基于机器学习和台阵相关性的水力压裂微地震事件自动识别及到时拾取

利用密集台阵对水力压裂微地震进行监测将有助于优化储层压裂、揭示断层活化.为满足密集台阵海量采集数据的处理需求,本文建立了一种综合运用多种机器学习方法和台阵相关性的、无需人工干预的自动处理流程,从而能够快速得到高质量的密集台阵震相到时目录.该综合策略包括:(1)利用迁移学习在连续波形中快速检测地震事件;(2)利用U型神经网络PhaseNet自动拾取P波、S波震相;(3)利用三重线性剔除法,结合密集台阵到时相关性剔除异常到时数据和地震事件;(4)利用K-means和SVM两类机器学习算法,进一步区分发震时刻接近的多个地震事件,减小事件漏拾率.通过将该流程应用于四川盆地长宁—昭通页岩气开发区微地震监测数据,并将自动处理结果与人工拾取结果进行比对发现,二者在震级测定、定位以及走时成像结果等方面具有很好的一致性,表明本文处理流程结果精度可达到手动处理精度.本文结果为密集台阵地震监测数据的高效、高精度处理提供了新思路.

地磁台网高压直流输电判别处理系统设计

介绍地磁高压直流输电干扰自动判断处理系统的主要功能、架构设计和运行流程,并对其核心功能的实现过程进行描述。本系统为全国地磁观测人员处理高压直流输电干扰提供具体时间、幅度参考标准,有利于地磁预处理数据质量的提高。

基于Web的地震前兆应用数据库管理系统设计

针对当前地震前兆数据管理系统在数据管理安全性和数据利用便利性上存在的冲突,基于现有系统提出了一套完整的解决方案,采用B/S架构,设计基于Web的地震前兆应用数据库管理系统,在不影响现有系统正常运行的基础上,较好实现了应用数据库和原始数据库的同步和分离。

汶川大地震中的应急地震学

2008年5月12日,四川省汶川县发生了毁灭性大地震.地震发生于一段曾被认为存在中度地震危害性的断层上,在震前几乎没有观测到前兆现象.考虑到四川省现有地震台的覆盖面,应急地震学本来可以有效地避免地震带来的一些破坏,并对震后应急反应方面给予帮助.从回顾的角度上看,文章证明仅仅用两个三分量地震台站就足够在10s内对地震的震中位置给出误差范围在20km的定位.从P波初至的前4s信号,可以估计地震的震级为7级;更准确的震级估计则可以利用耗时2min的Pnl波形模拟来完成,此时在500km外的地震台站刚刚接收到S波.利用震后2h内发生的5级以上余震,破裂区域能被很好的显示出来.在几个小时内,更详细的破裂过程和有限断层模型能通过分析远震体波记录来得到,并可随时用来计算地面强震动,从而在没有实时强震记录可用的情况下为救援工作提供重要资料.