人工爆炸地震野外数据处理装置

1988年底在华南地区连县—港口近400km的测线上,首次使用了中国科学院地球物理研究所研制的人工爆炸地震野外数据处理装置.该装置由AT型微机及必要的接口板和外围装置组成,能在野外条件下把模拟或数字记录仪记录结果以数字数据形式输入计算机,并进行显示、打印、存储等操作.由于成功地解决了诸如磁带信号直接屏幕扫描搜寻,时间信号自动识别、解码,钟差和零时信号屏幕光点比测,采样率随磁带速度自动调节,多通道长时间信号连续存储,数字滤波和再采样,用普通打印机快速打印高分辨率图形等技术问题,我们在野外记录后2—3天内即能绘出全测线120道记录的剖面图,达到了前所未有的高速度.

区分天然地震和人工爆炸的可视化方法

地震信号分类与天然地震与人工爆炸识别是实施全面禁止核试条约(CTBT)的必不可少的技术手段,对维护国家安全和世界和平都极其重要。自1959年来地震信号分类与天然地震与人工爆炸识别一直是地震学研究的热点和难点。本文依据科学数据可视化原则,采用新颖的具有美感的图形揭示大量数据之中所蕴涵的有用信息,试图提出一种以一个事件在多个不同位置观测台站的观测数据的综合可视化方法,绘制出可直观区分天然地震和人工爆炸的图形。可视化方法是采用图阵形式,每一事件的多个台站的各观测地震波形绘制成一个紧凑的和一体化的图形阵列;图阵中的每一个图形从一个事件某一个观测台站同一个通道的时域波形采用对称点模式绘制。共绘制了35个地震事件和27个爆炸事件的对称点模式图阵。结果表明:从这些事件的对称点模式图阵上看,地震事件和爆炸事件的区别是相当显著的。这为快速识别震源类型提供了一个很有潜力的新工具,只要地震波形已被观测得到了且可使用了,可以在少于5分钟内做出推断。

人工爆炸高山湖泊增雨与森林防火

人工爆炸高山湖泊增雨与森林防火四川省甘孜州林业局七美多吉西部高山林区（主要指西藏、青海、甘肃、新疆、四川、云南的部分林区）是我国重要的森林生态基因库，保护好这一地区的森林资源是人类面临的历史性重大课题，纵观这一地区的森林保护形势，除森林病虫害和重大的...

横跨天山的人工爆炸地震剖面

横跨天山的人工爆炸地震测深剖面揭示出天山的地壳结构．结果表明，天山地壳分为上地壳和下地壳两层结构，层速度和厚度纵向和横向变化都很大．上地壳底部断续分布低速层．莫霍面深度在奎屯地区为 ４７ ｋｍ，沙雅地区为 ５０ ｋｍ．天山之下莫霍面变深，北天山和南天山交界处之下达到最深，为 ６２ ｋｍ．地壳Ｐ波平均速度６．１～６．３ ｋｍ／ｓ，上地幔顶部 Ｐ波速度为 ８．１５ ｋｍ／ｓ．奎屯炮记录的剖面识别出两组可靠的莫霍面反射波震相Ｐ_(ｍ１)和Ｐ(ｍ２)．Ｐ_(ｍ１)和Ｐ(ｍ２)在炮检距１９０～２１０ｋｍ段有 ２０～３０ ｋｍ的叠置和错断．计算结果表明，莫霍面在北天山之下发生 １０ ｋｍ左右的错断，南深达 ６２ ｋｍ，北浅达 ５２ ｋｍ，莫霍面北倾下插．天山莫霍面的结构样式与某些碰撞型造山带相比有类似的结构，这可解释为塔里木板块向天山之下俯冲．这个陆内俯冲是导致新生代天山隆升的动力学机制．Ｐ_(ｍ１)和Ｐ_(ｍ２)震相的发现是塔里木板块向北俯冲的地震学证据．

基于多尺度注意残差网络的地震波形分类研究

选用2010年2月—2016年12月发生在北京顺义及河北三河等首都圈邻近区域的117个地震事件(包括54个天然地震事件和63个非天然地震事件——爆炸事件)作为研究对象,利用文章所提出的多尺度注意残差网络对其中的天然地震事件和爆炸事件波形进行二分类。首先,对原始地震波形进行简单预处理并截取成相同长度的地震时序数据,直接将其作为网络模型的输入;其次,选用含有残差模块的深度神经网络作为基础网络,利用深度神经网络对特征的自动提取能力,省略了传统波形分类需要提前提取时域波形的特征作为分类算法输入的步骤;然后,融合通道注意力机制(ECA)并对其进行改进,将空间维度的信息融入通道信息,优化了网络对关键信息的关注,更好地聚焦重要特征;最后,使用空间金字塔池化代替最大池化进行多尺度特征融合,得到更多的特征信息,构成多尺度注意残差网络。实验结果表明,最高分类准确率为97.11%,平均分类准确率为96.53%,证明了多尺度注意残差网络在地震波形分类任务中的有效性,为震源类型识别工作提供了一种新的方法。

识别地震与爆炸的一个新判据a

低震级地动事件性质识别是当前地震检测的一个难点。地震学分析为判定可疑事件的震源类别提供了有效识别方法。从时间域简易的振幅周期测量、到频率域利用整个震相的频谱特征、并进一步扩展到倒谱域的峰值判据，为鉴别人工爆炸与天然地震的震源性质发挥了重要作用。

震源性质的倒谱分析

介绍了倒谱的概念.从天然地震与人工爆炸的震源差异入手,推断震源差异在各域的反映形式,探索表征这种震源差异的有效途径.将震源识别的研究方法从时间域、频率域扩展到倒谱域,提出了识别震源性质的倒谱分析方法,建立了一个震源类型的识别判据.对近年来发生的一些地震及爆炸事件进行了倒谱分析,结果表明该方法具有良好的效能.

基于EMD的IMF时域统计特征提取及其应用于震动事件源类型识别研究

文章对地震波形进行经验模态分解(EMD),对分解后的内模函数(IMF)进行时域特征提取,由所提取的特征对天然地震和人工爆炸2类事件源类型进行分类识别,结果表明,由IMF所提取的时域特征具有良好的区分识别能力。采用经验模态分解将原波形信号分解为7个内模函数和残差函数,对原波形、每个内模函数和残差函数分别提取26个时域统计特征,组成9个特征组(命名为Q_(0),Q_(1),…,Q_(8));再计算7个内模函数的幅度能量比得到7个能量比特征,再和选择前4个内模函数的26个时域统计特征中的8个特征共32个特征组成一个有39个特征的特征组(命名为Q_(9))。对这10组特征样本集进行单组、多组的特征组合事件类型识别实验,采用对称KL距离(Kullback-Leibler divergence)、以事件为识别单元进行分类识别;每次识别实验,随机选取部分(30%,50%,70%,或90%)事件的所有观测台站的3分量的所有波形相应特征组的特征同时作为训练样本和测试样本集,多次反复进行实验,结果表明第2个内模函数提取的时域统计特征在选择90%事件时识别效果最好,正确识别率大于90%;这说明,内模函数具有比原波形更好的事件类型区分能力,可为由波形识别事件源类提供更为有效的特征。

事件源类型识别中的地震波HHT时频特征提取研究

论文利用希尔伯特-黄变换(HHT)算法,对地震波形数据进行经验模态分解,得到有限个内模函数(IMF)和1个残差函数,并分别直接提取前3个IMF的均值、方差、峰值、峭度和香农熵特征,以及前3个内模函数经过HHT变换后的瞬时振幅幅度谱和瞬时频率幅度谱特征值,这些特征组成特征样本集。采用对称KL距离(Kullback-Leibler distance),以事件为识别单元进行分类识别,每次识别实验,随机选取部分(30%,50%,70%,或90%)事件的所有观测台站的3分量的所有波形相应特征组的特征作为训练样本集的同时也作为测试样本集,多次反复进行实验,结果表明随机选择的4种不同比例的部分事件正确识别率均大于95%;这说明,对从IMF中提取的时频特征,可为由波形识别事件源类提供更为有效的特征。

地震知识一点通

全球每年平均发生约500万次地震,人们有感觉的地震约5万次。地震就像刮风下雨一样,是一种自然现象。关于地震,你知道多少呢?地震是如何形成的?地震即地壳震动,通常由地球内部的变动引起。另外,陨星撞击、人工爆炸等也能引起地震。