络节点的工作参数,电力网络潮流计算不同节点的电压向量。利用快速耦合法优化牛顿拉夫逊法的计算速度,求出节点功率、支路电流及网损数值。以所构建的电力网络节点连通安全检测模型为基础,采用蒙特卡洛方法完成震后紧急供电的电力网络安全检测。经实验证明,所提方法可有效检测震后紧急供电的电力网络节点安全性,当震动加速度分别为0.05 gal、0.20 gal、0.80 gal时,实验对象连通安全检测结果分别为较高、中等和极低状态,与实际结果均一致,说明所提方法能准确检测电力网络节点连通的安全性。     

浙江省测震观测台网井下地震计方位角检测与校正

选取浙江省测震台网景宁、北仑、南麂岛地震台井下地震计观测数据,采用地震数据波形相关性分析法,与地表地震计同步观测数据进行相关性分析,检测并校正井下地震计方位角,结果发现,3个地震台井下地震计方位角实际偏差分别为82.2°、-22.8°、32.2°。分析认为,井下地震计安装易受线缆应力影响,导致方位角与实际偏差过大,应在应力释放完成后固定地震计,并架设地表地震计进行数据相关性分析,以确定方位角可靠性。     

基于ARIMA模型的九寨沟7.0级地震前兆异常检测

运用时间序列方法ARIMA对九寨沟县7.0级地震的震前15天距震中500 km范围内已布设的14个AETA系统台站的低频电磁均值数据进行地震前兆异常检测。结果表明:在震前的15天范围内,距震中500 km内9个AETA台站出现异常;从综合14个台站数据异常情况热力图可以看出,有4个台站的异常现象持续时间达9天以上,尤其松潘地震台在震前3～5天出现明显异常;从异常台站地理分布看出,14个台站中出现明显异常的9个台站位于中国大陆一级板块边界附近。     

水面运动目标跟踪监控系统的设计与实现

本文围绕海上无人值守平台周界安防技术需求,以800 m范围内的快艇、渔船、客轮和商船为航行目标构建运动目标跟踪监控系统,并集成开发了基于水下被动声学检测和水上云台控制的光学视频系统为一体的声光一体化监控系统,设计了一套基于深度学习的目标检测算法,实现了对水面航行目标的跟踪检测与分类识别。本文在目前基于单一方法进行水面目标跟踪的基础上进行了突破,系统综合了水听器远距离目标监控跟踪和近距离的水面视频监控目标识别,当两者同时确认目标,由声警器发出警报驱离可疑目标,系统将水下声学监控和水面视频监控有效结合,极大地降低了平台的误报概率,同时实验测试结果表明该系统可有效实现对4类水面航行目标的跟踪检测和特征提取,且改进后的算法可有效提升目标检测效果与识别精度,具有较好的鲁棒性和有效性。     

夜光影像和高分辨率影像耦合的土耳其Mw 7.8地震建筑倒塌智能解译

建筑倒塌检测是震后损失评估、紧急救援的重要内容。面向2023年土耳其Mw 7.8地震的紧急救援,综合利用卫星遥感智能解译技术,耦合高空间分辨率卫星遥感影像和夜间灯光影像,以较低的时间和人力成本高效评估了土耳其Mw 7.8大地震中极灾区的建筑倒塌情况。设计了一种多层次的极灾区域与倒塌建筑快速定位方案,首先利用中等分辨率夜光遥感数据确定极灾区,然后利用高分辨率光学遥感影像深度学习技术提取倒塌建筑。设计了一种半监督深度学习方案,只需要初始化人工采集少量倒塌建筑样本,就可以通过在训练中增广获取当地样本,增强深度网络的表征能力,最终实现定位坍塌房屋。监测到阿德亚曼-卡赫拉曼马拉什-安塔基亚一线的阿拉伯板块-欧亚板块交界地带的6个城市受灾严重。从极灾区中共检测出2 377栋倒塌建筑,除努尔达吉和安塔基亚市的倒塌建筑比例超过2%外,伊斯拉希耶、蒂尔克奥卢、卡赫拉曼马拉什和阿德亚曼市倒塌建筑比例均接近于1%,通过人工核查,智能解译方案的查全率为74%～93%,证明所提方案可以及时为震后紧急救援决策提供参考。     

复杂屋顶平面的RANSAC优化分割方法

针对传统随机采样一致性（random sample consensus,RANSAC）算法对复杂屋顶的分割缺陷,提出一种复杂屋顶平面的RANSAC优化分割方法。首先,在点云法向量估计的基础上,利用点法式方程优化种子点选取过程,提高初始平面选择的有效性;然后,采用距离与法向加权法抑制虚假平面生成,并利用加权函数进行平面内点的迭代修正,提高面片分割的准确性;最后,利用面片竞争方法优化分割结果,实现屋顶点云的分割处理。多组点云分割实验结果表明,该方法能有效抑制虚假平面,对复杂建筑物的屋顶平面分割结果的精确率、召回率和整体精度分别达到96.8%、98.2%和95.1%。相比传统方法,该方法在点云分割结果正确率及耗时方面均有明显优势。     

基于连接载荷的蠕虫检测技术研究

提出一种基于连接载荷相似度的蠕虫检测方法 ,利用汉明距离计算载荷相似度检测未知蠕虫。与最长公共子串算法相比,这种方法更能减少计算资源消耗。并在此基础上,提出结合粗粒度异常检测和细粒度行为分析的检测系统。进一步排查非蠕虫流量,锁定蠕虫报文组,减少相似度的计算量。实验证明,这种方法能够检测出未知蠕虫。