微地震信号到时自动拾取方法

本文讨论了用于微地震信号到时自动拾取的几种方法的原理及特点,包括长短时均值比(STA/LTA)方法、AIC方法、基于高阶统计量偏斜度和峰度的PAI-S/K方法等,提出了移动时窗峰度的快速算法和改进的峰度拾取初至方法.对我国西部某地观测到的13359个微地震记录,采用两种时窗进行了初至到时拾取,并与人工拾取的结果进行了对比.为使所研究的方法达到最佳效果,采用DE全局搜索方法,以人工拾取的初至作为参照,以时差在0.3s以内的记录所占百分比作为目标函数,自动搜索最佳的拾取参数.结果显示,在拾取时窗选为P波初至前3s至S波初至位置时,AIC方法的结果最佳,时差在0.3s以内的记录占比达到93.6%;在拾取时窗选为包含S波到时的时窗时,改进的峰度法效果最佳,时差在0.3s以内的记录占比83.8%.

一种地震P波和S波初至时间自动拾取的新方法

地震P波、S波初至时间的拾取是地震波分析的一项基础性工作.本文提出了一种新的地震波初至时间自动拾取的方法:首先,把地震波的三分量时程曲线变换为一组空间向的能量变化率时程曲线;然后对能量变化率时程曲线进行STA/LTA(Short Time Average/Long Time Average,短时间的均值/长时间的均值)处理,拾取地震P波和S波的大致初至时间;最后提出采用一种二次方自回归模型对初至附近的能量变化率曲线进行二次方自回归处理,精确拾取出P波和S波的初至时间.本文采用了10组芦山地震的记录数据和150组汶川地震的记录数据对此方法的可靠性进行了检验.以人工拾取结果为参考,此方法具有很高的准确率和稳定性,同时,相比于常用的STA/LTA方法和AIC(Akaike Information Criterion,Akaike信息准则)方法,此方法在计算时间效率方面稍微逊色,但是对S波初至时间的拾取精度和可靠性更高.此方法丰富了地震P波、S波初至时间的自动拾取方法.

基于小波包和峰度赤池信息量准则的P波震相自动识别方法

基于小波包变换和峰度赤池信息量准则(AIC),提出了一种新的自动识别P波震相的综合方法,即小波包-峰度AIC方法.首先对由加权长短时窗平均比(STA/LTA)法粗略确定的P波到时前后3s的记录进行小波包三尺度的分解与重构,分别计算每个尺度重构信号的峰度AIC曲线并将其叠加,叠加曲线的最小值则为P波震相到时;然后对原始地震记录进行有限冲激响应自适应滤波以提高信噪比和识别精度;最后将小波包-峰度AIC方法应用到合成理论地震图及实际地震记录的P波初至自动识别中.结果表明:初至清晰度对识别精度的影响比信噪比对其影响更大;与单独使用加权STA/LTA方法和峰度AIC法相比,小波包-峰度AIC法具有更强的抗噪能力,识别精度更高;当初至清晰时,小波包-峰度AIC法自动识别与人工识别的P波到时平均绝对差值为(0.077±0.075)s.

利用标准时频变换方法在强噪声环境下无偏拾取地震P波、S波到时

地震P波、S波到时是精确分析地震水平位置、深度与速度结构等的重要参数,如何准确拾取P波和S波到时是地震学的一项重要的基础工作.大数据量与强噪声环境给地震到时的自动拾取带来了很大挑战.在频率域中可将信号与噪声分离,但会造成震相的偏移.针对上述问题,本文在STA/LTA、AIC方法的基础上,引入了标准时频变换(Normal Time-Frequency Transform,NTFT),结合信号时间域与频率域特征,提出了基于NTFT的STA/LTA方法,以及基于NTFT的AIC方法来拾取P波和S波的到时.基于NTFT的STA/LTA方法通过构建即时频率约束的特征函数,以增强地震信号振幅响应的变化特征.基于NTFT的AIC方法则根据NTFT的变换系数定位即时频率-时间基准点,通过滑动窗口直接对标准时频谱进行AIC处理拾取最佳到时.本文采用了不同强度噪声的60组合成数据和105组实测地震数据对方法的可靠性进行检验.以人工拾取到时为参考,实测数据中NTFT-STA/LTA方法拾取P波、S波到时的均方根误差分别为0.36 s和0.56 s;NTFT-AIC方法拾取P波、S波到时的均方根误差分别为0.25 s和0.35 s.相比于STA/LTA、AIC方法,NTFT改进后的方法提高了P波和S波到时的拾取准确率,为强噪声环境下的地震波形到时拾取提供了新思路.

一维响应变量时最高无毒副作用剂量水平的识别

在毒性试验中,将暴露在某一剂量水平下的处理组与接受相当于零剂量处理的对照组相比,随着药物剂量的增加,感兴趣的变量通常会呈现一种递增的趋势.考虑不会导致风险显著增加的最高剂量,本文使用AIC(Akaike information criterion)方法得到该剂量水平的强相合估计,并且通过两组数据及模拟的结果来说明AIC方法的优良性.

纵向数据下药物剂量水平的统计分析

考虑在纵向数据情况下不会导致风险显著增加的最高剂量的估计问题.基于A IC(A kaike In form ation C riterion)的思想提出了一个新的估计方法,证明了该估计的强相合性,并通过模拟的结果说明了其对于中小样本的优良性.