2020年云南巧家M 5.0地震重定位及地质构造探索

本文使用云南、四川、贵州区域数字台网所观测到的巧家、东川地区P波和S波震相数据,利用双差层析成像方法反演得到了小江断裂中北段、莲峰断裂、昭通—鲁甸断裂、包谷垴—小河断裂及周边区域P波、S波三维速度结构．结果显示,研究区上地壳速度结构与地质构造变化及相应的断裂有较好对应关系,速度结构整体呈低速状态,泊松比偏低,表现出呈酸性的长英质介质属性;中下地壳（15～30 km）包谷垴—小河断裂西侧区域大量地震事件位于高速异常体,推测该高速异常区可能表现出较为明显的脆性特征;重定位后地震深度主要分布在15～35 km,呈现出与断层位置相关的两条平行条带状分布,推测其断层面倾向SW,倾角大约75°,整体较深,位于中下地壳;通过多维度比较发现,研究区地震的发生随着时间推移在空间上有SW方向扩展趋势,且逐渐变浅．     

2022年1月8日青海门源MS6.9地震余震序列自动处理结果探讨

使用2022年1月8日青海门源M_S6.9地震前3天及后7天甘肃地震台网固定台站和邻省共享台站记录到的连续波形数据,利用RISP系统自动检测余震序列,并将检测结果与人工编目结果进行对比分析.结果表明:自动编目与人工编目定位结果基本一致,震中位置差(3.9±1.51)km,震级差值M_L(0.17±0.22);自动编目结果的发震时刻普遍略早于人工目录,但两种目录中大部分余震发生时刻的差值在2s内.自动编目产出速度快,且能检测人工无法识别的微小余震,提高了目录完备性.综合来看,自动编目系统产出结果符合预期目标,可为震群趋势判断、破裂过程快速反演等相关科学研究提供数据支撑.     

甘肃地区一维速度模型计算研究

采用2009年1月1日—2014年6月甘肃省境内所有地震的震相数据,分类拟合计算该地区一维速度模型,计算结果显示,利用少量震级较大地震数据来拟合的速度结果近似于用所有地震拟合结果。拟合得出新模型初步结果后,再从所有地震资料中选定台站包围好、震相标识规范的142个地震,利用Hyposat定位方法来计算莫霍面深度,参考其他模型的莫霍面深度,综合分析后在一定的扰动范围内通过Hyposat批处理程序进行迭代定位,对8 640次计算模型做残差对比,最终选取残差最小模型作为新模型,此模型除部分参数有较小的差别外与甘青模型基本一致。     

深度学习方法在地震事件分类中的应用及可解释性研究

采用2016—2020年福建台网所记录的爆破和天然地震事件以及背景噪声数据集,使用CNN模型、Inception10模型、ResNet18模型和Vgg16模型4种深度学习网络模型进行分类研究。针对深度学习网络模型的“黑盒”问题,将梯度类激活映射(Gradient-weighted Class Activation Mapping, Grad-CAM)算法引入这4种分类模型中,得到每个模型的可视化图。通过可视化图可以直观地看出模型在做出分类决策时对于不同波形特征的依赖权重,为模型的可解释性提供依据,进而提高模型的可信度。通过对模型的可视化图分析得出,分类效果更好的CNN模型和Vgg16模型在做出决策时更依赖于地震波形的震相特征,对于震前和震后的波段关注较小;而ResNet18模型和Inception10模型对于震相特征的关注不够敏锐。通过Grad-CAM算法对模型进行可视化分析得到的结果能够很好地反映模型的分类效果,对于改进和选择合适的分类模型具有重要意义。     

基于CWI方法的门源MS6.9地震余震定位研究

门源发生M_S6.9地震后,余震目录中含有大量的单台事件,为了解决单台事件的定位不准确性,利用尾波干涉(CWI)的震源定位方法将门源台记录到震后8小时内的101次单台事件进行重定位,该方法主要通过计算事件对尾波部分的间距不确定性矩阵,从而估计聚类中具有相似震源机制的地震事件对之间的间距,通过优化这些事件对的间距来解决聚类中一组事件的相对位置。最后,对定位结果进行评估,得到相对可靠的定位结果。     

基于机器学习方法的甘肃华亭地震分类研究

甘肃华亭地区历史上地震活动频繁,由于华亭地区拥有大型煤矿,因此该地区的地震活动除了常规的天然地震还有采矿引发的非天然地震.本文为了将两类地震事件进行准确区分,采用无监督、有监督到半监督分类方法,分析应用于甘肃华亭地震事件分类中.本文一共选取(34.8～35.7°N,106.1～107.1°E)范围内305个地震事件的波形数据,使用速度地震图的复杂度(C)和S/P波振幅比两个时变参数作为分类器,经过我们的训练分析,GMM、K均值、线性判别函数(LDA)、二次判别函数(QDA)、标签传播模型(Label Spreading)和自训练模型(Self Training)的最高总精度分别为87.87%、86.23%、92.16%、94.12%、96.73%、96.73%.根据分类结果分别讨论了无监督和有监督模型对天然地震和矿震的分类性能,六种方法对地震事件的分类都有不错的效果,其中半监督(Self Training)方法比其他方法有更好的改进.通过本研究我们发现,对于没有标签信息可用的无监督聚类算法,尤其是GMM方法具有与判别分析的监督方法接近的判别能力,而仅需要标注少量事件的半监督学习在本文的...     

基于PhaseNet的地震信号自动处理方法准确性分析

利用一种深度学习地震信号检测方法（PhaseNet模型）检测甘肃省岷县MS6.6地震序列,根据地震震相关联技术和绝对定位Hypoinverse方法构建AI检测目录,对比人工分析地震目录和震相报告,分析AI自动处理地震事件的误差范围。结果表明,AI技术能够实现85.5%的人工工作量,定位误差在20 km范围内呈正态分布;在低震级地震事件检测中,AI方法也发挥了显著能力。相比于人工处理方法,AI方法稳定性好、不依赖个人经验、分析速度快,在大震后的地震目录快速产出中能发挥关键作用,可提高地震分析能力、节省人力成本。     

云南漾濞地区地壳层析成像与地震精定位

为考察2021年云南漾濞M_S6.4地震序列的孕震环境和序列活动特征,文中使用云南区域数字台网和部分野外流动观测台阵观测的2011年5月1日—2021年5月31日的P波和S波震相到时数据,利用双差层析成像方法(Tomo DD)获得了漾濞M_S6.4地震序列周边地区的P波和S波三维速度结构、地震序列重新定位结果。结果显示,漾濞M_S6.4地震序列主要沿NW向呈条带状展布,展布区域长轴长约20km,震源深度为5～20km。M_S6.4地震的余震主要沿SE向单侧扩展。发震断层为维西-乔后断裂SE侧的一条近平行的未探明断裂,而主震震中N侧分布的1组NNE向展布的地震则表明可能还存在1条NNE向的未探明断裂,两者共同组成1组共轭断裂。     

兰州市红古区非天然地震记录特征分析

选取2010年1月至2020年8月期间甘肃区域测震台网记录的兰州市周边地区三分向宽频带数字波形资料,采用震中位置空间分布、波形特征及傅里叶频谱特征对比等多种方法相结合,分析兰州市红古区非天然地震活动的特性.结果显示:该区临近测震台记录的大量地震事件波形特征和傅里叶频谱特征与其他区域地震存在显著差异,符合非天然地震的典型...