2021年玛多7.4级地震前后湟源水氡异常特征分析

选取2021年4～6月青海湟源台泉点水氡测值,以2021年5月22日青海玛多7.4级地震为震例研究对象,分析了湟源台水氡测值在玛多7.4级地震前后的变化特征。结果表明,在玛多7.4级地震前后,湟源台水氡测值出现“下降(期间发震)—保持低值—回升—恢复”的异常变化过程,类似2016年以来的几次地震前后的水氡测值短临异常变化。由此认为,2021年4～6月间湟源台水氡测值变化为玛多7.4级地震出现的短临前兆异常。     

泉州围头港9914号台风破坏及修复

泉州围头港对台贸易万吨级码头的引堤及码头遭到9914号的台风的正面袭击,局部堤段受损较为严重。根据现场调查、台风浪分析计算等综合手段探讨破坏原因,在此基础上提出实际的修复工程方案。2001年完成至今,经历了多次台风的考验,引堤及码头完好无损,其破坏性台风浪的作用特点,围头港的损坏原因以及结构稳定的修复断面形式等对我国沿海的类似工程有一定的借鉴作用。     

基于移动三维激光扫描技术的隧道管片错台检测

地铁隧道管片错台检测是保证地铁安全运营的重要工作,传统错台检测主要依赖人工巡检,由于天窗期短、隧道结构复杂,存在效率低、易漏检、成果难以量化等缺点。本文提出了一种基于移动三维激光扫描技术的错台检测方法,通过对点云数据生成的正射影像图进行环缝识别,提取环缝两侧断面,采用RANSAC-LSM方法对断面点云进行去噪、拟合,再将两侧断面套合即可分析管片错台情况。最后以杭州地铁某区间为例进行错台检测,并选取72处错台成果进行人工复核。结果表明：基于移动三维激光扫描技术进行错台检测,整体精度在±3 mm以内,能够满足盾构隧道管片错台检测要求,在地铁隧道安全检测中具有较好的应用前景。     

GPS测量方位角方法在琼中地磁台建设中的应用

介绍了GPS测量方位角的原理与方法。使用GPS测量了琼中地震台4个观测墩的方位角,取得较好的结果,并对测量结果的精度和误差来源进行了分析。结果证明,GPS测量方位角方法不受观测时间限制,受天气影响较小,对人员要求不高,观测时间只需2～3天,具有较大的应用前景。     

天水地磁台数字观测与模拟观测资料对比——数字核旋与模拟记录(日均值)一致性分析

通过分析天水地磁台数字核旋仪FHD-1与模拟记录仪CB-3的日均值的一致性,发现两套仪器的日均值在磁场变化比较平静的时间段其一致性很好,但在极个别的时间段也存在一定的差异,并对其存在的差异进行了分析与总结.     

2020年西北太平洋和南海台风活动概述

利用中央气象台台风实时业务定位资料和地面气象观测资料对2020年西北太平洋和南海的台风活动主要特征以及主要影响我国的台风路径、强度及风雨情况进行了统计分析。2020年西北太平洋和南海共有23个台风生成,较多年平均值（27.0个）偏少4.0个;有5个台风登陆我国,较多年平均值（7.0个）偏少2.0个。2020年台风活动的主要特征有：台风生成源地明显偏西;生成总数偏少,极值强度偏弱;7月“空台”,是1949年以来历史首次;8月台风活跃,出现多个近海快速增强的台风;8月下旬至9月上旬,3个台风连续北上影响我国东北地区,历史罕见;10月生成的台风个数较常年偏多,先后影响我国南海或中南半岛。     

基于DDS的BPM短波授时信号设计

BPM短波授时是利用短波电台进行我国标准时间和标准频率的发播,是一种经济而又方便的授时方法.为解决BPM(中国科学院国家授时中心短波授时台)应用终端开发调试和测试标定的问题,在分析了BPM短波授时信号的特性和基于直接数字式频率合成器(DDS)技术信号生成原理的基础上,采用了现场可编程门阵列(FPGA)芯片EP2S60F...     

河北数字遥测地震台站避雷系统

雷电对地震遥测台站的正常运行和仪器设备安全造成很大威胁,雷电灾害被“国际十年减灾”组织列为十种最严重的自然灾害之一。本文就雷电的入侵途径和防护方法以及接地系统和屏蔽措施做一些介绍。     

中国近海海域台风浪模拟试验

以经验台风公式和NCEP再分析风场资料为基础,通过一个权重系数构造了西北太平洋海域台风风场,并以此作为一个第三代海浪模式WAVEWATCH Ⅲ的输入风场,模拟了2005年的麦沙(Matsa)台风浪场.由于风场的改善,模拟结果显著地提高了海浪模式的后报精度.     

利用卷积神经网络检测地震的方法与优化

本文以西昌台阵观测的8 321次近震数据为例,详细介绍了利用深度卷积神经网络检测地震的数据处理流程,包括数据预处理、模型训练、波形长度、网络层数、学习率和概率阈值等关键参数对检测结果的影响,并将训练得到的最优模型,应用于事件波形和连续波形的检测。研究表明,数据预处理和数据增强可以提升模型的检测精度和抗干扰能力。用于模型训练的波形窗口长度可近似于S-P到时差的最大值。不同网络层数(5—8层)的检测结果差别不大。对于地震检测,学习率设为10-4—10-3较为合适。卷积神经网络检测出的地震数量与选择的概率阈值有关,通过绘制精确率-召回率变化曲线,可以为选择合适的概率阈值提供参考。本文为进一步利用深度学习算法提高地震检测效果提供了参考。