基于格拉姆角场和多尺度残差神经网络的地震事件分类方法

以江苏地震台网中心搜集并标注的天然地震、人工爆破和塌陷事件为试验数据样本,提出了一种基于格拉姆角场和多尺度残差神经网络的新的地震事件分类方法。首先对波形数据进行滤波、归一化等预处理,然后应用格拉姆角场对地震波形数据进行二维编码得到二维图像,再将此经过编码后的图像作为多尺度残差神经网络的输入进行分类模型的训练和测试,从而得出分类结果。采用上述方法对1078个天然地震台站记录、981个爆破台站记录和830个塌陷台站记录进行试验,结果显示:最终以单条波形为单位的地震事件分类准确率为92.55%,以单个台站为单位的分类准确率为96.36%,这表明基于格拉姆角场和多尺度残差神经网络的地震分类方法具有良好的效果。

地震事件分类识别软件

非天然地震事件分类是地震监测业务部门的日常工作之一。本研究主要针对地震、爆炸和矿震的分类问题,在地震波数据处理、特征提取和人工智能综合分类的研究基础上,基于Qt开发框架,结合Python、 Matlab等多种编程语言,开发了一个具有良好的可移植性和可扩展性、具有自主知识产权的地震分类识别软件。该软件可以部署在不同操作系统上,由七个模块组成:地震数据导入模块、数据处理模块、特征提取模块、综合分类模块、特征分析模块、当量估算模块和结果分析模块。软件集成了多种时频特征提取技术和人工智能分类方法,形成了较为完整的地震类型判定流程。软件内置的地震事件分类模型准确率高于90%,适用范围较广,已推广应用于多个地震监测部门,并取得了较好的应用成果,提高了对非天然地震的快速分析能力。

基于MSSA-XGBoost小样本核爆地震事件分类

核爆地震与天然地震事件的分类鉴别是全面禁止核试验条约中的一项重要任务。受限于核爆数据数量缺乏,论文研究了XGBoost模型在小样本场景下两类事件的分类问题,并利用SSA算法对模型关键超参数进行自主寻优。同时针对SSA算法的不足,采用高斯混沌映射方法、提出种群比例动态调整策略和引入步长调整因子进行改进,构建了MSSA-XGBoost分类模型。模型解决了初始种群分布不均匀,导致种群多样性减少,影响算法收敛速度的问题;解决了麻雀种群比例固定,容易陷入局部最优解的问题;以及解决了发现者位置更新步长固定,从而限制算法全局搜索能力与寻优效率的问题,实现了避免人工特征提取和XGBoost迭代次数、最大树深以及学习率三个重要超参数的自主寻优,在小样本地震事件分类中取得了优异的效果。实验结果表明,MSSA-XGBoost模型分类准确率达到了96.37%,优于原模型93.47%,也优于支持向量机与卷积神经网络,同时较原始模型计算效率提升了近30%。

基于多特征融合自编码器的无监督地震相分类研究

地震相分类是地震数据解释中的一个重要步骤,是地震数据与沉积相的连接工具.为了提高地震相分类精度和减少对有限人工标签的依赖,本文提出了一种基于多特征融合自编码器的无监督地震相分类方法.首先,提出了一种混合卷积和变分编码的多特征融合自编码器,实现了地震数据中表征地震相的大量隐含特征提取.其次基于非负矩阵分解和K均值聚类实现了主特征分量分解和地震相聚类.实际地震数据应用结果和指标分析表明,本文方法提取的隐含特征趋于正态分布,且主特征分量中蕴含了不同地震相类别的响应,从而可以获得更准确的地震相分类结果.在渤海湾盆地东营凹陷古近系沙河街组湖相沉积中,清晰划分出了六类沉积微相的边界,有利于揭示三角洲沉积环境演变.

基于残差神经网络的天然地震与非天然地震信号分类

以准确区分天然地震与非天然地震为目标,构建了一种基于一维卷积和残差结构的神经网络模型:ResNet-1D。该模型利用不同长度卷积核的卷积层、最大池化构成的池化层和残差结构自动提取三分量地震记录特征,采用适应性矩估计方法(Adams)作为优化参数,利用线性判别函数(Linear)实现天然地震与非天然地震区分。以2008—2020年中国地震台网中心统一编目报告的天然地震和非天然地震共40000条速度记录,随机划分为6∶2∶2的比例构建训练数据集、验证数据集和测试数据集。研究结果表明:天然地震和非天然地震的分类准确率分别为92.65%和94.30%,与传统机器学习方法比较,ResNet-1D模型在准确率、精确率、召回率和F1分数的测试结果均有明显提升,有效地提高了天然地震和非天然地震识别的准确性。同时,震级和震中距的变化对模型分类准确率都有影响,具体表现为震级越高,准确率越低;震中距越大,准确率越低。文中提出的模型具有更高的准确性,可为地震监测中的天然地震与非天然地震准确区分提供技术支撑。

机器学习在地震事件自动分类中的应用

使用地震事件分类识别软件(SERS)对内蒙古地震台网2019—2022年编报的内蒙古东部地区20次分类存疑的地震事件进行类型识别,模型识别率为90.4%;通过对比其与人工编目结果发现,只有3次事件识别为天然地震,概率较低。对这3次地震事件记录数据的振幅比和时频分析结果表明,震中距较近台站的波形记录具有明显的P波振幅大、能量高的特点,结合研究内蒙古东部地区地质构造及场地响应的相关文献,推测这些地震事件分类识别主要受场地影响,存在场地放大效应。

一种地震事件分类模型算法的设计和实现

讲解了几种不同的地震事件类型、发震原因、发震特点等,介绍了非天然地震事件的主要类型和特点,指出了设计地震分类模型的重要性。阐述了一种基于卷积神经网络的地震分类模型,其结构由输入层、卷积层、池化层、激活层、全连接层和输出层构成。对模型的分类效能进行了检验,表明该模型具有较好的实际使用价值。

基于支持向量机算法的地震事件分类研究——以东北地区为例

台网的加密使我们可以监测到更多类型、更小的地震事件,地震震源分类对地震危险性评估、区域构造研究和诱发地震的孕震机制都具有重要意义.在传统的地震监测中,技术人员通过P波极性、频谱特征和矩张量等参数识别地震事件的类型,这种识别方法依赖人工经验且较难实现自动化.本文以东北地区天然地震、爆破以及塌陷事件为例,提取三种事件P波和S波在频率域和时间域的典型物理特征,利用支持向量机(Support Vector Machine-SVM)方法对特征进行训练,对事件进行机器学习分类识别.东北地区事件的分类结果表明,该方法可以有效的完成三分类识别,准确率达到99.2%,爆破、塌陷、天然地震三种类型的F1分数分别为98.99%、97.85%和100%.同时该方法具有较好的泛化能力,基于东北地区的训练模型,甘肃地区塌陷识别准确率为84.9%,内蒙古地区爆破识别准确率为86.6%.本研究显示支持向量机方法在少样本量的地震事件类型多分类中有较好的实际应用前景.

地震波形分类技术在大情字井地区薄砂体预测中的应用

受限于地震资料分辨率,薄砂体预测存在不确定性,一个地震波形多是由两期或者多期砂体叠置干涉形成,因此用振幅、频率等常规属性难以准确描述单期砂体平面非均质性特征。这里采用地震波形分类技术,以松辽盆地南部大情字井地区青一段3砂组为例,通过分析井震标定合成记录,研究三角洲外前缘相带不同砂体叠置模式下地震波形变化规律,建立研究区四种典型砂体叠置模式,利用自组织神经网络技术,选择合适的时窗,经过多次迭代,确定波形分类总数为8种,使每种砂体叠置模式对应两个地震模型道,从而根据时窗内不同地震波形的空间分布,精细描述不同砂体叠置模式的平面非均质性特征。与其他属性和地质统计学反演预测的砂体厚度符合率相对比,波形分类预测符合率远高于振幅类属性和频率类属性,并与井震反演预测符合率相当,说明地震波形分类在三角洲外前缘相带砂体预测中是一种高效准确的技术方法。

地震三角形分类图解法与华北地区地震成因分析

选取华北地区的近期震源机制参数资料,改进地震分类的三角形图解法,提出了地震的二级分类法和依据,详细划分了带正断裂型、逆断裂型、走滑型分量的混合型二级类型等多种断层机制,并讨论了华北地区地震成因.结果表明:一级地震类型以走滑机制为主,其次为正、逆断层机制和过渡型,而二级地震类型多为带其它分量的混合型机制、正、逆断层机制和过渡型,走滑型机制的地震数量不到一半.说明华北地区现今地壳脆性变形虽然以走滑机制为主,但是大多数地震属带其它分量.在NEE-SWW向的水平主压应力作用下,形成了NWW向的张家口-蓬莱地震密集带和与此相共扼的一系列NE向或NEE向具有强震机制的构造,以走滑动机制或带其它分量的走滑动机制为主,并在一系列的第三纪、第四纪断陷盆地边缘或平原中发生带有走滑分量的正断裂或带正断层分量的走滑型机制的地震,表明断裂上盘在侧向运动的同时,也存在着一定量的向下运动,继续进行着盆地、平原的"生长";而在太行山及晋北山区,也同样存在着慢速隆起.这是现代华北地区山区、盆地差异运动的一种形式,反映出华北地区地壳变形是在复杂力学环境背景下发生的和具有复杂的发生、发展和变化过程.

设定地震的分类及其确定方法

讨论了震害预测中的设定地震，将其分为检验型设定地震、预测型设定地震和重现型设定地震，并论述了３种设定地震的确定原则和方法．

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。

基于Bagging集成学习算法的地震事件性质识别分类

地震台网在监测地震的同时记录到的非天然震动事件会对后续的科研和预报工作造成较大的影响,因此快速准确的对天然震动事件与非天然震动事件加以区分就显得尤为重要.本文针对传统人工方法识别地震事件性质的不足之处,采用Bagging机器学习算法对地震事件性质进行区分.首先选取震中距范围在80～200km内的地震数据,之后采用AIC算法自动识别P波到时,进而用处理后的数据训练模型,最后使用测试数据对模型进行评估,准确率可达85%以上.因此,本文提出的方法可以有效地对天然震动事件与非天然震动事件加以区分.

地震波形分类技术在黄骅坳陷孔三段沉积体系分析中的应用

在Stratimagic软件环境下,通过对黄骅坳陷孔南地区三维地震数据逐道对比分类,细致地刻画地震信号的横向变化,从而得到与4个层序对应的波形分类相图,结合地质资料,最终得到波形分类相图解释图,其与通过地质方法得出的沉积体系展布图的展布规律大体一致。

地震波形分类技术在河道预测中的应用

近年来,地震油气储层预测新技术不断涌现和发展,地震波形分类技术就是其中之一,该技术的基础是当沉积相单元发生变化时其地震反射特征(包括振幅、频率、相位、积分能谱、时频能量等)也必定有所变化,利用神经网络技术把地震信号的总体变化定量地刻画出来即对波形进行分类,形成地震波形异常即地震相图。本文简要地介绍了这一方法的基本原理,一般流程及关键参数等技术环节。在分析某油田河道砂体测井和地震响应特征的基础上,应用这一技术对该油田主要目的层段河道进行了准确预测,确定了主河道的平面展布范围,为钻探部署提供了决策依据。

地震信息分类与编码研究

回顾了我国地震信息分类与编码研究的现状,分析了地震信息分类与编码研究中存在的问题,指出加强地震信息分类与编码体系研究,优先制定基础性地震信息分类与编码标准的重要性,分类时除应遵守分类基本原则,还应发掘信息本身特性,提出分类的个性原则。

地震波形分类技术在红浅一井区的应用

20世纪90年代以来,地震油气储层预测新技术取得了巨大发展,Stratimagic地震波形分类技术就是其中之一。该技术是研究各沉积相单元发生变化时的地震反射特征,然后利用神经网络技术把地震信号的总体趋势变化定量地反映出来(对波形进行分类),形成地震波形异常,即地震相图。在综合地质分析基础上,针对目前红浅一井区勘探实际情况,应用这一技术对该地区主要目的层段辫状河道砂体进行了准确预测,并取得了良好效果。

地震波形分类在春光探区沉积微相研究中的应用

针对春光探区中南部白垩系钻井资料少、沉积微相刻画困难等问题,结合岩心相、测井相的分析,在井震联合波形分类沉积微相标定的基础上,选用6种颜色代表6种波形,利用地震波形分类技术精细刻画春光探区中南部白垩系连木沁组的沉积微相平面展布特征。研究认为,连木沁组时期春光探区中南部发育扇三角洲–湖泊沉积体系,研究区Ch55、Ch118E和Ch120E井区分别发育三支扇三角洲前缘水下分流河道砂体,为有利的储集砂体发育区。

《中国档案分类法〈地震档案分类表〉》的分类体系及应用

《中国档案分类法〈地震档案分类表〉》是地震档案的科学分类标准 ,它的分类体系充分反映了我国地震档案的特点及地震行业的职能分工特征。该文介绍了《中国档案分类法〈地震档案分类表〉》的分类体系及其在中国地震局地球物理研究所的应用 ,指出了它在应用中存在的一些问题。

《中国图书资料分类法地震文献分类表》的编制和实施

叙述了《中国图书资料分类法地震文献分类表》的基本纲要，该分类表是结合地震系统实际情况而编制成的，一方面符合《中国图书资料分类法》的编制原则和体系结构，另一方面对结合地震科学和地震系统文献收藏特点，其内容比较充实，填补了地震科技资料分类工作的空白，已在地震系统普遍推广应用。