安徽地区震源参数的相关性研究

基于安徽数字地震台网2010年1月至2017年12月记录到的ML2.5~5.0级地震,根据中小地震震源参数测定原理,利用多台多地震联合反演Atkinson方法和Moya方法分别计算了安徽地区地壳平均非弹性衰减因子Q值和安徽24个省属专业地震的台站场地。在此基础上,运用遗传算法求得安徽地区96个地震事件的震源谱参数,进而根据Brune中小地震圆盘模型计算其拐角频率、地震矩、应力降、矩震级、震源尺度等震源参数,并分析其特征及相互之间的关系。研究结果表明:安徽地区中小地震的ML震级与其他震源参数之间存在一定相关关系,而地震矩M0与应力降Δσ、震源尺度r和拐角频率fc之间并未表现出明显的相关关系。     

利用强震记录分析场地的地震反应

利用唐山近场强震记录对如何分析场地反应进行研究，分析比较了多种方法:线性反演法、传统的谱比法以及接收函数法．通过比较研究，发现各种方法都能给出土层场地的卓越周期，但每种方法给出的场地反应不完全相同．其中，传统的谱比法与线性反演法的结果较为接近，而接收函数法的结果则同其它两种方法的结果相差较大．在线性反演法中，给出了Ｓ波的品质因子QS，QS 在0.5～32Ｈz范围内与频率有关:QS（f）＝67 f 1.1．      

新疆强震活动与环境因子预报

本文运用新疆历史地震资料,分析了该地区的强震时空分布及地震活跃周期和活动图象,并探讨了强震活动与空间环境因子的关系,这无疑对新疆强震活动趋势分析和该地区强震中长期预报具有较重要的意义。     

长短时记忆神经网络在中期地震预报中的探索——以川滇地区为例

利用机器学习方法对地震活动大数据进行挖掘,识别出一些过去认识不到的异常,提高地震预测的准确性,是一个非常具有挑战性的科学问题.本文基于川滇部分地区（24°N—32°N,98°E—106°E）地震目录,采用滑动的时空窗口,选取16个反映地震时空强度分布特征的地震预测因子,建立了长短时记忆（LSTM）神经网络,对研究区域9个子区块未来一年的最大地震震级进行预测.通过设置训练集：测试集=8：2和训练集：测试集=7：3两个不同的训练测试模型,对过往发生的地震进行了回溯性预报.结果表明：训练集：测试集=7：3模型能够利用1970年1月至2004年9月的地震目录进行学习,成功回溯性预报2008年汶川地震;训练集：测试集=8：2模型利用1970年1月至2009年5月资料进行训练,回溯性预报2010—2019年间6级以上地震的R评分为0.407,回溯性7级地震预报时准确率高达92.31%.本文还探讨性给出预测意见：2022年2月前研究区西部、中部、东部、西南部存在发生5.1~5.3级地震的潜在危险性.

     

上海水源地毗邻湖库浮游植物群落结构的季节变化及其影响因子

为改善城市水源地及毗邻水域的水质管理,2019年11月至2020年11月分别在青草沙水库中央沙水域和金泽水库南白荡水域开展了4个季度的采样调查.运用综合营养状态指数(TLI(Σ))对水体营养状态等级进行综合评估,并采用主成分分析(PCA)、冗余分析(RDA)和相关性分析等方法研究了浮游植物群落特征与环境因子的关系.结果表明:中央沙和南白荡水域TLI (Σ)范围分别为57.5~59.0、54.1~56.1,2个水体均处于轻度富营养状态;两者分别鉴定出浮游植物7门104属184种、8门96属172种;蓝藻门是中央沙水域全年浮游植物构成的主要门类,其次为硅藻门、绿藻门,而南白荡浮游植物群落结构季节性演替明显,优势门类由硅藻门/隐藻门-蓝藻门-隐藻门/硅藻门变化,浮游植物细胞密度季节平均值变化范围分为3.00×10⁷~1.61×10⁸ cells/L、4.29×10⁶~6.59×10⁷ cells/L;鉴定出2个水体浮游植物的优势类群分别有4门17属、5门13属,中央沙水域全年的主要优势类群为假鱼腥藻属(Pseudanabaena)和长孢藻属(Dolichospermum),而南白荡春冬季的主要优势类群为小环藻属(Cyclotella)、隐藻属(Cryptomonas)和蓝隐藻属(Chroomonas),夏秋季主要优势类群为假鱼腥藻属、平裂藻属(Merismopedia)和微囊藻属(Microcystis);中央沙水域浮游植物群落结构变化主要与总氮、总磷、水温等环境因子有关,而南白荡主要与水温、总溶解性盐等环境因子有关,水体流通性差异对此起关键作用.     

永安—晋江断裂带致灾因子风险区划

通过对永安—晋江断裂带开展致灾因子风险调查,逐一查明带内各次级断裂的规模、产状、活动性质和最新活动时代,结合地震活动特征和构造应力场,综合判定调查区内的发震构造和致灾因子,评价各致灾因子的最大潜在震级.在此基础上开展致灾因子风险区划,在调查区内划分出7个地震风险源,厘定各风险源及背景源的震级上限,为响应国家自然灾害风险...     

地震反演驱动的改进匹配追踪煤层识别方法

多类型油气藏储层受到煤层反射干扰, 有效识别与去除煤层地震响应是提高煤系储层地震描述精度的关键技术之一.常规煤层匹配识别欠缺考虑煤层弹性参数的影响, 引起煤层定位不准确、识别可靠性低、运算效率低等问题, 本文充分考虑了弹性参数对煤层具有较好的指示作用, 首次提出了地震反演驱动的改进匹配追踪煤层识别方法.首先根据岩石物理分析, 构建煤层指示因子, 提出匹配追踪煤层指示参数的地震反演方法, 该参数能够较好地刻画煤层空间展布; 基于此, 在地震反演驱动下获得了煤层的先验位置, 将其引入匹配追踪算法中约束匹配追踪搜索邻域, 为缓解现有匹配追踪算法运行效率缓慢, 将经验模态分解(EMD)引入匹配追踪领域, 同时将连续相位替换瞬时相位加快匹配追踪运算效率, 研发了煤层指示因子约束下基于EMD字典的改进匹配追踪煤层识别算法.模型测试验证了本文方法识别煤层的可行性, 实际资料的计算结果表明, 该方法在保持精度的情况下大大提高了计算效率, 此外, 预测的煤层与实际测井解释的煤层基本一致, 有助于油气储层预测和识别, 具有重要的实际应用价值.

     

粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究

天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法．该方法先通过经验模态分解（EMD）将初始信号分解成6个本征模态函数（IMF）及1个残余向量,对前三个IMF进行Hilbert变换得到瞬时频率和瞬时能量,进而提取出样本熵并构造神经网络训练集与测试集;利用粒子群算法和训练集优化广义回归神经网络的光滑因子参数值,建立PSO-GRNN分类模型．将该模型结果与BPNN模型、GRNN模型、PNN模型及RBFNN模型等神经网络模型进行性能对照,得到该模型单次识别的准确率、MAE、MAPE、RMSE R2及MSE分别为95%、0.1604、0.1204、0.2381、0.7123、0.0567,绝大多数性能评价指标优于其他4种神经网络模型．该研究建立的PSO-GRNN模型性能较稳健,在100次循环随机试验中辨识效果仍然较突出,计算得到的上述评价指标均值为97.42、0.04、0.04、0.12、0.89、0.02,其对应的标准差为3.53、0.05、0.04、0.08、0.11、0.02,将PSO-GRNN模型...     

五指山台DSQ水管倾斜仪和VP垂直摆观测数据质量对比分析

通过对五指山台DSQ水管倾斜仪和VP垂直摆的观测数据统计,精度内在质量以及同震形变波分析,认为连续率、漂移量、内精度资料质量指标均符合形变要求规范。水管倾斜仪和VP垂直摆对不同震中距的地震记录存在较大差异:①当震中距较小时,水管仪无同震响应,VP垂直摆同震记录清晰;②当震中距＞6000 km时,两种仪器记录能力相当。      

1958-2017年太湖蒸发量年际变化趋势及主控因子

湖泊蒸发对气候变化非常敏感,是水文循环响应气候变化的指示因子,因此研究湖泊蒸发的控制因素,对于理解区域水文循环有重要意义.本文利用太湖中尺度涡度通量网避风港站观测数据校正JRA-55再分析资料,驱动CLM4.0-LISSS模型,并利用2012-2017年涡度相关通量数据和湖表面温度数据检验模型模拟蒸发结果,验证了该模型在太湖的适用性;估算了1958-2017年间太湖的湖面蒸发量,并利用Manner-Kendall趋势检验分析了湖面蒸发的变化趋势,寻找太湖实际蒸发的年际变化的主控因子.结果如下:校正后的JRA-55再分析资料模拟的太湖蒸发与观测值之间存在季节偏差,但是季节偏差在年尺度上相互抵消,再分析资料可用于年际尺度太湖蒸发变化的模拟;1958-2017年间太湖蒸发量以1977年为界,先下降(-3.6 mm/a),后增加(2.3 mm/a);多元逐步回归结果表明,向下的短波辐射是太湖1958-2017年间太湖蒸发变化的主控因子,向下的长波辐射、气温、比湿也对湖泊蒸发年际变化有一定影响,但是风速对蒸发量的年际变化影响不大.