-
题名昭通巡龙测震台强夯土事件与微震波形特征分析
- 1
-
-
作者
王泽兰
-
机构
云南省地震局昭通地震监测中心站
-
出处
《高原地震》
2023年第3期16-20,34,共6页
-
文摘
通过对比分析昭通巡龙测震台记录的重型地面平整机施工事件和微震记录的波形特征差异,认为:强夯土事件释放能量当量相当于ML0.6~1.4级地震,P波初动向下、能量衰减快、波形持续时间短,P/S振幅小于天然地震,两者记录的频谱特征差异较大;微震震相明显,强夯土事件震相不明显。通过分析强夯土事件与微震波形特征差异,可以为非天然地震和天然地震分类识别提供依据。
-
关键词
强夯土事件
微震
特征差异
分类依据
-
Keywords
Strong compaction event
Micro earthquake
Characteristic differences
Classification basis
-
分类号
P315.3
[天文地球—地震学]
-
-
题名基于卷积神经网络的天然地震和非天然地震识别
- 2
-
-
作者
彭登靖
-
机构
云南省地震局昭通地震监测中心站
-
出处
《高原地震》
2024年第2期36-40,共5页
-
基金
云南省地震局青年基金项目(项目编号:2023K05)资助。
-
文摘
为实现天然地震和非天然地震分类识别,利用云南省及周边地区范围内测震台站所记录的302次天然地震和308次非天然地震事件(爆破、塌陷、强夯土等)为神经网络模型测试集、训练集数据,设计了VGG19卷积神经网络模型对天然地震和非天然地震进行分类识别。结果表明:VGG19对训练集与测试集数据的识别准确率达92%以上;天然地震的识别准确率为96%以上,非天然地震的识别准确率约为98%。通过实验说明,VGG19神经网络模型对天然地震和非天然地震识别具有实用意义。
-
关键词
VGG19
卷积神经网络
天然地震
非天然地震
识别
-
Keywords
VGG19
Convolutional neural networks
Natural earthquakes
Non natural earthquakes
Recognition
-
分类号
P315-39
[天文地球—地震学]
-