摘要
地震事件有突发性、概率低、预测难、破坏大等特点。随着强震动台网的密度和实时传输能力的提高,以强震动观测为基础的地震预警成为重要的防震减灾手段,近年来,在全球发展迅速。本文开展了地震预警系统中的强震动数据处理技术研究,主要完成的研究工作有:(1)利用强震仪自噪声识别方法给出仪器自噪声指标,与在安静基岩上直接记录的自噪声对比,结果表明,在普通环境下用该方法可以得到可靠的强震仪自噪声,可用于判别仪器是否适合预警监测。基线偏置对地震预警系统有严重影响,可以通过基线平移消除。对基线平移后的测试数据分析,发现地表倾斜和迟滞损失是引起基线漂移的重要原因。(2)针对环境噪声易造成系统误触发的情况,研究了用于地震预警系统的单台站抗干扰误触发算法。提取强震动记录和干扰记录触发事件后3s内数据的多个特征值,用于建立地震与干扰两类数据的判别准则。提出使用决策树判别干扰事件的方法,即利用强震动记录和干扰记录的特征值对决策树进行训练,训练后的决策树可以较好地区分地震事件和干扰事件。针对高速铁路地震监测预警系统中的每个台站都配置了两个传感器的情况,提出了利用单台站内两测点相关性进一步剔除干扰方法。将本文方法布设到了高速铁路沿线长期运行,其误报率为0%,同时对地震事件很灵敏。(3)针对一个台站只有一个传感器的情况,对比IIR低通滤波法和小波分析法在本文中的降噪效果;针对高速铁路地震监测预警系统中观测数据的降噪问题,提出利用高速铁路强震观测台站的双传感器配置和独立成分分析法,消除高速铁路行车振动噪声,比滤波法的效果更好。(4)研究地震预警中的地震定位和震级估算方法。综合利用方位角、震相到时、断层位置和地震活动信息,提出合成权重地震定位方法。结果表明,此综合方法提高了地震预警系统的时效性和准确性,但是,计算量大,由此提出,利用多目标寻优方法提高地震定位计算效率。对比3种典型的多目标寻优算法,确定了DEMO算法在本文中具有最快的速度和准确性。采用较多参数的人工神经网络降低震级估计误差,并且使用了大量的KiK-net井下强震动记录统计估计误差,结果表明,误差较小且在已知震中距的情况下,震级估计误差更小,能满足地震预警的需求。(5)针对地震预警自身特点和实际应用条件,给出了预警系统的构架、系统开发流程和关键技术以及系统测试方法等。介绍了本文研究成果和实现技术在我国高速铁路地震监测预警试验系统建设中的应用。
出处
《国际地震动态》
2016年第3期41-42,共2页
Recent Developments in World Seismology