基于自适应轮动归类的微震震相识别方法

震相识别为震源定位提供了可获取必需初始数据的微震信号片段.基于自适应高通滤波、背景噪声幅值上下界计算、轮动圆半径计算及轮动迭代、超限点归类分组4个信号处理流程提出了自适应轮动归类法,并分析了4个初始参数的影响程度及其取值依据.通过计算背景噪声与微震响应的特征值提出了用于判定微震信号有效性的微震信号信噪比(SNRmss),将SNRmss与信号长度分别同震相识别方法的计算速度与识别偏差进行了相关性分析.对比分析了模型试验与实际工程下该方法与改进长短时窗法(STA/LTA)在识别准确率、识别稳定性、计算速度、计算稳定性等方面的优劣.结果表明:相较改进STA/LTA方法,自适应轮动归类法对长度不同信号的识别容错率与稳定性更高.在模型试验下,自适应轮动归类法的识别准确率提高了25.0%,识别偏差标准差为前者的17.4%,计算时间平均值、标准差分别为前者的44.2%、67.4%;实际工程中,自适应轮动归类法的识别准确率提高了4.8%,识别偏差标准差为前者的34.2%,计算时间平均值、标准差分别为前者的40.9%、55.9%.

用于三分向记录震相识别的小波变换方法

应用包含在小波变换系数中的信号偏振信息 ,提出了一种确定单台三分向记录图中 P波和 S波震相的小波变换方法 .主要的思路是寻找地震信号在不同尺度下小波变换系数的显著特性 .通过对小波变换系数主成分的分析 ,得到不同尺度下的 P波和 S波识别因子 ,进而形成确定 P波和 S波初至的定位函数 .通过对模拟资料和实际地震资料的分析 ,认为由小波变换方法形成的定位函数具有一定的抗噪声能力 ,在精确识别 P波和 S波初至方面是非常有效的 .本文首先介绍了小波变换的基本概念和详细方法 ,然后应用小波变换对实际资料进行处理 ,并给出了研究结果 .

利用高频GPS进行地表同震位移监测及震相识别

结合日本3.11大地震,利用近震区和远震区若干测站的高频GPS观测数据,采用动态精密单点定位技术分析了强震时复杂的地表运动时序,获得了地表同震位移.在此基础上提出利用S变换对高频GPS地震波进行震相识别,有效拾取了P波初至,反演了P波传播速度并与地震仪数据、USGS提供的参考值进行了对比和分析,为后续地震应急、地震预警提供了重要的、科学的决策依据.

基于小波包变换的弱震相识别方法

描述了一种新的用小波包变换识别弱震相的方法．它基于小波变换的多尺度分析思想，是小波变换的完善与发展．该方法能刻画出二进尺度下地震波初至信号瞬态谱异常变化特征的信息，可实现确定震相特别是弱震相的目标．文中给出了模拟数字信号和实际地震震相识别的实例．研究结果表明，小波包变换方法是一种进行弱信号分析的有力工具，与传统的震相识别方法相比，有着无可比拟的优点。

高斯线调频小波变换及其在地震震相识别中的应用

基于地震渐变信号在起始点附近信号高频分量比较丰富,但信号幅度较小的特点,本文选取高斯线调频小波作为基函数,研究了不同小波参数和信号参数对其变换结果的影响规律,找出了直接利用变换峰值进行震相识别的误差来源,提出了一种从背景噪声中实现渐变地震震相识别的有效方法——定尺度小波变换比方法,给出了模拟数字信号和实际地震震相识别的实例.

基于U形卷积神经网络的震相识别与到时拾取方法研究

精确获取震相到时是地震定位和地震走时成像等研究的重要基础.近年来,随着地震台站的不断加密,地震台网监测到的地震数量成倍增长,发展快速、准确、适用性强的震相到时自动拾取算法是地震行业的迫切需求.本文在前人工作基础上,发展了Pg、Sg震相自动识别与到时拾取的U网络算法(Unet_cea),使用汶川余震和首都圈地震台网记录的89344个不同震级、不同信噪比的样本进行训练和测试.研究表明,U网络能够较好地识别Pg、Sg震相类型和拾取到时,Pg、Sg震相的正确识别率分别为81%和79.1%,与人工标注到时的均方根误差分别为0.41s和0.54s.U网络在命中率、均方根误差等性能指标上均明显优于STA/LTA和峰度分析自动拾取方法.研究获得的最优模型可以为区域地震台网的自动处理提供辅助.

基于遗传—BP算法和图像处理的沉积微相识别

针对目前沉积微相自动识别模型和算法存在的某些不适应性 ,提出了一种基于遗传—BP算法与图像处理技术相结合的方法。根据取心井分析资料和专家解释结果确定区块微相类型 ,采用最小决策规则对模式特征指标和典型样本进行筛选 ,建立各类沉积微相标准模式库。利用图像处理技术将测井曲线和地质参数转化为图像模式 ,由神经网络自动提取和记忆曲线所表征的小层模式特征。用遗传和BP算法相结合的方法训练多层前馈神经网络 ,所得的神经网络稳定 ,学习收敛速度快 ,同时有很强的记忆能力和推广能力。对于过渡性微相在识别中存在的多解性 ,在小层对比基础上 ,参照邻井同层微相识别结果 ,在大环境下依据区块地质规律采用模糊逻辑推理方法确认和修正微相识别类型 ,保证平面沉积相和小层单井相的一致性。此模型对解决沉积微相自动识别问题具有良好的适应性。对大庆萨北油田 15口井进行了资料处理 ,取得了较好的效果。

一类正则模糊神经网络及在沉积微相识别中的应用

考虑一种 5层结构的正则化模糊神经网络模型 ,针对网络结构的优化问题给出了该网络模型规则层节点的选取方法和相应的反传学习规则 ;针对样本筛选问题 ,提出一种按模糊隶属函数值相近样本向量类别矫正策略。将正则模糊神经网络用于油藏沉积微相的识别 ,可自动提取测井曲线与微相类型之间复杂的映射关系 ,实现沉积微相的连续识别。实际资料处理结果表明 。

高频GNSS形变波的震相识别：模拟实验与实例分析

高频GNSS震时形变波震相及识别是GNSS地震学的重要内容.在实时数据处理基础上,本文利用振动台的高频GNSS观测实验,并结合近期部分大震的高频GNSS形变波震相特征进行研究.数据处理结果表明,实时处理与事后处理的精度在同一量级,且与采样率无关.通过与同址观测强震仪和地震计记录的对比及特定震相的频谱分析,发现高频GNSS可完整记录P波、S波、Love波及Rayleigh波震相,影响震相记录的主要因素是GNSS定位精度与震级,而仅当震中距很小时,采样率将产生一定影响.研究结果得出:基于地震波传播规律,利用高频GNSS台阵记录的形变波空间分段特征,结合震相运动轨迹及其他地震波记录,可实现实时高频GNSS形变波的震相识别.

泌阳凹陷孙岗地区地震相识别

泌阳凹陷孙岗地区钻、测井资料较少,而地震资料较丰富。为了解研究区沉积特征,利用地震相识别方法对该区内典型地震相以及地震相平面特征进行了研究。根据地震相与沉积相的对应关系,参照瞬时频率地震属性平面图、古地貌发育情况以及少量井的单井相特征,将地震相平面展布图转化为沉积相平面展布图。通过研究,共识别出4种典型地震相:楔状前积地震相、斜交前积地震相、叠瓦状前积地震相、平行—亚平行地震相。在研究区北部,核三段Ⅰ砂组上段和下段沉积时期均大面积发育不同期次辫状河三角洲前缘沉积体;在研究区南部,上段沉积时期仅发育1个扇三角洲前缘朵叶,下段沉积时期发育2个扇三角洲前缘朵叶。

基于多源生物信号的下肢步态相识别

为提高人体下肢步态相识别的准确性,研究了融合表面肌电信号(s EMG)、膝关节角度和足底压力信号的人体下肢步态相识别方法。首先,将s EMG信号进行小波包分解提取多尺度能量和多尺度模糊熵特征;然后,对提取的s EMG信号特征值采用主成分分析(PCA)方法进行降维处理,并与足底压力特征值和膝关节能量特征值构成一组特征向量;最后,将特征向量输入粒子群优化最小二乘支持向量机(PSO-LSSVM)对人体下肢运动信息进行步态相识别。实验结果表明,所提方法相较于其他方法有较高的识别准确率和有效性。

分形理论的矿震初至震相识别方法及应用

为更好地进行矿山地震信号识别,以便进一步提高震级计算和定位计算的精度,采用了基于Hausdorff维数的计算方法,分析了矿山地震信号的特征,讨论了分形维判断矿山地震波初至的可行性.研究结果表明:三维情况下Hausdorff分形维数法适合于建立矿山地震波初至的自动拾取方法,结合多台定位法对进行矿山地震定位,垂直方向定位误差均值为4.5 m,两个水平方向定位误差均值为0.4 m,能够满足煤矿安全生产要求.

小波分析在天然地震初震及震相识别中的应用

地震灾害给人类带来了很大的伤害,为了有效地减轻地震灾害,加强地震监测非常必要的。为了达到理想的地震监测效果,需要对地震波初震和震相进行准确的识别。主要研究小波分析方法在初震和震相识别中的应用,先用小波包变换确定信号的初动位置,再用小波变换分解信号,分离出信号不同频率所对应在信号中的不同位置,从而确定信号的初动时间和相应的震相。通过该方法对模拟信号和实际天然地震信号进行处理,有效的识别了天然地震初震及其震相。

基于S变换的高频全球导航卫星系统同震数据的震相识别研究

为研究高频全球导航卫星系统(GNSS)信号的P波和S波到时,本文利用2008年汶川MS8.0地震震时部分站点记录到的1 Hz高频GNSS数据,采用广义S变换将同震信号进行二维时频域平面分解,以此对P波和S波到时进行识别。本文通过调整广义S变换中的调节因子λa和p得出,当λa=1.05,p=1.05时,变换所得图像中的P波和S波到时均较为明显。结果表明,S变换在高频GNSS震相识别中效果明显,可作为GNSS地震学应用中一项有效的技术手段。

用最大似然法进行波场分解和震相识别

本文以介质中弹性波场的传播特征和多元统计分析为基础,从数学上进行严格的推导,得到了模型与资料拟合的最大似然判据,以检验地震波列中是否存在某种特殊波型的能量。利用概率滤波可得分解后的地震图,从图中可以直接得到震相到时。用此方法处理P波资料,效果较好。对于剪切波资料,有时处理结果不十分理想。这可能是由于径向分量和横向分量之间的线性相关性造成的。对于因介质各向异性而形成的分裂剪切波,用此方法得到的S波到时为快S波到时。此方法对于单台三分向记录资料的处理是十分有效的。

基于“加速度台阵”的近震震相识别方法

本文提出了一种在近震条件下,确定台阵三分向记录图中Pg波震相的初至识别方法,并对美国UPSAR台阵记录到的2003年发生在圣西门(San Simeon)地区6.5级的地震数据进行了Pg波震相分析和识别。分析结果表明,本文提出的震相识别方法是有效的。

谈远震特别区域震相记录特征与震相识别——以大同国家测震台观测资料为例

以大同国家测震台观测资料为例,总结了震中距10~°50°范围内特别区域地震震相特征和震相识别的方法,对震相识别的难点进行了说明,以图例的形式为判读震相提供了依据。

基于多矿物模型的测井相识别研究

多矿物模型分析基于组分分析原理，采用最优化解释方法处理砂泥岩地层和复杂岩性地层的测井资料，可分辨出单井剖面中地层矿物类别及其体积含量，由此可进行测井相识别。该方法弥补了钻井取心费用高和录井岩屑岩性描述与深度有误差的缺陷．为计算地层参数提供了可靠的岩性模型。该文应用该模型解释了新疆莫北油田M005井区10多口井的测井资料．获得了连续的地层矿物含量剖面、岩性剖面和各种储层参数。通过与岩心资料、录井资料等对比证实，多矿物模型分析提供了一种全新的测井相分析方法，测井岩性识别分辨率高，效果明显。

高频GNSS资料的强震震相识别与震中确定

利用2011日本东北Mw9.0地震和2008汶川Mw7.9地震若干台站的高频(1Hz)GNSS观测资料,通过精密单点定位方法解算出地震发生时的位移形变波形。对位移波形一阶差分得到震时高频GNSS速度时间序列,采用S变换谱的方法对该速度时序进行地震波到时的拾取,即震相识别。将地震波拾取结果用于震中位置和发震时刻反演,并与美国地质调查局USGS公布的资料对比。结果发现,两者日本地震震中位置相差约16km,发震时刻相差约0.7s;汶川地震震中相差约4km,发震时刻相差约0.4s。

一种基于相空间高斯混合模型的测井相识别方法

油层测井相识别是油田开发的重要依据.油层的测井相类别如果发生误判,将会影响它和邻井对应油层之间的连通对比关系的判断,造成开采方案的失败.测井相的类间差异小,领域知识要求高,属于难度较大的模式识别问题.在研究了混沌建模的基本方法后,给出了一种基于相空间高斯混合模型的测井相识别方法.对每类训练样本形成一个重构相空间,用EM算法学习得到一个高斯混合模型,待识序列按其属于不同类别的高斯混合模型的条件概率进行分类.该方法可以对不规则样本的形态参数进行估计,从而提高测井相的识别精度.实验结果证明了该方法的有效性.