新疆乌鲁木齐及周边地区非天然地震特征与识别

选取2017—2023年M L2.4~3.8新疆地震台网记录的20个爆破、5个塌陷、25个地震事件,采用波形记录特征、垂直向P波初动方向、振幅比、时频分析方法开展非天然地震特征研究。分析结果表明,非天然地震和天然地震在时域和频域方面存在明显不同,爆破事件垂直向P波向上发育、周期小、S波的振幅和周期变化不明显、容易与面波混淆;塌陷事件垂直向P波向下、P波S波成组出现且接近、波形较爆破简单;两者震动衰减较快,面波发育。爆破Pc/Sm的值大于0.42、地震小于0.42、塌陷Pc/Sm的值大于0.62。爆破Pm/Sm的值大于0.70、地震小于0.70、集中在0.40左右、塌陷Pm/Sm的值在0.55左右;时频分析方面爆破和塌陷频率成分简单,能量峰值在4 Hz以下,频域较窄,以低频面波为主,衰减较快,呈现出“少峰”特征。地震频率成分复杂,分布在4~16 Hz之间,频域较宽,主频不固定,呈现“多峰”特征,能量分布在S波。以上识别判据为今后区分研究区内非天然地震特征提供有效参考。

基于SpringBoot和百度地图的非天然地震事件处置平台的设计

为提高非天然地震事件处置效率,优化地理信息展示方式,减轻值班人员负担,基于SpringBoot、百度地图和POI技术设计非天然地震事件处置平台。该平台通过解析速报信息调用模板产出事件报告,借助百度地图标识震中及周边设定范围内的台站、历史地震和矿企的地理位置,并计算出上述区域与震中的距离及其基本信息,同时提供对台站、历史地震和矿企信息的数据管理、查询及地图展示服务。该平台的研发解决了报告产出周期长、数据查询不便、无可视化方式展示地理信息的问题,提升地震应急信息服务能力。

辽宁抚顺地区非天然地震的特征与识别

选取2013年以来辽宁抚顺地区记录到的非天然地震数据,通过对比分析发震时间、震级、震源深度、震中位置、波形、频谱等特征,对非天然地震事件进行了统计研究。结果表明:抚顺地区非天然地震发震时间比较有规律,震级范围主要集中在M_(L)2.0~3.0,具有周期大、衰减快、持续时间短的特征;其中塌陷优势频率较低,主要集中在0~3Hz,主频为1Hz;爆破优势频率较高,主要集中在0~5Hz,主频为1Hz;天然地震事件的优势频率主要集中在1~22Hz。通过总结抚顺地区非天然地震波形的特征和识别手段,提出了天然地震和非天然地震区分方法,从而大大提高了值班人员的地震识别能力。

浅谈以矿震和水库地震为例的非天然地震公共服务需求

以矿震和水库地震为切入点,针对非天然地震的公共服务需求,从灾害预警体系、应急救援体系、网络平台建设和受灾群众心理健康等方面同国内外现状进行比对。结果发现:此类体系的建设可以减少对公众的生命和财产安全的威胁,有力有序有效地应对各种非天然地震,提升我省面对地震灾害风险的防范处置能力。

基于深度学习方法检测大同矿区非天然地震事件

利用深度学习方法对2022年6月1日至8月31日大同非天然地震试验台网8个台站、山西及周边邻省地震台网32个固定台站的连续波形进行微震检测,产出非天然地震自动编目结果。自动编目结果和人工编目结果的对比显示,自动编目产出非天然地震事件数量是人工编目的7.9倍,检测匹配率达86.9%;发震时刻偏差1 s以内的占总匹配事件的91.5%;震源位置偏差在5 km以内的占83.0%;M L震级偏差在±0.3以内的占81.1%;震源深度偏差在2 km以内的占60.1%。分析认为,实时智能处理系统对大同矿区非天然地震目录完整性有较大程度的补充,定位精度较高,可应用于大同矿区非天然地震检测、活动性分析及定位等工作。

浙江省非天然地震区域特点和识别方法

随着科技进步和工业发展,浙江省数字地震台网记录到越来越多的非天然地震事件,2015年至2021年记录到2 400余个非天然地震事件。为便于工作人员快速分析、研判地震事件性质,及时开展应急救援工作,对非天然地震事件的区域特点及识别方法的总结尤为重要。本文概述天然地震与非天然地震的波形特性,对浙江台州临海、舟山岱山、温州文成和湖州长兴4个典型区域的非天然地震波形进行震相分析、统计计算和频谱分析,并与同区域的地震波形相比较,获得浙江省非天然地震的规律与特征,归纳出浙江省不同区域的非天然地震波形特征和识别方法。

乌兰浩特地区非天然地震事件与地震特征分析

选取2022年以来乌兰浩特地震监测中心站记录的非天然地震事件和地震数据,基于发震时刻、P波初动方向、振幅衰减特性、A_(S)/A_(P)(振幅比)、频谱特性等,对非天然地震事件特征及识别方法进行研究。结果表明,非天然地震事件具有发生时间规律明显、P波初动向上识别率高、振幅衰减快、A_(S)/A_(P)比值偏小、低频特性明显等特征。此研究结果可作为地震台站识别非天然地震事件和地震的有效判据。

基于BP神经网络的天然与非天然地震识别

基于BP神经网络算法,选择山东地区天然与非天然地震事件为研究对象,选取P波初动方向、P波初动振幅与S波最大振幅比以及P波最大振幅与S波最大振幅比作为神经网络输入元,构建合理的网络模型,搜集大量的地震样本数据进行训练,实现对山东地区天然与非天然地震事件的识别。震例预测结果显示,P波初动方向和振幅比可以作为识别天然地震和非天然地震主要依据,BP神经网络方法具有对地震事件类型识别的可行性。

广东非天然地震的特征与识别

概述了非天然地震的范畴、广东非天然地震的类型。通过对非天然地震事件和天然地震的震相分析、统计计算、分析研究得出广东非天然地震的一些规律与特征,如非天然地震的振幅比AS/AP和波的持续时间τ值比天然地震小,发震时间比较规律等,讨论了非天然地震的识别方法。

内蒙古地区非天然地震的特征与识别

基于2014年以来内蒙古测震台网观测报告,对所记录的非天然地震事件进行统计分析。提出了区分天然地震与非天然地震的一般方法。从地震事件的三要素、波形、频谱等方面对比分析内蒙古地区非天然地震与天然地震间的差异发现,内蒙古地区非天然地震具有发震时刻与发震位置较固定与集中、震级ML<3.5、面波较发育、能量衰减较快、优势频率主要集中在1—6 Hz等特征。并通过对比内蒙古不同地区典型震例,进一步总结出内蒙古地区非天然地震的地方性特征。研究结果有利于提高内蒙古地区非天然地震的识别能力,可为今后开展该区非天然地震自动识别研究提供基础资料。

北京市地震局非天然地震事件信息发布服务

近年来,"非天然地震"逐渐进入公众视野,国内相继发生多起非天然地震事件,如天津港和江苏响水爆炸事件、西藏江达山体滑坡事件以及山东郓城冲击地压事件等,造成了重大社会影响和人民生命财产损失(王凌等,2020)。非天然地震事件逐渐成为社会热点问题。2019年,为进一步规范非天然地震事件监测核实流程,提高地震监测台网社会服务能力,中国地震局监测预报司组织有关部门编制《<非天然地震事件专报>模板及编制规程》。若有符合条件的非天然地震事件发生,将按照该规程以专报形式报送中国地震台网中心。

基于AlexNet卷积神经网络模型的宁夏天然地震和非天然地震识别研究

宁夏回族自治区及周边天然地震和非天然地震频发,精确快速识别天然和非天然地震有利于震后应急响应、科学研究、赈灾救援等工作。基于AlexNet卷积神经网络模型,选取宁夏境内及周边130个地震事件(天然地震80个、非天然地震50个),对其进行了单个台站波形记录地震事件的训练和多个台站波形记录地震事件的测试,并将模型结果与宁夏测震台网人工编目结果进行比对,结果表明单个台站波形记录地震事件的训练结果中,AlexNet卷积神经网络模型对宁夏天然地震和非天然地震的正确识别率为99%;多个台站波形记录地震事件的测试结果中,此模型对宁夏天然地震和非天然地震的正确识别率为97.01%。AlexNet卷积神经网络模型作为人工智能领域的成熟技术之一,可以很好的运用于宁夏天然地震和非天然地震的识别工作之中。

青海东部地区非天然地震识别与波形特征分析

通过实地调研结果,简述了青海省东部地区非天然地震的主要类型。结合青海数字地震台网记录到的非天然地震和天然地震事件波形进行震相分析研究,得到非天然地震的一些规律,总结出青海省非天然地震波形的特征与识别方法。研究结果提高了青海测震台网地震速报中非天然地震的判别能力,为更好地完成非天然地震信息服务和震相研究提供了参考依据。

矿震和水库地震等非天然地震的公共服务需求调查研究

采矿、水库蓄水等人类活动可能伴随地震的发生,其突发性和破坏性会对公共安全、社会稳定和经济发展带来威胁。本文围绕国内外矿震、水库地震等非天然地震事件的公共服务需求和相关部门的应急处置措施进行调研分析,发现对于不同类型的地震,公共服务需求存在差异,归纳得到以下针对地震部门和相关单位的应急处置对策建议:震前,完善和落实应急预案,提升建(构)筑物抗震设防等级,规范相关企业行为;震时,判别地震类型并核准地震信息,多部门联动开展应急响应,完善灾情收集渠道;震后,注重科普宣传和舆论疏导。平震结合,多方协调,可有效应对非天然地震事件,维护社会稳定和谐。

山西大同、朔州地区非天然地震特征与识别

通过震相特征、P波初动方向、As/Ap振幅比、频谱等,对山西北部非天然地震的特征及其识别进行研究。结果表明,爆破、塌陷具有相对独特的震相特征,塌陷震相频率单一、面波明显且出现早,爆破震相的P波发育且初动强而尖锐,波列衰减较快,持续时间短;在P波垂直初动方面,震中距100 km范围内,塌陷超过85%的台站初动向下,爆破超过78%的台站初动向上;爆破的S波与P波最大振幅比(As/Ap)小于塌陷;在频率特征方面,爆破的优势频率集中在0~5 Hz,宽于塌陷,主频为1 Hz。塌陷的优势频率集中在0~2 Hz,主频为1 Hz,低频率成分相对简单。

兰州市红古区非天然地震记录特征分析

选取2010年1月至2020年8月期间甘肃区域测震台网记录的兰州市周边地区三分向宽频带数字波形资料,采用震中位置空间分布、波形特征及傅里叶频谱特征对比等多种方法相结合,分析兰州市红古区非天然地震活动的特性。结果显示:该区临近测震台记录的大量地震事件波形特征和傅里叶频谱特征与其他区域地震存在显著差异,符合非天然地震的典型震相特征,且空间分布密集、震级较大,初步分析与该区矿产资源开发活动密切相关。对红古区非天然地震特征的研究有助于台网工作人员快速、准确的判别兰州周边地震类型,同时对兰州市地震灾害风险评估与防治也具有积极的参考价值。

非天然地震的波形特征与识别方法

依据不同类型地震波的特征对震相进行识别,一方面避免了天然地震与非天然地震的混淆研究,另外一方面可提高地震速报的效率。因此有效提取地震记录上地震事件的共性,总结各类型非天然地震的特征显得较为重要。

甘肃省非天然地震分布特征研究

近年来非天然地震受到越来越多的重视,台网工作人员迫切需要对责任区内非天然地震多发区域、波形特征、频谱特征等进行归纳总结,形成图谱以作为工作参照。本研究选取并重新校正了2010年1月—2020年10月记录的甘肃省行政区划内ML≥2.0的非天然地震事件共387例,发现甘肃省内存在白银区、金川区、红古区、华亭市、肃南县、永登县6个非天然地震多发区域。经过对各地非天然地震的波形特征、记录特征和傅立叶频谱特征进行分析,不同发震地点的非天然地震因为其震动类型、震源深度和地层结构的不同,波形和傅立叶频谱存在明显差异,震源深度、地层介质和震动类别决定了非天然地震的波形特征和频谱特性。

2019年12月9日三河非天然事件定位和识别分析

2019年12月9日12时29分,北京市、河北省、天津市地震台网同时记录到河北三河——北京平谷交界发生非天然地震,震级MS1.0。由于同样的经纬度在不同版本地图更新情况下不同、数据的不完全性及人工测量存在一定误差等特殊原因,地震类型识别困难,因此用地震波型来识别该地区发生的地震事件类别这一手段具有十分重要的意义。基于北京市台网地震台站的实时波形记录记录数据,使用了LOCSAT定位法对该事件进行了识别与分析,研究结果表明,此次地震事件为三河地区的一次爆破地震。

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。