湖北省水管倾斜仪观测数据变化特征

采用2003—2015年湖北省数字化地壳形变地倾斜潮汐分钟值资料,利用潮汐与非潮汐分析方法,对地壳形变观测对各影响因素的响应特征进行分析,结果表明,倾斜潮汐观测资料日均变化幅度、M2波潮汐因子均方差、长周期拟合相对噪声水平等指标变化稳定,均达中国优秀台站观测水平,观测资料可信度高。

永胜台对汶川8.0级地震的倾斜响应与异常分析

2008年汶川8.0级地震发生前,云南永胜水管倾斜测值北南向出现将近一年大幅度趋势南倾异常,东西向自2007年7月向西倾变化,且速率比以往快。在排除气压、降雨等干扰因素影响后,通过异常形态、持续时间、观测点所处构造,分析了该异常与汶川地震的关系,结果表明在强地震孕育阶段,永胜水管倾斜有长期趋势异常。

依兰地震台新老水管仪对比分析

依兰地震台由于受到哈佳高铁的影响,在依兰县松花江北岸烟筒山林场以南一公里新建观测山洞,重新安装水管仪,选取依兰地震台新建形变山洞和原形变山洞DSQ型水管倾斜仪2020年度观测资料,从观测环境、基线长度、洞室覆盖厚度、仪器密封方式、主要干扰源、观测资料内在质量、降水、气压因素影响差异等方面,对比分析两套仪器水管倾斜观测的异同点,并分析观测资料质量出现差异的可能原因。重点检验新安装水管仪能否从各个方面超过原台站水管仪,并取代原水管仪观测。结果显示,依兰地震台新建形变观测山洞的基础条件、水管仪的安装条件与观测资料内在质量全面优于原形变山洞。

利用聚类方法快速检测前兆观测数据中的异常数据——以水管倾斜仪观测数据为例

随着前兆观测数据的激增,如何对大量的观测数据中存在的异常数据进行快速检测,是当前面临的比较迫切的问题。本文利用一种基于快速聚类的异常数据检测与评价方法,解决大量观测数据中异常数据的自动检测问题。首先,利用垂直距离分段方法对水管倾斜仪观测数据进行分割,构造分段数据对象;其次,利用均值、方差、峰度与偏度等特征对分段数据对象进行特征表达;然后,基于反正切函数改进影响蚁群算法聚类效率的路径持久性参数,利用快速搜索算法(Clustering by Fast Search,CFS)和改进的蚁群最优化算法(Ant Colony Optimization,ACO)分别对分段数据对象进行聚类,实现对观测数据中异常数据检测的目的;最后,利用F-measure、R-value指标与Chi-square检验评估CFS和ACO聚类方法在异常数据检测上的有效性,以上检测方法都通过了三种指标的有效性检验。实验结果表明ACO和CFS聚类算法可以有效、快速地检测到观测数据中的局部异常数据,诸如高频变化、尖峰等异常数据,为形变类观测数据中异常数据的识别提供一种有效的检测与评价方法。