利用改进的自组织网络进行地震属性分析

自组织神经网络结合地震属性技术往往被用于进行地震相的自动识别,但在实际应用中存在着一些问题难以解决:如神经网络的分类识别能力问题、怎样选取地震属性、怎样解决自组织聚类的有序映射等。对Kohonen自组织网络进行了部分改进,并利用灵敏属性分析技术来解决地震属性的选择问题,最后结合自组织聚类参数利用RBF网络对储层参数进行预测,较为有效地提高了地震多属性储层预测精度。

三峡地区震级偏差初步对比分析

选用三峡遥测地震台网和湖北省数字测震台网共同记录到的发生在三峡地区的231次地震事件(2007年6月—2009年12月,MSL≥2.0),对两个台网所确定的地震震级进行对比研究,结果表明用三峡遥测地震台网资料得到的地震震级偏大:2.0≤MSL<2.5的地震,MSL比MLH大0.16级;2.5≤MSL<3.2地震,MSL比MLH大0.11级;MSL≥3.2地震,MSL与MHL基本相等。

神经网络在震相识别中的应用

设计了三阶段的三层 BP神经网络对地震震相进行分类识别 ,系统将地震震相分为 4类 :远震 T、区域性 S、区域性 P、噪声 N;网络训练测试利用了 STKA台站的 2 0 0组数据 ,样本集和测试集各占 10 0组 (其中 3 0个远震 T波、 2 0区域性 P波、 2 0区域性 S波、 3 0噪声 N ) ,三阶段的平均识别效率分别为 91% ,93 .8% ,98% ,实验证明 ,用神经网络对地震震相进行自动识别是可行的 。

地震相技术应用实例

本文主要通过实例介绍地震相分析技术在渤海湾地区识别三角洲、浊积体、曲流河等方面的应用效果。实际应用中,针对渤海湾地区的勘探开发目标,运用人工神经网络和主组分分析(PCA)等技术和方法,对研究区的地震道波形变化特征及其反映的地质特征进行识别和分类,得到地震相图,并结合已钻井资料和地质资料进行对比和综合分析,得到地震相对应的沉积相,进而划分有利储集相带,为研究区实施进一步勘探开发提供依据。

山西数字地震台网观测报告质量分析

以山西测震台网2016-2018年的地震观测报告为基础,分别对震中分布、主要震相、震源深度和震级等参数进行统计分析,认为山西测震台网震相分析质量较高,无偏差较大的现象发生。通过线性拟合的方法得出山西地区主要震相的平均传播速度,验证了该地区地壳速度模型的正确性。

山西大同数字遥测地震台网记录的震相特征

从地球及地壳的分层结构出发,使用较成熟的理论,从地震波传播的基本原理入手,结合多年的震相观察分析工作实践,选取了山西大同数字遥测地震台网近年来的一些典型震相进行了分析,得出本台网记录到震中距小于100km的地方震震相有Pg,P11,Sg,S11,震中距在100km～500km的近震震相有Pn,Pg,P11,Sn,Sg,S11,对比分析了在本台网内及周边地区发生的爆破与天然地震在震相上的差异性,并对其特征作了较详细的描述。

北京台网震相分析与大震速报

阐述了北京台网近远震和特殊震例的震相分析以及如何迅速准确地对大震进行速报。

兰州区域数字地震遥测台网常用近震定位程序的定位效果分析

对兰州台网2002年1月1日至2002年10月31日网内、网缘共100次2.0≤ML≤4.3以上地震事件的Hypo81、Genetic、NearLoc三种定位程序的定位结果作了研究分析,结果表明:NearLoc程序的定位效果明显优于其它两种定位程序,其使用范围广,对网内、网缘以及网外1 000 km以内的地震都有较好的定位效果。

镜泊湖火山区波形事件识别及活动性分析

对镜泊湖火山监测台网自2008年投入观测以来记录到的地震、爆破等事件波形通过波形特征、倒谱分析等方法进行识别,建立镜泊湖火山台网地震目录。选取火山区的典型地震事件进行频谱分析,探讨划分镜泊湖火山区地震的类型,分析镜泊湖火山区地震活动性,并以此为基础深度研究西太平洋板块的俯冲作用对火山区构造地震的影响。

遥测台网的震相分析

遥测地震台网要给出较好的地震定位结果 ,需要正确地判断各类震相 ,总结提高快速处理方法 。