您现在的位置: 首页> 研究主题> 天然地震

天然地震

天然地震的相关文献在1989年到2022年内共计196篇,主要集中在地球物理学、石油、天然气工业、自动化技术、计算机技术 等领域,其中期刊论文159篇、会议论文25篇、专利文献77685篇;相关期刊91种,包括地震学报、四川地震、地球物理学报等; 相关会议19种,包括2015地球物理信息检测与计算技术应用研讨会、第十届国家安全地球物理学术讨论会、第七届国家安全地球物理专题研讨会等;天然地震的相关文献由492位作者贡献,包括刘代志、李夕海、韩绍卿等。

天然地震—发文量

期刊论文>

论文:159 占比:0.20%

会议论文>

论文:25 占比:0.03%

专利文献>

论文:77685 占比:99.76%

总计:77869篇

天然地震—发文趋势图

天然地震

-研究学者

  • 刘代志
  • 李夕海
  • 韩绍卿
  • 沈萍
  • 黄汉明
  • 丘学林
  • 张斌
  • 曹俊兴
  • 李大伟
  • 李磊
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 田宵; 汪明军; 张雄; 王向腾; 盛书中; 吕坚
    • 摘要: 天然地震和爆破事件识别是地震监测预警的重要内容.近年来,快速发展的深度学习算法以其强大的数据特征挖掘和图像识别能力,能够较快并准确地约束地震事件属性.利用多输入卷积神经网络算法构建天然地震和爆破事件自动分类网络模型,其中输入信息包括多台站地震波形和单台站的地震时频数据,使得卷积神经网络同时获取事件的波形、频谱和极性特征.根据美国犹他州2012年记录到的天然地震和采石场爆破的观测资料,构建深度学习的训练数据集并进行模型训练,并据此判断2013—2016年间已知的天然地震和爆破事件.结果表明,多输入卷积神经网络具有较高的识别精度,识别率高达97%.
    • 刘爱文; 张立宝; 王铭锋
    • 摘要: 前言天然地震是由于地壳活动引起地面震动的一种自然现象。然而这只是一种笼统的说法,地震学家们更关心的是地表深处震源区的岩层到底是如何破裂的?这种破裂与我们看到的地表破裂、与我们能感受到的地面震动有什么关系?通过对地震波的分析,科学家们发现,发生地震的断层(发震断层)的破裂速度是一个影响地表破裂和地面震动强度的关键的因素。
    • 摘要: Journal of Geophysics and Engineering(JGE)是由中国石化石油物探技术研究院主办、英国帝国理工大学协办、牛津大学出版社出版发行的SCI检索国际性期刊.主要登载地球物理与油气藏工程方面的高质量文章,内容涉及岩石物理、勘探地球物理、油藏综合地球物理以及相关的工程地球物理等。也欢迎地球动力学、天然地震、油气地质等相关领域的学者投稿。该刊为双月刊,2019年起采用完全开放获取模式出版。
    • 邵永谦; 王国成; 彭钊; 于海英; 王鹏; 王成睿
    • 摘要: 以上海地区记录到的天然地震和“4·20”上海中环中心爆破、“4·26”浦东爆破为例进行标准时频变换分析,并对得到的标准时频谱特征进行研究。通过对时频谱进行对比可看出:经过NTFT变换后的数据相对于小波变换、时频域的分辨率有显著的提升,可更为清晰地展示出地震信号和背景噪声的信号特征,在一定程度上,能对不明显的地震波形,甚至被噪声淹没的地震信号进行有效的识别;上海地区天然地震与爆破事件的频率均主要分布在20~40 Hz范围内,频带范围差异不大;天然地震能量信号多集中在20 Hz附近,而爆破事件能量信号则大致集中在30~40 Hz之间;天然地震能量分布呈现“多峰”特征,而爆破事件则表现出相对“少峰”,主要呈现出高能量、小范围冲激形式的特点。
    • 薛思敏; 黄汉明; 施佳鹏; 袁雪梅; 黎炳君
    • 摘要: 文章对地震波形进行经验模态分解(EMD),对分解后的内模函数(IMF)进行时域特征提取,由所提取的特征对天然地震和人工爆炸2类事件源类型进行分类识别,结果表明,由IMF所提取的时域特征具有良好的区分识别能力。采用经验模态分解将原波形信号分解为7个内模函数和残差函数,对原波形、每个内模函数和残差函数分别提取26个时域统计特征,组成9个特征组(命名为Q_(0),Q_(1),…,Q_(8));再计算7个内模函数的幅度能量比得到7个能量比特征,再和选择前4个内模函数的26个时域统计特征中的8个特征共32个特征组成一个有39个特征的特征组(命名为Q_(9))。对这10组特征样本集进行单组、多组的特征组合事件类型识别实验,采用对称KL距离(Kullback-Leibler divergence)、以事件为识别单元进行分类识别;每次识别实验,随机选取部分(30%,50%,70%,或90%)事件的所有观测台站的3分量的所有波形相应特征组的特征同时作为训练样本和测试样本集,多次反复进行实验,结果表明第2个内模函数提取的时域统计特征在选择90%事件时识别效果最好,正确识别率大于90%;这说明,内模函数具有比原波形更好的事件类型区分能力,可为由波形识别事件源类提供更为有效的特征。
    • 摘要: Journal of Geophysics and Efi^ineer-ing(JGE)是由中国石化石油物探技术研究院主办、英国帝国理工大学协办、牛津大学出版社出版发行的SCI检索国际性期刊.主要登载地球物理与油P藏工程方面的高质量文章,内容涉及岩石物理、勘探地球物理、油藏综合地球物理以及相关的工程地球物理等。也欢迎地球动力学、天然地震、油气地质等相关领域的学者投稿。该刊为双月刊.2019年起采用完全开放获取模式出版。
    • 庞聪; 江勇; 吴涛; 廖成旺; 马武刚
    • 摘要: 由于震源识别模型判据选取不当或关键参数设置不合理,现有地震辨识模型的性能受到一定制约。为了改善地震类型识别效果,优化反向传播(back propagation,BP)神经网络参数设置,提出了一种经验模态分解(empirical mode decomposition,EMD)多尺度近似熵(multi-scale approximate entropy)判据,并讨论训练函数、激活函数、隐藏层神经元数目与学习速率等网络参数对地震辨识的影响。首先,针对多组天然地震事件及人工爆破事件波形进行关键信息提取与归一化,利用EMD算法提取6个本征模态函数(intrinsic mode function,IMF)和1个剩余分量(residual),然后分别计算近似熵得到EMD多尺度近似熵向量;再次,设计一系列BP神经网络调参实验,研究BP神经网络参数对地震类型识别的影响。结果表明,训练函数、激活函数、隐藏层数目等参数对地震辨识产生了明显的影响,辨识效果较好的参数组合为:训练函数采用共轭梯度法,输出层激励函数为purelin函数,隐层激励函数为logsig函数,隐层节点数和学习率分别设置为10和0.01,此时的Accuracy、Speed、MSE分别为97.0897%、0.3059 s、0.0382。该研究弥补了神经网络调参和EMD多尺度近似熵判据在震源识别领域的空白,有助于提高与改善地震识别的准确率和稳定性。
    • 孟娟; 张家声; 李亚南
    • 摘要: 快速、准确地识别天然地震和人工爆破事件是地震台网监测的重要工作之一,也是提高地震观测记录质量、开展地震研究工作的重要基础。针对反向传播神经网络、支持向量机等主流分类识别方法在地震事件分类识别应用上的不足,提出一种基于改进EWT和LogitBoost集成分类器的地震事件分类识别算法。首先,基于S谱能量曲线对传统经验小波变换进行改进,将信号自适应分解为按频率和能量分布的本征模函数;其次,提取P波与S波最大振幅比,前4个本征模函数的香农熵、对数能量熵,以及去噪后重构信号主频等特征;最后,采用基于集成学习LogitBoost的决策树集成分类器进行分类。实验结果表明,所提算法具有较高的鲁棒性,能有效解决样本不足的问题,识别准确率达93.1%以上,比集成学习AdaBoost、反向传播神经网络和支持向量机等方法提高了1%以上,且分类识别效果好。
    • 左洪; 裴顺平; 何建坤; 孙权; 薛晓添; 刘雁冰; 李佳蔚; 李磊
    • 摘要: 冰川地震学结合了冰川学和地震学的综合优势,形成一门年轻的交叉学科.冰震是指冰川运动和破裂过程中产生的振动,包括从微小的嘎吱声到相当于7级地震的突发性破裂或滑动.当前,根据冰震发生的位置以及发生机理的不同,将冰震大概分为五类:冰川表层破裂、冰川终端崩解、冰内水力压裂、冰腔水流震荡、冰层基底黏滑.冰震研究除了可以采用传统地震学方法外,也可以结合GPS、数值模拟、冰川物性等多学科综合方法来研究,进一步可以探究冰崩的发生过程及危险性评估.本文回顾了国内外冰川地震学的研究进展,介绍了我国研究人员在青藏高原地区开展的冰川地震研究工作,综合探讨了冰川地震对天然地震研究的启示.
    • 贾正大; 林彬华; 张国平
    • 摘要: 水听器(Hydrophone)可以应用于海洋地质和海洋地震的勘探工作,在观测地震时,往往被当做海底地震仪的第四个分量。通过与海洋地震仪的其他分量对比,水听器在检测天然海洋地震时表现出来的性能还有非常大的提升空间。文章利用漳州浯屿岛海底地震台采集到的天然地震动数据和三组人工地震数据,对长期在海底环境下工作的水听器工作性能进行分析。通过对比水听器检测到的天然地震和人工地震波形图随距离的变化情况,判断出水听器在检测气枪信号的范围远大于检测到天然地震的范围,而且检测到的信号高质量与震源能量大小有关。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号