昭通巡龙强夯土非天然地震记录特征及识别研究

通过分析昭通巡龙2022年11月—2023年5月多次重型地面平整机施工和小震级天然地震事件的记录特征及差异后认为:昭通巡龙强夯土事件的P波初动向下、持续时间短、衰减快、P波与S波最大振幅小于天然地震,强夯土事件波形记录的频谱特征与天然地震差异较大,天然地震P波与S波震相明显,强夯土事件震相不明显。可以利用Pg/Sg谱比、交叉Pg/Sg谱比实现强夯土非天然地震和天然地震事件的分类识别。分类结果表明:当频率大于5 Hz时,Pg/Sg谱比判据基本实现天然地震和强夯土事件分类;交叉Pg/Sg谱比判据对应的分类识别正确率为天然地震事件91.3%,强夯土事件90.7%。交叉Pg/Sg谱比判据比单一频带谱比判据能更好地反映天然地震和强夯土事件的特征差异。

昭通巡龙测震台观测资料质量分析与研究

以昭通巡龙测震台2018—2021年间国家测震台站观测资料质量评估结果为基础,通过分析历年扣分问题及产生问题的原因,结合台站实际情况,给出了提升资料分析水平和加强系统运行能力等方面相应的经验及技术对策。为今后有针对性、有计划地提高昭通巡龙测震台测震观测质量提供可遵循的依据,并对本台及兄弟台站提高测震观测资料质量具有一定的指导和借鉴意义。

降雨变化对昭通中心站YRY-4钻孔应变仪的影响分析

利用昭通中心站YRY-4钻孔应变仪前兆观测数据资料,提取降雨对该仪器观测数据的干扰事件,采用降雨总量、瞬间最大值降雨量两类降雨分类统计方法,定量分析降雨对观测数据产生的影响。结果表明:当降雨总量达到40 mm、瞬间最大值降雨量大于0.4 mm时,YRY-4钻孔应变仪观测数据受降雨干扰明显;当降雨总量大于40 mm时,降雨总量与观测数据应变量呈线性关系,瞬间最大值降雨量与降雨总量之间无显著的对应关系。分析认为,降雨干扰影响主要来自降雨渗透和台站周边地质抗水体荷载量大小两个方面。定量分析降雨干扰,有利于区分异常与干扰,积累经验,以便于及时对有效异常进行判定,为地震研究服务。

昭通地震中心站YRY-4钻孔应变仪观测数据干扰分析

利用YRY-4型钻孔应变仪观测资料进行自洽检验,以验证其工作稳定性;分析YRY-4型钻孔应变仪受环境干扰、场地干扰的原因及特点。结果表明,YRY-4型钻孔应变仪观测数据连续可靠;受降雨、融雪、施工等干扰影响较大,降雨后观测曲线常发生趋势性转折,且降雨的影响具有滞后性,场地施工干扰特征明显。

一种基于Leap Motion与Android手机控制的地震救援机器人应用设计

针对地震救援机器人目前的研究现状,为进一步研究地震救援机器人的实际应用,利用Leap Motion与Android这2种外接设备,根据摄像头回传的实时画面远程操控机器人。用Leap Motion手势识别手臂动作控制机器臂,用Android手机控制机器人行走,为机器人配备摄像头进行实时监控,利用无线通信系统远程控制机器人在复杂地震环境下开展救援。实验结果表明,Leap Motion手势识别率高,可同步机械臂手势动作,Android手机可较为准确地控制机器人行走,摄像头可清晰拍摄救援环境。此地震救援机器人在地震应急救援中具有一定的研究与应用价值。

一种基于深度学习的行人检测分类方案设计

行人检测分类是一种利用计算机视觉算法对图像或视频序列中的人物数量、年龄、性别以及衣着进行统计分类的技术。为了准确获取行人属性信息,降低行人漏检问题,经过分析现有数据集及行人所处的实际场景,提出基于深度学习的行人检测分类方案。首先使用行人检测算法检测行人身体属性,人脸识别算法识别人脸属性,然后结合身体属性与人脸属性对行人进行分类,最后总结了基于深度学习的行人检测分类以及发展前景。

昭通巡龙测震台台基背景噪声特征分析

选取昭通巡龙测震台2019~2022年相同时段内的地震观测资料,对地震观测数据进行静态地脉动噪声功率谱密度(PSD)估计和静态地脉动速度噪声有效值(RMS)计算。通过数据对比分析,得到昭通巡龙测震台近四年背景噪声变化特征。分析发现,仪器观测频带内整体噪声处于正常水平,年变化形态不明显;随着季节的不断变化,昭通台背景噪声水平也出现相对应的变化,高频部分受人类活动影响,具有明显的季节变化特征。

基于卷积神经网络的天然地震和非天然地震识别

为实现天然地震和非天然地震分类识别,利用云南省及周边地区范围内测震台站所记录的302次天然地震和308次非天然地震事件(爆破、塌陷、强夯土等)为神经网络模型测试集、训练集数据,设计了VGG19卷积神经网络模型对天然地震和非天然地震进行分类识别。结果表明:VGG19对训练集与测试集数据的识别准确率达92%以上;天然地震的识别准确率为96%以上,非天然地震的识别准确率约为98%。通过实验说明,VGG19神经网络模型对天然地震和非天然地震识别具有实用意义。