昭通巡龙测震台观测资料质量分析与研究

以昭通巡龙测震台2018—2021年间国家测震台站观测资料质量评估结果为基础,通过分析历年扣分问题及产生问题的原因,结合台站实际情况,给出了提升资料分析水平和加强系统运行能力等方面相应的经验及技术对策。为今后有针对性、有计划地提高昭通巡龙测震台测震观测质量提供可遵循的依据,并对本台及兄弟台站提高测震观测资料质量具有一定的指导和借鉴意义。

昭通巡龙测震台强夯土事件与微震波形特征分析

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。

昭通巡龙测震台台基背景噪声特征分析

选取昭通巡龙测震台2019~2022年相同时段内的地震观测资料,对地震观测数据进行静态地脉动噪声功率谱密度(PSD)估计和静态地脉动速度噪声有效值(RMS)计算。通过数据对比分析,得到昭通巡龙测震台近四年背景噪声变化特征。分析发现,仪器观测频带内整体噪声处于正常水平,年变化形态不明显;随着季节的不断变化,昭通台背景噪声水平也出现相对应的变化,高频部分受人类活动影响,具有明显的季节变化特征。

基于卷积神经网络的天然地震和非天然地震识别

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。