基于波形相关性的地震事件分类
快速地震关联与定位
做进一步 精 定 位.REAL 计 算 很 高 效, 可 用 于 快 速 地 震 分 析. 我 们 将 REAL 应 用 于
２０１６ 年 １０ 月意大利亚平宁中部地震序列中的其中 ５ 天,这 ５ 天位于两个最大震级地震
的中间.REAL 关联和定位 了 比 意 大 利 国 家 地 球 物 理 学 与 火 山 学 研 究 所 日 常 编 目 记 录
波、S 波到时个数、其次计算走时残差的方式来实现定位.只要有足够的到时个数在理
论走时窗之内,我们就可以把这些到时自动关联到特定地震.地震位置确定在对应拥有
最多拾取个数的网格点,如果有多个网格点具有相同的最大拾取数,则选取它们中走时
残差最小的那个.我们使用最小二乘 定 位 法(
VELEST)和 高 精 度 相 对 定 位 法(
４１８００４０２６４)和中央级研究所基本科研业务专项(
DQJB１９A０１１４)项目资助
中国地震局地球物理研究所 赵 明 译
中央民族大学 徐胜男 校
５期
快速地震关联与定位
５２７
图 １ REAL 进行快速 地 震 关 联 和 定 位 的 卡 通 示 意 图.(
a)地 震 事 件 (红 色 五 角 星)和 地 震 台 站
是计算昂贵,因为需要在连续数据中逐点搜
索潜在发震时刻以及在三维空间中逐点搜索
潜在发震位置.基于到时的方法由于其高计
算效率而被 广 泛 用 于 常 规 地 震 监 测; 然 而,
类型(例如,P 波 或 S 波)在 检 测 期 间 被 解 释
基于波形的方法在检测小事件方面通常表现
如,Thu
r
b
e
r,１９８５)或全局(例如,Loma
１９９３; Wi
地震波形的特征提取及分类算法研究
地震波形的特征提取及分类算法研究地震波形特征提取及分类算法研究地震是一种典型的自然灾害事件，造成的人员伤亡和财产损失往往是巨大的。
地震预警技术的发展在一定程度上增强了人们应对地震灾害的能力。
其中的特征提取及分类算法是地震预警技术的核心内容。
地震波形的基本分类地震波形按照到达时间顺序和振幅大小，通常可以分为P波、S波和L波三种。
P波是一种纵波，速度最快，它的传播速度约为6-7km/s。
由于在地震发生时产生的压缩性波动，它是最先到达台站的波形。
S波是一种横波，速度仅次于P波，传播速度约为4-5km/s。
由于在地震发生时，在地壳中激发的横波，它在P波之后到达台站，并且它不能穿透液态物质。
L波是一种面波，速度较慢，传播速度同S波，但是强度更大。
在地震波到达后，它会在地球表面引起明显的震动和振荡。
地震波形特征提取地震波形特征提取是从复杂的地震波形中提取出对地震预测有意义的信息。
主要考虑的是在减少信息冗余的同时，保留包含关键信息的特征向量。
常用的特征提取算法包括主成分分析（PCA）和小波变换等。
PCA算法可以提取出必要的特征向量，然后使用这些特征向量来描述原始数据的最重要部分。
这个算法被广泛应用于信号处理、图像处理和地震波形分析等领域。
小波变换是把信号分解成一系列不同频率的小波。
小波变换不仅可以提取信号的频率信息，还可以从时间和幅度方面分析信号。
地震波形分类地震波形的分类可以根据波形形状、频率和振幅等特征进行分类。
常用的分类方法包括K-均值聚类和支持向量机等。
K-均值聚类是一种无监督的分类方法，可以将大量数据分为不同的类别。
该算法首先需要将数据集分为k个不同的聚类簇，然后通过迭代的方式使得每个数据点属于最近的聚类簇。
支持向量机是一种有监督的分类算法，它可以为数据集合找到最优的分类超平面。
该算法可以在低维和高维空间中构建分类模型，其分类效果非常优秀。
结论地震波形特征提取及分类算法在地震预警技术中有重要的应用价值，可以有效地减少地震预警误报率和漏报率。
VVA最新培训手册
VVA6.3培训手册郑雪兰 2010年5月目录第一：启动VVA： (1)第二、建工区及数据导入 (3)一、通过导入地震数据得到工区范围(Seismic) (3)二、导入层位数据(Horizon) (3)三、导入井的各项数据(Well) (4)第三、用层位来定义分析范围(Interval) (4)第四、对地震数据计算各种属性，包括分频计算，和多级属性计算 (4)第五、把已有的3D属性提到分析目标上 (4)第六、对各目标对象作属性分析 (4)1、直接分析某种属性： (4)2、多属性的主成份分析(PCA分析)： (5)3、颜色合并体分析(仅用于Strata-Grid和3D体)： (5)4、属性标定(仅用于Interval) (5)5、地震相分析(其中包含了波形相关分析、相的合并及相的继承性分类三种分析方法)概要： (5)一、根据已知点(井口位置或在某些线道号的位置)，做有约束性的波形分类图 (6)二、在Interval上用各种属性作无约束的地震相分类的步骤：(含模型道的合并) (6)三、在Strata-Grid中对单属性作地震相分类： (6)四、在Strata-Grid中对多属性作地震相分类： (7)五、在Strata-Grid中对多属性作地震相体分类： (7)六、对3D体作地震相分类： (7)七、对层面作地震相分类 (7)6、多属性交绘分析 (7)第一：启动VVA：1、双击桌面上的VVA快捷图标：；或2、开始 -> 程序-> Geomodeling Technology Corp ->VisualVoxAt-6.3.1499.0->VisaulVoxAt-6.3.1499.0弹出VVA主窗口，如下图，一、在下边有六页数据管理栏，分别是：1、Seismic(线)：导入的3D或2D地震及有各种方式计算的属性数据；2、Horizon(面)：3D层位及属性，和分布在各层面上的各种地震及或地震属性数据；3、Interval(层段)：对具有一定厚度的层段的两类分析方式：Interval(垂向上的统计分析)和Strata-Grid(垂向上的细化分析)，所得的各种属性；4、Well(井)：井数据的管理；5、Crossplot(交绘图)：交绘图及在交绘图上的各多边形的管理；6、Faultl(断层)：断层的管理；二、上边的四个快捷键分别是：1、新建或打开工区：2、保存工作工区： 3、打开工区底图： 4、打开三维图： 三、左边十二个快捷键分别是1、解释管理器（Interpretation Manager ）：层位、地质体、断层、平面上的多边形、剖面上多边形的显示方式的设置，和层段(Interval)的定义和是否显示的设置；2、井信息（Well Information ）：井基本信息的数据表；3、层位属性（Horizon Attributes ）：根据已经有的3D 地震数据或各种3D 属性数据，把它们在沿某层位置处的值提出来(沿层属性)； 3D 、2D 地震数据及属性管理栏3D 、2D 层位数据及属性管理栏 3D 、2D 层段数据及属性管理栏 井数据理栏 交绘图管理栏 断层管理栏各分析模块快捷按钮4、层段属性（Interval Attributes）：给已经定义好的某层段，按某种统计方式，计算已有的3D地震数据或各种3D属性数据的在该层段中的统计值；5、频谱分解（Spectral Decomposition）：对地震数据作分频计算，得多个单频分量和各道的频谱道集图；6、地层体定义（Strata-Grid）：根据层位定义地层体；7、主成份分析（Principal Component）：对层段属性、沿层属性、地层体属性作主成份分析；8、提指定点的模型道（Model Trace）：提在某层段或某地层体中的多个已知点(井点、或由线道号指定的点)的地震数据或某种属性的波形；9、地震相分析（Seismic Facies Classification）：对层段属性、沿层属性、地层体属性作地震相分析；10、波形相关分析（Waveform Correlation）：对已经提出有某种属性模型道的层段或地层体作该属性的波形相关分析；11、交绘图分析（Cross-plot）：可对有多种属性的剖面、3D体、层位、层段、地层体做交绘分析，及有多种测井曲线的井曲线做交绘分析；12、属性标定（Attribute Calibration）：对层段作属性标定；以上的5、7~12七项也可以在Tools下的子菜单中找到第二、建工区及数据导入(括号中的红色字为结果存放位置栏)一、通过导入地震数据得到工区范围(Seismic)1、导入3维地震数据：Import->3-D SEGY Data …2、导入2维地震数据：Import->2-D SEGY Data…二、导入层位数据(Horizon)1、导入3维层位数据：Import->Horizon->3-D Horizon…2、导入2维层位数据：Import->Horizon->2-D Horizon…三、导入井的各项数据(Well)通过Import->Well Data可以导入文本列格式的下列井数据：1、井头信息(ASCII Column-General Info)：井名、坐标、KB、完钻深度等；2、井斜(ASCII Column-Deviation)：每口井为单个文件，格式相同的可以一次导入；3、测井曲线(ASCII Column)：每口井为单个文件，一次只能倒入一个文件；4、LAS格式测井曲线(LAS Well Log)：每口井为单个文件，格式相同的可以一次导入；5、地质分层(ASCII Column-Formation Top(I))：层名层深度井名6、地质分层(ASCII Column-Formation Top(I))：井名层1名层2名层3名…7、井时深关系(Time-Depth Curve)：一个文件有多口井的时深关系，其格式：井名 TWT 深度第三、用层位来定义分析范围(Interval)1、统计方式来分析目标，定义层段(Interval)：—>Interval->Define2、看目标范围的细节变化，定义地层体(Strat-Grid)：第四、对地震数据计算各种属性，包括分频计算，和多级属性计算Seismic->单击对象名->鼠标右键->选要计算的属性。
微地震事件初至拾取SLPEA算法
微地震事件初至拾取SLPEA算法谭玉阳;于静;冯刚;何川【期刊名称】《地球物理学报》【年(卷),期】2016(59)1【摘要】微地震事件初至拾取是微地震数据处理的关键步骤之一.实际微地震监测资料中存在大量低信噪比事件,而传统方法对这些事件的应用效果并不理想.为了克服传统方法抗噪性弱的缺点,本文通过综合地震信号与环境噪声在振幅、偏振以及统计特征等方面的存在的差异,设计了一种针对低信噪比微地震事件的初至拾取方法——SLPEA算法.为了检验本文方法的可行性和有效性,分别对模型数据和实际资料进行了处理,并将处理结果与传统方法及手工拾取的结果进行了对比.分析表明,利用本文方法得到的初至到时与手工拾取结果的绝对误差平均值仅为1.33×10-3s,小于3个采样点;方差为3.21×10-6s2;初至到时在手工拾取结果±0.005 s误差范围内的个数占总数的95.8％.这些参数值均优于传统方法的同类参数,证明了本文方法的可靠性.【总页数】12页(P185-196)【作者】谭玉阳;于静;冯刚;何川【作者单位】北京大学地球与空间科学学院石油与天然气研究中心,北京 100871;中石化地球物理公司胜利分公司,山东东营 257086;中石化地球物理公司胜利分公司,山东东营 257086;北京大学地球与空间科学学院石油与天然气研究中心,北京100871【正文语种】中文【中图分类】P315;P631【相关文献】1.基于Shearlet-AIC算法的微地震初至拾取 [J], 巩佳琦;吴宁2.微地震事件不同初至拾取方法的对比分析 [J], 段建华3.低信噪比微地震事件初至拾取方法研究 [J], 宋维琪;喻志超;杨勤勇;郭全仕;王瑜4.基于波形相似特征的微地震事件初至拾取及全局校正 [J], 喻志超; 谭玉阳; 翟尚; 冯方方; 何川; 侯贵廷5.基于波形互相关的微地震事件自动识别及初至拾取 [J], 魏梦祎;谭玉阳;毛中华;冯刚;胡天跃;何川因版权原因，仅展示原文概要，查看原文内容请购买。
自然灾害知识：地震波形图和地形特征,对地质灾害的燃眉之急
自然灾害知识：地震波形图和地形特征，对地质灾害的燃眉之急近年来，全球各地发生的自然灾害层出不穷，其中地质灾害扮演了重要的角色。
而地震波形图和地形特征便是这些灾害中的燃眉之急。
本文将从以下三个方面，分别探讨地震波形图和地形特征在地质灾害中的作用：提醒意识、研究灾害机制和应急管理。
首先，地震波形图和地形特征的作用是提醒意识。
常常听到“灾难来临时，谁都可能成为受害者”。
这是因为，我们对于灾害的认知来自于观察和感受，而这种方式却是十分不可靠的。
以地震为例，地震波形图是地震参数的真实反映，它通过记录地面的震动情况，展示出地震波的传播路径和能量分布；地形特征则从地形的高低差、坡度和地质结构等角度，描绘出地理局势的形状和特点。
这两者结合可大幅度提高我们对灾害的认知和预防的能力。
在提醒意识方面，一方面需要政府部门主导，强化公众教育和宣传；另一方面也需要个人自觉行动，关注世界各地的灾情，及时调整自我防范措施。
其次，地震波形图和地形特征的作用是揭示地质灾害发生的机制。
地震是地质灾害的一个重要因素，而地震波形图是地震研究中的至关重要的工具。
通过对地震波形图的深入研究，科学家们能够分析地震的发生规律和传播路径，推测不同类型的地震对地质灾害的影响。
以四川汶川地震为例，灾后科学家彻底分析了地震波形图，确认了地震是由区块活动引起的，其造成的巨大能量直接导致周围多座山体滑坡和岩崩坍塌，形成了构成绵延不断的地质灾害。
地形特征则可进一步补充对地质灾害发生机理的了解。
山区地质构造复杂，地质构造不平衡易造成山体滑坡、泥石流等灾难事件；而平坦地区地质构造相对单一，地层分布相对稳定，地质灾害发生概率相对较低。
最后，地震波形图和地形特征的作用是在地质灾害应急管理上发挥重要作用。
在自然灾害交织的环境下，外界环境往往十分复杂，地震波形图和地形特征的信息十分明确的被用于指导应急救援行动。
地震波形图可为应急救援人员提供一个清晰、详细的地图，以便进行快速准确的定位和人员布置。
朝鲜半岛2次不同震源类型地震事件的倒谱特征
作 者 简 介 ： 富 胜 ， 究 员 ， 要 从 事 震 源 物 理 与地 震 核查 研 究 魏 研 主 基 金 项 目 ： 震 行 业 专 项 基 金 课 题 ：０ ７ ８ ０ 地 ２０００６ 本 文 收 到 日期 ： ０ ００ — ７ ２ １ — １０
域 初动半周 期 （ ２ 时。 式 ） 爆炸源 的远场 位移倒谱 的解析式 近似为
Ｆｒ 一 ｆｌ 一詈１ （ Ａｎ ） ｒ
ｒ 、 厶 ／
（） ３
式 中 Ａ 表示一 常量 。（ ） ３ 式表 明 ， 爆炸 源 的倒 谱 只在 ｒ 一０时发 散 。随 着 ｒ的增 加 ， ｒ 的形 Ｆ（） 态 比地震 简单 ， 呈单 调衰减 ， 充分表 现 出爆 炸源 的瞬 间激 发 的单 一性 。 与爆炸震 源 的单 调衰减 相 比 ， 震倒谱 的多 峰值 特征 是 地震 震 源断 层 破裂 复杂 性 在倒 谱 地 域 的反 映 。实 际地震 大都没有单 侧破裂 那样 简单 ， 层 面上 的位 错传 播 速度 亦 不是 恒定 的常 断 量 。有 时震源断 层 的破裂 错动 可能是在 多个 方 向上 多次有 限破裂 的多重事 件 ， 因此 ， 谱将会 倒 出现多个 极值 ， 正是震 源破裂 方式 的反 映 。 这 基于上 述物理 思想 ， 我们建立 了倒 谱 图 峰值 特 征 的数 学 描述 参 量 ｃ 魏 富胜 等 ， ０ ２ ， （ ２ ０ ） 以 往 研究结果 表 明 ， 通常地震 的 Ｃ 大于 １ 爆 破 ｃ 小于 １ 值 ； 值 。
欧拉常数 。
ａＬ ） —（ ～
的方 向与破裂传播 方 向之间 的夹角 。
自然灾害知识：地震波形与速度衰减曲线,对地质灾害的影响和预测研究
自然灾害知识：地震波形与速度衰减曲线，对地质灾害的影响和预测研究地震波形与速度衰减曲线，对地质灾害的影响和预测研究地震是一种由地表和地源引起的物理现象，它是地球上最具有破坏性的自然灾害之一。
地震的发生不仅会带来巨大的人员和物质损失，还会导致各种地质灾害，伴随着干裂、塌陷、滑坡、泥石流等自然灾害的发生，对社会和经济造成巨大的影响。
在了解地震波形和速度衰减曲线的基础上，进行地质灾害的预测，也成为了一项非常重要的研究工作。
地震波形是指地震震源瞬间释放的能量在地球内部传播的过程中所产生的地表运动。
地震波形主要分为三种类型，即P波、S波和L波。
其中，P波全称为纵波，具有向前传播和压缩膨胀变形两个方向，速度最快也最具穿透力。
S波全称为横波，只有横向振动方向，不能穿透液体和气体，速度比P波慢。
L波全称为面波，具有沿地表水平传播的特点，是产生地震本体和受害最严重的波形。
地震波形的传播速度和传播路径不同，对地震带来的破坏程度也大不相同。
速度衰减曲线是指地震波形在传播过程中传播距离增加时，波形振幅逐渐减小的曲线图。
速度衰减曲线与地质构造、地震震级、震源距离、地震波形类型等因素密切相关。
不同类型的地震波形，其速度衰减曲线的形态也会有所不同。
通过对不同类型的速度衰减曲线的研究，可以更加准确地估算地震的震级和震源距离，从而提高地震预测的准确性。
地震波形和速度衰减曲线对地质灾害的影响非常显著。
一方面，由于不同波形的速度和传播路径的差异，会引起地表运动的不同，进而导致地表各种形态的变化。
例如，P波不易在岩层间断面上反射，而S波能够在岩层间断面上反射甚至折射，在断层的形成和滑动活动中发挥了重要的作用。
另一方面，速度衰减曲线还能在预测地震的同时预测一些弱化地质体产生滑动的可能性，如地面干裂、陆滑、岩质滑坡等自然灾害。
在地震预测和地质灾害预测中，地震波形和速度衰减曲线都起着非常重要的作用。
科学家们通过对地震波形和速度衰减曲线的研究，不断改进地球物理和地震学领域的研究方法和技术手段，提高了地震预测的准确性和可靠性，同时也可为地质环境的合理开发和防灾减灾提供科学依据。
汶川震前几种低频事件波形分析
Ｄｅ ｇ Ｊｎ ’ ’ Ｌｉ ｅ ｇ Ｍ ａＴｅ ｇ ｅ ｎ ｉ 。 ｎ。 Ｐ ｎ ｆｉ Ｚｈ ｏ Ｌｉｇ ｕ ａ ｎ ｙ ｎ
１ ｎ ｔ ｕ ｅ ｆ Ｇ ｏ ｈ ｓ ｓ ｈ ｎ ａ ｔ ｑ ａ ｅ ｍｉ ｉ ｒ ｔ ｎ，Ｂ ｉｉｇ １ ０ ８ ， ｈ ｎ ）Ｉ ｓｉ ｔ ｏ ｅ ｐ ｙ ｉ ，Ｃ ｉａＥ ｒｈ ｕ ｋ ｔ ｃ Ａｄ ｎ ｓ ａ ｉ ｔ ｏ ｅｊｎ ０ ０ １ Ｃ ｉ ａ
邓 津 李 鹏。 马 腾 飞” 赵 凌 云
１ 中 国北 京 １ ０ ８ ） ０ ０ １中 国地 震 局 地 球 物 理 研 究 所
２ ）中 国兰 州 ７ ０ ０ ３ ０ ０中 国地 震 局 兰 州 地 震 研 究 所 ３ ）中 国北 京 １ ０ ３ ０ ０ ６中 国 地 震 局 地 震 预 测 研 究 所 ４ ）中 国 武 汉 ４ ０ ７ ３ ０ １湖 北 省 地 震 局
２ ａ ｚ ｏ ｎ ｔ ｕ ｅｏ ｅｓ ｌｇ ）Ｌ ｎ ｈ ｕ Ｉ ｓｉ ｔ ｆ Ｓ ｉ ｔ ｍｏ ｏ ｙ，Ｃ ｉａ Ｅ ｒｈ ｕ ｋ ｍｉｉｔ ｔ ｎ ａ ｚ ｏ ３ ０ ０， ｈ ｎ ｈ ｎ ａ ｔ ｑ ａ ｅＡｄ ｎ ｓ ａ ｉ ，Ｌ ｎ ｈ ｕ ７ ０ ０ Ｃ ｉ ａ ｒ ｏ ３ ｎ ｔ ｕ ｅ ｆ Ｅ ｒｈ ｕ ｋ ｃｅ ｃ ，Ｃ ｉａ Ｅ ｒｈ ｕ ｋ ｍｉｉｔａ ｉｎ， ｉｉｇ １ ０ ３ ，Ｃ ｉａ ）Ｉ ｓｉ ｔ ｏ ａ ｔｑ ａ ｅＳ ｉｎ ｅ ｈ ｎ ａ ｔｑ ａ ｅＡｄ ｎ ｓｒ ｔ ｔ ｏ Ｂｅ ｎ ０ ０ ６ ｈ ｎ ｊ
地震相分类
地震相分类⼀、引⾔地震相分类是地震勘探中的⼀项重要技术，通过对地震波的传播特征进⾏分析，可以将地震数据划分为不同的相，进⽽推断地下岩层的性质、结构和构造。
地震相分类的研究对于油⽓勘探、矿产资源调查、⼯程地质等领域具有重要意义。
本⽂将对地震相分类进⾏详细阐述。
⼆、地震相的定义地震相是指地震波在地下岩层中传播时所表现出的特征，包括波的传播速度、振幅、频率等。
通过对地震波的这些特征进⾏分析，可以对地下岩层的性质、结构和构造进⾏推断。
地震相分类就是将这些特征相似的地震波归为同⼀相，以便更好地研究和了解地下岩层。
三、地震相分类的依据地震相分类的依据主要包括以下⼏个⽅⾯：1.波速变化：地震波在地下岩层中的传播速度会因为岩层的性质、结构和构造的不同⽽发⽣变化。
通过对地震波速的测量和分析，可以推断出地下岩层的性质和构造，进⽽进⾏地震相分类。
2.振幅变化：地震波的振幅会受到岩层的物理性质和结构的影响。
通过对地震波振幅的分析，可以推断出地下岩层的岩性、粒度、孔隙度等因素，进⽽进⾏地震相分类。
3.频率变化：地震波的频率会受到岩层的弹性模量和孔隙流体等因素的影响。
通过对地震波频率的分析，可以推断出地下岩层的弹性模量和孔隙流体性质，进⽽进⾏地震相分类。
4.波形特征：不同类型的地震波具有不同的波形特征。
通过对地震波的波形特征进⾏分析，可以对地下岩层的结构和构造进⾏推断，进⽽进⾏地震相分类。
四、地震相分类的⽅法⽬前常⽤的地震相分类⽅法主要有以下⼏种：1.直⽅图法：将地震波的特征值（如速度、振幅、频率等）绘制成直⽅图，然后将特征值相近的波归为同⼀相。
这种⽅法简单直观，但可能会忽略掉⼀些重要的细节信息。
2.模式识别法：利⽤计算机技术对地震波进⾏⾃动分类。
这种⽅法可以处理⼤量的数据，但需要⼤量的训练样本和精确的模式识别算法。
3.神经⽹络法：利⽤神经⽹络的⾃学习能⼒对地震波进⾏分类。
这种⽅法可以处理复杂的⾮线性问题，但需要⼤量的训练时间和样本。
汶川震前几种低频事件波形分析
汶川震前几种低频事件波形分析邓津;李鹏;马腾飞;赵凌云【期刊名称】《地震学报》【年(卷),期】2012(034)002【摘要】列举分析了国外文献所记载的几类低频事件.选择汶川M8.0地震主断层附近四川省部分台网宽频带数据,采用相应频段,进行带通滤波处理,检测到4种类似的低频事件波形.分别为低频震颤与滑移事件(ETS事件),深低频地震事件(LFE事件),深低频震动事件(DLF事件),以及超低频震动事件(VLF事件).定位分析实例证实,汶川震前的ETS和DLF等低频事件发生在主断层附近,表明大震发生之前龙门山断裂带附近有低频事件发生,主要为ETS和VLF两类事件及少量DLF事件.因有远震记录与LFE事件时间相近,无法确认此类事件是否存在.低频事件作为天然地震目录的补充,可为大震前兆和触发机理研究提供新的探索方向.%This paper lists and analyzes a few kinds of low frequency events studied in foreign literature. By choosing broadband records at stations of Sichuan digital seismic network near main fault of the Wenchuan earthquake and band filtering these datum, we detected four similar low frequency events, I. E. , episodic tremor and slip events (ETS) , low frequency events (LFE) , deep low frequency events (DLF) and very low frequency events (VLF). Located examples confirm that several low frequency events occurred near the Longmen-shan fault, most of them are ETS and VLF and minority is DLF. We can not verify whether LFE events actually exist or not, because there are distant earthquakes at the same time. As a supplement to traditionalearthquake catalog, low frequency events may provide us a new research line for exploring possible precursors and triggering mechanism of strong earthquakes.【总页数】14页(P157-170)【作者】邓津;李鹏;马腾飞;赵凌云【作者单位】中国北京100081 中国地震局地球物理研究所;中国兰州730000 中国地震局兰州地震研究所;中国北京100036 中国地震局地震预测研究所;中国北京100081 中国地震局地球物理研究所;中国武汉430071 湖北省地震局【正文语种】中文【中图分类】P315.3+1【相关文献】1.一种低频地震事件的检测方法——在汶川地震和芦山地震前的初步应用 [J], 梁建宏;刘杰;杨文;邓菲2.汶川地震前地震连续波形资料中的异常信号 [J], 路珍;周聪;郭泉;郭志;王庆良;张希3.汶川Ms8.0地震前山西前兆低频前驱波特征分析 [J], 张淑亮;刘瑞春;宁亚灵;唐垒黎;李斌4.汶川8.0级地震前高碑店和宁晋台超低频电磁辐射异常特征分析 [J], 李美;卢军;常媛;刘秀5.前驱波还是气压波?——与“汶川M_(S)8.0地震前山西前兆低频前驱波特征分析”作者商榷 [J], 杨小林;杨锦玲;危自根因版权原因，仅展示原文概要，查看原文内容请购买。
利用波形互相关方法识别分析灌县-安县断裂重复地震
利用波形互相关方法识别分析灌县-安县断裂重复地震郑晨;丁志峰;周晓峰;叶庆东;吕苗苗【摘要】By taking earthquakes from China Earthquake Networks Center cata-log as template events,we detected repeating earthquakes down to ML 0.0 from continuous waveforms recorded by 17 portable seismic stations deployed near the Guanxian--Anxian fault through a sliding-window cross-correlation tech-nique.Then,based on double-difference algorithm combined with waveform cross-correlation,243 of the detected earthquakes were relocated.The results indicate that seismicity of Guanxian-Anxian fault became weaker during the studied period.The predominance distribution of focal depth is 5—15 km and the depth profile reveals that focal depth distributes in westward dipping with a high angle.The epicenters of these earthquakes are distributed in NE direction, which coincides with the strike of front-range fault of Longmenshan fault zone. There are differences in seismicity and b value between the northern and south-ern segments in the studied region,which may be related to regional stress field of the middle segment of Longmenshan fault zone where directions of stress transfer from WNW to ENE from south to north.%以中国地震台网中心地震目录中的事件为模板地震，通过滑动窗口的波形互相关方法对布设在灌县—安县断裂周边17个流动地震台的连续地震记录进行处理，识别ML 0．0以上的重复地震．然后使用结合波形互相关技术的双差算法对这些地震进行重定位，获得了243次地震的重定位结果．结果表明：在研究时段内，灌县—安县断裂的地震活动性呈减弱趋势；地震震源的优势分布深度为5—15 km，震源深度剖面显示地震呈高角度向西倾斜分布；地震震中沿 NE 向分布，与龙门山前山断裂的走向基本一致；研究区内南、北两段的地震活动性及 b 值存在差异，这可能与龙门山断裂带中段区域应力方向由南到北发生的 WNW 向到 ENE向转换的构造作用密切相关．【期刊名称】《地震学报》【年(卷),期】2015(000)002【总页数】13页(P299-311)【关键词】波形互相关;重复地震;双差定位;灌县-安县断裂【作者】郑晨;丁志峰;周晓峰;叶庆东;吕苗苗【作者单位】中国北京 100081 中国地震局地震观测与地球物理成像重点实验室; 中国北京 100081 中国地震局地球物理研究所;中国北京 100081 中国地震局地震观测与地球物理成像重点实验室; 中国北京 100081 中国地震局地球物理研究所;中国北京 100081 中国地震局地震观测与地球物理成像重点实验室; 中国北京100081 中国地震局地球物理研究所;中国天津 300180 中国地震局第一监测中心;中国北京 100081 中国地震局地震观测与地球物理成像重点实验室; 中国北京100081 中国地震局地球物理研究所【正文语种】中文【中图分类】P315.3+1引言在相同地区发生的地震之间往往存在类似的波形，这可能是由于断层面相同位置应力释放所致（Geller，Mueller，1980），这些地震被称为重复地震（repeating earthquakes）.对于重复地震的概念，目前尚未有一个统一的定义.一般认为，重复地震是发生在同一个断层位置上具有相似波形和相当震级的两次或多次天然地震事件（Poupinet et al，1984；Rubin，2002）.Schaff和Richards（2004）将远震记录P波前5s到Lg波后40s的时间窗内波形之间的相关系数不小于0.8的地震对称为重复地震，这从实际操作层面对重复地震概念进行了定义.虽然不同研究人员给出的定义不同，但其数字地震学本质是相同的，即这些地震对或由这些地震对组成的多重地震组具有高度相似的波形（李宇彤，蒋长胜，2011）.近年来，重复地震被广泛应用于地下介质物性随时间变化的探测（Poupinet et al，1984；林建明等，2006）、地震复发模式研究和断层滑动速率估算（Vidale et al，1994；Igarashi et al，2003；李乐，2008）以及地震台网定位精度的评估（Schaff，Richards，2004；蒋长胜，吴忠良，2005）.此外，利用其波形相似的特点，从连续地震记录中识别微小地震也成为其另一个重要的应用方向（Yang et al，2009）.对于识别出的微小地震，可以通过波形互相关法自动提取走时差，该方法能够消除手动标定走时带来的人为误差.Waldhauser和Ellsworth（2000）提出的双差定位法则利用事件相对走时差来减少地下速度结构造成的误差，是一种比绝对定位方法精度更高的相对定位方法.国内外研究结果表明，将两种方法相结合进行地震定位可以获得更为精确的结果.Waldhauser和Ellsworth（2000）通过比较美国北加州地震台网目录、双差定位结果以及基于互相关技术的双差定位结果，认为加入互相关计算走时差后，其地震定位结果集中度最高.Waldhauser和Schaff（2008）利用结合波形互相关技术的双差定位算法对1984—2003年美国北加州的地震事件重新定位，获得211 273个事件的定位结果.黄媛（2008）对结合波形互相关技术的双差算法在地震定位中的应用进行了探讨，认为该方法可以提高地震定位的精度，并能结合使用近台和远台的数据，在台站的选择上更加灵活.赵翠萍（2006）对1997—2002年新疆伽师震源区的150多次地震的数百条波形数据利用互相关分析提取走时差，尝试通过互相关走时差数据提高定位精度.吕鹏等（2011）利用波形互相关方法得到汶川地震余震序列的P波走时差，并用双差定位法对其进行重定位，最终得到汶川地震2 441次余震的重定位结果.这些研究通过将波形互相关方法与双差定位相结合，提高了地震定位精度，减小了定位误差，获取了更为可靠的定位结果.本文首先利用滑动窗口的波形互相关方法识别连续波形地震记录中的重复地震，然后通过结合波形互相关的双差定位算法对其重新定位，通过分析其时空分布规律以研究灌县—安县断裂的精细构造.1 龙门山前山断裂构造及地震活动背景龙门山断裂带作为青藏高原与华南地块的边界构造带，位于青藏高原与四川盆地的交界处，北起广元，南至天全，长约500km，宽约30km，由3条NE—SW向近于平行展布的断裂组成（邓起东等，1994；李勇等，1995）.前山断裂作为龙门山断裂带的东侧主断裂，南起天全附近，沿NE方向延伸经芦山、灌县、安县及江油至陕西汉中一带，全长约400km，包括南段的大川—双石断裂、中段的灌县—安县断裂和北段的江油断裂.其中灌县—安县断裂位于映秀—北川断裂（中央断裂）东侧10—15km，是龙门山与成都平原的边界，断层断裂面向NW方向倾斜，倾角较陡，为60°—70°，向深部逐渐变缓.该断裂在卫星图片上线性影像清晰，断层陡坎、边坡脊、断层沟槽、断错水系、山脊和大小不一的断塞塘等各种断裂地貌发育（陈国光等，2007；陈立春等，2008；杨光等，2012）.2008年5月12日龙门山中央断裂上发生MS8.0汶川特大地震，在映秀—北川一带形成长达200km的地表破裂带，灌县—安县断裂也产生长约60km的地表破裂，在绵竹市汉旺镇一带造成极大的破坏（张培震等，2008；陈立春等，2009）.虽然汶川地震在前山断裂形成了大规模的地表破裂带，但大部分余震呈条带状分布于龙门山中央断裂与后山断裂之间的区域内.汶川地震后，很多研究人员对汶川地震的余震序列进行了重定位研究（黄媛等，2008；吴建平等，2009；吕鹏等，2011）.但是，他们主要通过龙门山周边的固定台站及震后架设的临时台站对ML≥2.0地震给出定位结果，由于缺少针对微小地震的研究，因而未能很好地展现灌县—安县断裂附近地震的分布情况.而灌县—安县断裂作为龙门山断裂带的东边界，控制着成都平原的西边界，研究该断裂的地震活动对了解龙门山断裂带构造具有重要意义.汶川地震后，我国科技部、国土资源部和中国地震局组织实施了汶川地震断裂带科学深钻项目，在北川—映秀断裂和灌县—安县断裂附近的4口深钻数据的基础上，开展构造地质、地震地质、岩石力学、化学物理、地震物理等多学科研究.2009年中国地震局地球物理研究所在灌县—安县断裂附近的什邡市、绵竹市一带布设了17个短周期数字地震仪，围绕井孔附近微震台阵观测及余震进行相关研究.图1给出了研究区域构造及台站分布，本研究选用2010—2013年的地震记录，地震仪的采样率为50Hz.研究区域较小，台站平均分布间隔仅3—4km，以期能够显著地提升对微小地震的监测分析能力.2 波形互相关方法识别重复地震STA／LTA（short time average to long time average）技术是识别地震记录的常用方法之一（Stevenson，1976），其基本原理是通过计算短时窗内观测数据的平均能量值（STA）与长时窗口内的平均能量值（LTA）之比来反映信号能量的变化，当地震信号到达时，STA比LTA变化快，相应的STA／LTA值就会有一个明显的变化，当该比值超过某一个阈值时，则判断有地震事件发生.该方法运算简单，但是在判断过程中往往会产生多余的误判，此外该方法在信噪比不高的记录中难以有效地识别出微小地震信号.图1 研究区域构造及台站分布Fig.1 Regional tectonics setting and distribution of seismic stations（triangles），where the red circles represent template events used in this study对于发生在同一地区的地震记录，由于其相互之间有着相似的地震波形，可以利用波形互相关法来识别发生在相同发震构造上更小震级的重复地震，这对于本研究更为有效.Schaff（2010）通过比较波形互相关法与STA／LTA方法，认为波形互相关检测方法能够将识别能力提高1.3个震级单位.因此，通过波形互相关法，可识别很多台网目录中没有的微小重复地震事件，对研究断层的发震构造有重要的意义. 对于两个地震信号f（t）和g（t），归一化波形互相关系数的计算公式为式中f（t）和g（t）分别表示f（t）和g（t）的平均值.实际计算中，以某一台站记录到的台网目录中的地震事件波形为模板地震f（t），以该台站的连续波形作为待识别记录g（t），f（t）和g（t）分别有M和N 个点，且N＞M.在g（t）开始处选取一段与f（t）具有相同长度M的窗口并逐点滑动，分别计算f（t）与不同窗口内g（t）之间的互相关系数并组成互相关系数序列，可以表示为式中g（n＋m－1）表示连续地震记录上以第n个位置为起点且与模板地震记录具有相同采样点数的序列，¯gn代表此序列的平均振幅.显然，该序列上的点在［－1，＋1］内，越接近＋1的值所对应窗口内的波形与模板地震越匹配.由于地震三分量的记录在各自识别重复地震过程中识别的位置和数量可能存在差异，为避免该种情况，将每个采样点的三分量记录当成向量，同时参与式（2）的计算，得到一个统一的相关系数序列.例如，选取JL17台2011年02月09日22—23时共计3 600s的连续记录作为g（t）（图2），选取JL17台2011年02月10日23时51分01秒记录到的一次ML2.1地震（图3），以其在JL17台上记录的初至P波往后4s的地震记录作为模板地震f（t）.地震记录采样率为50Hz，因此参与滑动窗口波形互相关系数计算的模板地震采样点数M为200，待识别连续记录采样点数N为18万.图2 JL17台三分量地震记录及计算得到的相关系数序列C（t）图中序号为识别出的9个地震事件Fig.2 Three-component waveforms recorded by the station JL17and the calculated cross-correlation coefficient C（t）.Numbers on the trace correspond to nine detected events利用波形互相关方法识别重复地震时，需要设定一个阈值，当相关系数超过阈值时，认为存在重复地震.对于阈值的选择，一方面，若将阈值设定过高，可能会造成一部分地震因为相似度不够而未能识别出；另一方面，若设定的阈值过低，很多非地震信号或者诸如远震记录部分波形的非重复地震信号也会被识别出，造成干扰.考虑到研究区域不大、地震台站与地震之间距离较小、波形相对简单，同时参考Schaff和Richards（2004）关于重复地震的定义，选择相关系数0.8作为互相关检测的阈值.以0.8为阈值，在图2的连续记录中检测到9个地震事件，分别标记为1—9号.对于识别出的重复地震，可以通过其与模板地震之间的振幅比计算震级，即式中，mt和At分别为模板地震的震级与振幅，m和A分别为识别地震的震级与振幅.图3和表1分别给出了识别出的9个地震事件的三分量波形及参数.观察模板地震（0号）和重复地震波形可看出，虽然不同重复地震事件的震级与模板地震不同，但其波形非常相似，仅在部分细节上存在一些差异.震级在ML0.0以上的1，2，3，8号事件都有较为清晰的波形记录；而震级在ML0.0以下的4，5，7号事件P波部分信噪比则相对较低.图3 由模板地震（0号）识别出的9个重复地震事件的三分量波形.图中波形上方的数字为地震事件序号Fig.3 Three-component records of nine detected events using the event No.0as template event.The numbers on the top of waveforms are the No.of nine events表1 连续记录中识别出的9个地震事件的参数Table 1 The parameters of nine events detected in continuous records重复地震序号最大相关系数Cmax Cmax对应的时间／s 与模板地震的振幅比／10－3 ML 1 0.858 102.06 10.1 0.1 2 0.919 447.86 27.6 0.5 3 0.841 691.66 15.0 0.3 4 0.849 724.54 4.88 －0.2 5 0.875 1401.30 2.47 －0.5 6 0.844 1801.88 4.86 －0.2 7 0.883 1994.22 2.57 －0.5 8 0.875 2261.38 24.3 0.5 9 0.894 2419.42 5.98 －0.13 灌县—安县断裂重复地震的时空分布特征选取在观测台站记录上P－S走时差在4s以内的16次地震，将这些地震记录初至P波往后4—8s作为模板地震，与台站2010—2013年的连续记录进行计算.在实际资料处理中，综合考虑重复地震震中距及波形记录的信噪比，将地震震级下限设定为ML0.0.最后，将不同台站三分量记录识别出的地震目录进行合并，得到由339个地震事件组成的目录，如图4所示.Cheng等（2007）关于日本板内断裂带的研究表明，在同一断层位置上并未发现重复地震，据此认为该断层在经历1984年长野（Nagano）地震后已经完全愈合，主断裂带上缺乏已破坏的薄弱地带.但在灌县—安县断裂上识别出很多重复地震，这表明该区域一直比较脆弱，经历汶川地震之后并未愈合.Chen等（2010）通过研究发现美国加州帕克菲尔德地区重复地震的时间间隔在M4.0—5.0地震之后显著变小，然后逐渐恢复，这表明重复地震可以被主震触发.从图4可以看出，随着时间的推移，灌县—安县断裂附近的地震活动性逐渐减弱，特别是2012年2月之后，地震活动性较2011年明显减弱.这可能表明在研究时段内，灌县—安县断裂附近的地震活动仍然处于汶川地震的影响阶段.图4 地震序列的M-t图红线对应识别出的重复地震事件，黑线对应模板地震事件Fig.4 M-t map of the earthquake sequence The red lines mark the detected events and the black lines represent template events图5 以20110228153300事件（a）和20110210235101事件（b）为模板地震所识别出重复地震的M-t图，其中黑线对应模板地震事件Fig.5 M-t map of the detected earthquake sequence using the event 20110228153300 （a）and the event 20110210235101（b）as template event.The black lines represent template events单独分析重复地震群的分布特征可知，识别出地震的重复周期表现出不同的模式.根据20110228153300事件识别的重复地震在整个研究时段内均能观测到，其重复周期较长，在个别时段内重复频率有所提高（图5a）.而另外一组根据20110210235101事件识别出的重复地震，仅在2011年前后较短时间内集中出现，且重复间隔较短，最短在几分钟内就有重复地震发生（图5b）.在图2所示的例子中，JL17台站在仅仅一个小时的地震记录中就识别出多达9个地震事件.Igarashi等（2003）在研究日本东北部俯冲带重复地震时，将重复地震的重复模式分为两种类型：一种是突发型事件（burst type），仅在一个较短的时期内发生，成群重复出现；另一种是持续型事件（continual type），在研究期间内持续发生，其中大部分表现出几乎不变的重复间隔.唐兰兰等（2013）在研究柯坪塔格断裂带的重复地震时空特征时，识别出的重复地震的间隔时间也表现出不同的特征，重复间隔可从最短的几分钟到几百天，观测到的最长重复间隔长达10年.对于识别出的地震，还需要给出其精确位置.在地震定位过程中，由于人工识别震相过程中容易带入人为误差，造成震相走时不够准确或存在错误，因此选择波形互相关法提取观测走时差，即将同一个台站记录到的不同地震事件，按照波形互相关法两两进行计算.若两个地震事件在预设窗口内的互相关系数大于给定阈值，则认为互相关拾取的走时差符合计算要求，保留其相对走时差.以此方式最终共获得33 695条满足条件的相对走时差数据.基于赵珠等（1997）结合天然地震和人工地震测深数据给出的龙门山断裂带速度模型（表2），利用双差算法对这些数据进行反演，得到243次地震的重定位结果，如图6所示.表2 一维P波参考速度模型（引自赵珠等，1997）Table 2 1-D P-wave velocity reference model（after Zhao et al，1997）分层序号上界面深度／km vP／（km·s－1）1 0.0 4.88 2 2.94 5.80 3 8.34 6.04 4 21.70 6.82 543.09 7.61 6 68.51 8.38由图6a可以看出，震中主要沿NE向呈条带状分布，这与龙门山前山断裂的走向基本一致.沿AA′剖面的震源深度分布（图6b）显示，地震震源的优势深度范围为5—15km，震源较浅，表明地震主要发生在脆性的上地壳，这与灌县—安县断裂为脆性断裂的认识一致（邓起东等，1994）.张培震等（2008）认为龙门山断裂带呈叠瓦状向四川盆地内逆冲推覆，3条断裂在地下20km深度收敛合并成一条剪切带.从定位结果看，灌县—安县断裂附近地震震源深度总体上表现出东部较浅、往NW方向逐渐变深的特征.从倾斜角度看，浅部倾角较大，随深度增加倾角逐渐减小，在15km深度以下灌县—安县断裂可能与中央断裂收敛合并.研究区域内，识别出的地震在九龙镇两侧呈现出不同的分布特征.从图7可以看出，灌县—安县断裂南、北两段的b值分别为0.51和0.75，二者存在较为明显的差异，同时北段的地震活动性也较南段高.由于b值与应力场的大小有关（Scholz，1968），这可能体现了研究区域内灌县—安县断裂南、北段构造的差异.孟文等（2013）从构造应力的角度对龙门山断裂带的分段性进行研究，以茂县—汶川区段和大邑—映秀区段为界将龙门山断裂带分为北、中、南3段.龙门山断裂带应力分区特征与青藏高原深部物质向东逃逸，超覆于四川地块的构造有关.在龙门山断裂带南段，松潘—甘孜块体可能俯冲至四川盆地之下，最大主应力方向为NW-WNW，与区域应力场方向一致；而在龙门山断裂带北段，青藏高原深部物质受岷山隆起的阻挡沿断裂NE走向运动，因此龙门山断裂带北段的最大主压应力方向为NE-ENE（楼海等，2010；孟文等，2013）.研究区域位于龙门山断裂带的中段，处于南段WNW向区域应力向北段ENE向区域应力过渡的位置.正是在这种区域构造应力的作用下，研究区域南段正应力较大、剪切应力较小，而北段则正应力较小、剪切应力较大，造成了南段b值相对较低，地震活动性较弱.图6 （a）震中分布图；（b）沿AA′剖面的地震深度分布图，黑色实线为推测的断层分布；（c）研究区地震的震级分布，N为地震次数Fig.6 （a）Epicenters distribution；（b）Focal depth profile along the section AA′.The black line represents the fault plane inferred from the locations；（c）Magnitude-frequency distribution in the studied region，where Nis the number of earthquakes图7 研究区域内灌县—安县断裂南、北段地震频次与震级的关系Fig.7 Magnitude-frequency distribution of the northern（right）and southern （left）segments of Guanxian-Anxian fault in the studied region徐锡伟等（2008）考察汶川地震中沿龙门山前山断裂分布的汉旺—白鹿地表破裂带时，在九龙镇沙坝村测量到其最大垂直位移为（3.5±0.2）m，同时发现在此观测点附近该破裂带走向转为N15°E，而沙坝村NE或SW的地表破裂带走向回归至N45°E附近.根据地震活动性的差异并结合地表破裂带的破裂情况，推测九龙镇一带是灌县—安县断裂的过渡分界.4 讨论与结论本文以中国地震台网地震目录中的事件为模板地震，通过滑动窗口的波形互相关法，从连续地震记录中识别出与模板地震相关系数较高的地震记录.考虑到地震记录的信噪比，将研究重复地震震级的下限设为ML0.0.通过该方法，对研究区域内17个台站记录到的连续地震记录进行分析处理，最终得到发生在灌县—安县断裂附近339次ML0.0以上地震的目录，其中163个事件同时被3个或3个以上的台站识别出.而对于其它只被一两个台站识别出的重复地震，可能与本研究中台阵呈直线展布使得部分台站由于距离原因记录的波形信噪比不高有关.同时，由于重复地震事件的震源位置接近、发震机制基本一致，受特定的辐射花样影响，近距离的不同台站的信噪比同样存在差异，这也可能会造成不同的识别结果.通过研究重复地震随时间的分布情况可知，随着时间的推移，灌县—安县断裂的地震活动性逐渐减弱，特别是2012年2月之后，地震活动性比2011年明显减弱.这可能表明灌县—安县断裂的地震活动在该时段仍然处于汶川地震的影响阶段.同时，在结果中也观测到了不同时间尺度的重复地震类型，这可能与重复地震所处发震构造附近的应力释放活动相关.对于获得的339个ML0.0以上的地震事件，利用结合波形互相关法的双差定位算法进行地震精定位，重定位后获得了其中243个地震事件的震源位置，其数目占总地震数目的72%.这主要是由于很多地震震级较小，只在个别台站上存在较为清晰可靠的记录所致.同时由于P波能量相对于S波较弱，可能只能提取到S波的相对走时差，而不易提取到P波走时差，故很多地震事件没有足够的数据用于双差定位.从重复地震的定位结果来看，地震基本发生在灌县—安县断裂附近.在水平方向上，地震的分布与灌县—安县断裂的NE走向基本一致；而在垂直剖面上，地震主要发生在脆性的上地壳，震源深度表现出东浅西深的特点，且随深度的增加倾角逐渐减小，在15km深度以下灌县—安县断裂可能与中央断裂收敛合并.以九龙镇为界，研究区域内灌县—安县断裂南、北两段的地震活动性及b值存在不同，这种差异可能与龙门山断裂带南段WNW向区域应力向北段ENE向区域应力过渡的构造作用相关.结合汶川地震前山地表破裂情况推测九龙镇一带是灌县—安县断裂的过渡分界.本研究尝试通过选取模板地震利用波形互相关法识别重复地震并对其进行重新定位.考虑到所使用的17个短周期台站的分布情况，仅对研究区内的灌县—安县断裂展开研究，并未对整个龙门山断裂的重复地震进行识别与定位.若要研究包括中央断裂及后山断裂在内的龙门山断裂带重复地震的时空分布特征，还需加入龙门山断裂带周边其它地震台站的数据资料，以便通过不同方位台站的约束，更好地探讨龙门山断裂带的发震结构.感谢汶川地震断裂带科学钻探项目的实施以及工作人员的辛苦付出，感谢美国圣路易斯大学朱露培教授提供的程序和指导，感谢审稿专家提出的宝贵意见和建议.参考文献陈国光，计凤桔，周荣军，徐杰，周本刚，黎小刚，叶友青.2007.龙门山断裂带晚第四纪活动性分段的初步研究［J］.地震地质，29（3）：657-673.Chen G G，Ji F J，Zhou R J，Xu J，Zhou B G，Li X G，Ye Y Q.2007.Primary research of activity segmentation of Longmenshan fault zone since Late-Quaternary［J］.Seismology and Geology，29（3）：657-673（in Chinese）.陈立春，陈杰，刘进峰，李峰，杨晓平，冉勇康.2008.龙门山前山断裂北段晚第四纪活动性研究［J］.地震地质，30（3）：710-722.Chen L C，Chen J，Liu J F，Li F，Yang X P，Ran Y K.2008.Investigation of Late Quaternary activity along the northern range-front fault，Longmenshan［J］.Seismology and Geology，30（3）：710-722（in Chinese）.陈立春，冉勇康，陈杰，王虎，史翔，刘进峰，董少鹏.2009.龙门山前山断裂大地。
基于谱元法数值模拟研究地震判定准则
基于谱元法数值模拟研究地震判定准则谢辉;马禾青;马小军;张楠;罗恒之;李青梅【摘要】本文以宁夏区域地震台网为例,分析了波形互相关法在判定重复地震中可能存在的问题并讨论了相应的处理方法,通过构建三维非均匀体模型并利用谱元法数值模拟地震波的传播,统计了不同台站观测到的地震对波形互相关系数的分布,进一步研究了互相关系数与非均匀体性质及震源机制解之间的关系.结果表明:针对宁夏区域地震台网,利用波形互相关法判定重复地震比地震定位方法更有效;互相关系数在不同台站的取值与震源附近三维非均匀体强度和直达波与尾波的振幅比有关,对于相同的震源间距,较弱震源、较弱非均匀体或者较强振幅的直达波均会导致波形互相关系数变高,因此应选取更高的互相关系数阀值来判定重复地震.宁夏区域地震台网平均台间距为30-50 km,通过选取直达波较弱的台站或只截取尾波窗口计算互相关系数并设定较高的阀值,利用波形互相关法可有效地判定ML1.0-3.0重复地震,进而为重复地震的监测与研究提供依据.【期刊名称】《地震学报》【年(卷),期】2018(040)005【总页数】11页(P609-619)【关键词】谱元法;重复地震;互相关系数;非均匀体性质【作者】谢辉;马禾青;马小军;张楠;罗恒之;李青梅【作者单位】中国银川750001 宁夏回族自治区地震局;中国银川750001 宁夏回族自治区地震局;中国银川750001 宁夏回族自治区地震局;中国银川750001 宁夏回族自治区地震局;中国银川750001 宁夏回族自治区地震局;中国银川750001 宁夏回族自治区地震局【正文语种】中文【中图分类】P315.3+1引言重复地震事件组作为一种特殊的地震序列，是同一断层或者断层的一部分在一定时间内的重复破裂。
同一重复地震事件序列内的不同地震事件具有高度重叠的震源破裂区及相近的震级和震源机制解，因此，同一地震台站记录到的波形高度相似。
Chen和Lapusta （2009）认为重复地震是大尺度蠕变区内凹凸体的破裂，通过在速度-状态摩擦本构定律基础上构建断层数值模型，可成功地解释重复地震的周期与地震矩之间的关系。
三分量地震记录的互相关分析
三分量地震记录的互相关分析马腾飞【摘要】Seismic wave is a three dimensional vector wavefield,the single com-ponent recordings are actually the projection of particle motion along certain directions.Based on the single component seismogram cross-correlation formu-la,this paper presents a novel simple solution which is suitable for the calcula-tion of three-component seismogram cross-correlation,and the effectiveness of this new approach is verified via a practical case from the aftershock sequence of 2008 Wenchuan MS 8.0 pared with single component seismo-gram cross-correlation,the new approach can obtain a global optimized result more reasonably and erase the discrepancy between different components in the work of template waveform matching.Also this new formula can take advan-tage of the congenerous between different components,suppress the ambient seismic noise effectively,and its rationality was demonstrated in theory.This new approach requires rather small computations as its simplicity in principles and procedures,which is suitable for the seismic data processing in the current era of “big data”.%地震波场本质上是三维矢量波场，单分量记录实际上是三维矢量震动在某一方向上的部分投影．本文基于单分量地震记录互相关公式，提出了一种新的适合三分量地震波形记录多元互相关运算的简易方法，并以2008年汶川 MS 8．0地震余震序列波形为例，对其进行了效果验证．结果表明，相对单分量互相关，该方法可以得到更为合理的全局最优结果，解决波形识别匹配工作中不同分量间的差异问题．该方法还可以利用不同分量间的“同源”信息，有效压制随机噪声，并从理论上说明其合理性．其原理及计算过程均较为简单，整体运算量较小，适用于目前“大数据”时代的地震数据处理．【期刊名称】《地震学报》【年(卷),期】2016(000)001【总页数】7页(P96-102)【关键词】三分量记录;多元互相关;模板匹配方法【作者】马腾飞【作者单位】中国北京 100081 中国地震局地球物理研究所; 中国北京 100033 中国财产再保险有限责任公司【正文语种】中文【中图分类】P315.63波形互相关技术是地震学中一种常用的技术手段，目前已经在“重复地震”识别(Schaff， Richards， 2004， 2011; Li et al， 2007， 2011; Ma et al， 2014)、余震事件检测(Peng， Zhao， 2009; Wu et al， 2014)、低频事件观测与识别(Obara， 2002; Shelly et al， 2007)、地震精定位(Waldhauser， Ellsworth，2000; Schaff et al， 2004; Schaff， Waldhauser， 2005)等领域得到了广泛应用．迄今为止，地震学家已经发展了许多先进的数字记录处理方法来计算两个波列间的互相关系数，但这些方法绝大部分是针对单分量的时间序列记录．鉴于地震记录的三维空间属性，各个分量仅是质点运动在垂直或水平方向的投影，因此基于各个分量的单分量互相关系数计算可能会丢失地震记录中某些空间相关信息，不能反映地震波在传播过程中波形和震相变化的全貌，只得到片面性的结果．事实上，只有三分量耦合的空间记录才能真实地反映实际地震波场所包含的全方位信息．就地震事件波形而言，由于其不同震相在不同分量上有较大的运动学差异，因此在采用互相关识别计算时对所用分量均采用统一时间窗口就显得不大“合适”．例如：由于地震信号中噪声的存在，当初至P波到达时，垂直分量会产生较明显的变化，但水平分量依旧处于信噪比很低的“噪声模式”；在S波尾部，垂向信噪比较低，水平向却还有较为明显的振动．在这些互相关运算的时间窗口内，低信噪比“噪声”的存在无疑会对最终的运算结果产生较大影响，使事件的识别与检测面临较大困难，对于震级较小的微震事件来说更是如此．针对这些问题，通过采用对不同分量的地震记录选取不同相关运算窗口的方法(如垂直分量时间窗口为P波到达后4 s，水平分量时间窗口为S波到达后4 s)，便可在一定程度上提高检测识别的准确率(Peng， Zhao， 2009; Meng et al， 2012; Wu et al，2014)．但是，这种硬性规定的不同分量时间窗口难免会“错杀”一部分不符合这种“标准模式”的地震事件，从而影响其识别的完整性；与此同时，当所获取的各个分量之间的差异性较大时，如何对所得结果作出合理的解读也是一大难题．对于台阵记录我们可以通过各种技术手段叠加不同台站的信息来达到压制噪声、提高信噪比的目的(Leonard， Kennett， 1999; Kennett， 2000)，但对于单台站地震记录则无法开展．因此，如何充分发掘不同分量间的“同源”作用，得到能全面反映地震波三维属性的相关信息也是本文将要探讨的内容．1.1 单分量波形互相关原理波形互相关技术的核心即为计算波形的互相关系数，并将其作为事件识别或归类的判定条件．对于单分量波形记录，目前在实际工作中常采用(Båth， 1974)来计算其相关系数. 式中，γ为相关系数， xi和yi分别为计算中同一台站记录到的两次地震事件的选定波列， i和i分别为其相应的平均值．由式(1)可以看出，互相关系数的实质为，由两个经过中心化(去均值)处理后的波形序列组成的n维向量在Rn空间中所成夹角的余弦，因此具有尺度不变性；同时，各个维度对最终相关系数的贡献也与其偏离中心点位置的乘积i)成正比．由于实际记录中的有效信号具有良好的时间一致性，而随机噪声则显得杂乱无章且振幅较小，因此相关运算可以有效地抑制噪声对最终结果产生的影响，这也是采用相关算法对地震信号进行识别的基础．1.2 三分量多元综合互相关系数三分量地震记录有3个独立分量(垂直分量V，切向分量T，径向分量R)，不同波列组合后可以形成一个3×n的矩阵. 对于多维矢量矩阵而言，空间夹角没有意义，这种情况下则不能用上述向量相关的思路来解决多元的相关问题．在实际应用中，通常对不同分量两两相关后计算得出3个独立的相关系数，该相关系数矩阵可以用来描述两矩阵间的相关关系．但在具体工作中我们也会遇到诸如不同分量间最大相关位置不一致、各分量间相关系数差别较大等问题，这给我们带来了较大的挑战．事实上，由于各分量间的的振幅能量、信噪比(signal noise ratio，简写为SNR)水平均不相同，上述问题的出现在匹配识别工作中并不罕见．如果可以找到一种简单快捷的方法，能够综合考虑各分量的振幅能量水平，得到全局最优结果，无疑对此类工作的开展具有重要意义．一种可行的办法为矩阵向量化，即将三分量记录投影展开到一条直线上，以便我们能继续使用向量相关的计算公式来处理三分量问题．需要注意的是，所采用的变换方式必须使各分量之间满足等价互易性，否则所得结果不唯一．如图1所示，将三分量记录首尾相连，依次投影到下方直线，根据圆环排列(Fredricksen， Kessler， 1977)公式，可能的组合方式有/3×(1/2)种，即无论各分量的顺序如何变动，其组合排列方式有且只有一种．如果只考虑相对位置，各分量间没有前后首尾之分，则各分量元素之间实际上是无序的(order-independent)，满足等价互易性，这样我们便可以将空间三分量不同记录中心化后展开至平面，对接成一个新的一维矢量，从而得到适合地震三分量综合相关计算的新公式，具体表达为其中，式中：γ为归一化的三分量全局互相关系数； f1(t)， f2(t)和f3(t)为事件1的三分量记录； g1(t)， g2(t)和g3(t)为事件2的三分量记录；和 (i=1, 2, 3)分别为其对应的平均值； t为地震记录的时间，为初始时间长度的3倍； S1(t)和S2(t)为组合后的时间波形序列. 由于S1(t)和S2(t)在各分量拼接前均已进行中心化处理，则=0，因此三分量总体相关公式也可写为需要注意的是，式(5)中fi(t)和gi(t)均为归一化前记录到的原始数据，其中包含各个分量的绝对振幅信息．由此可以看出：这种“拼接”处理的实质在于可以将各个分量间不同的振幅及相关信息置于同一参考系下，从而得出考虑全局后的整体结果；同时将各分量波形置于更大参考系下也可以有效压制振幅较小、相位不相关的噪声部分，增大综合信噪比，从而提高识别精度．从形式上看，式(5)与单分量相关公式很接近，且其原理技术相对简单，形式也较为简洁，适合大规模地震数据资料的处理计算．以成都台(CD2)记录到的2008年汶川MS8.0地震余震序列中的两个地震事件波形为例，详细分析所得三分量整体相关公式在实际中的应用效果．该地震事件对的震中距为27.385 km，为典型的近台记录，目录参数引自中国地震台网中心的《中国地震月报目录》，两个地震事件均属于微震事件，震级几乎相等，波形数据引自中国地震局地球物理研究所“国家数字测震台网数据备份中心”(Zheng et al， 2010)．由于成都台采用甚宽频地震计，在较大范围内的频率响应曲线较为平缓，因此我们采用1—10 Hz四阶巴特沃斯(Butterworth)带通滤波器对去除均值、线性趋势后的原始波形进行处理，这也与前人工作的参数选取相一致(Li et al， 2007，2011; Ma et al， 2014)．以P波到时为互相关计算起点，所选取的窗口时长为P波与S波走时差的4倍，滑动时长为±2 s，这样便可包含全部的尾波序列，同时避免后续噪声混入影响计算结果(蒋长胜等， 2008)．采用上述流程，计算所得的三分量波形互相关系数分别为0.81205(E--W)，0.86067(N--S)和0.76896(U--D)，如图2所示．可以看出，各分量的波形只在某些不同时段上具有较高的相似性．由于各分量间的计算结果差异较大，对于两次地震的判定也成为一大难题．图3给出了两次地震在成都台(CD2)的三分量整体互相关系数以及各分量间的互相关系数随时间的变化曲线．取P波到时前1 s起算，以窗口中心为计算点， 2 s 为互相关计算滑动窗口长度， 4倍的S-P走时差为窗口长度，自左向右，每次移动1个数据点(即0.01 s)进行互相关运算．为了避免地震波的谐波特性对此处小窗口计算结果产生较大的影响，每次进行窗口计算时，波形只能相对移动±0.01 s (1个数据点)．由图3可以看出，南北分量与东西分量在全程运算中均有较高的互相关值(≥0.8)，而垂向分量在P波和S波到达时间之外振幅较小部分的互相关值有较大的波动，拖累了整体的相关系数计算，因此未达到给定的阈值(≥0.8)．此外，不同时段的总体相关系数给予不同分量的“权重”不同，振幅越大的分量权重越高，因此采用三分量相关可以部分压制不同分量内部低信噪比的“噪声”部分，提高识别的效率和准确率．在上述例子中，运用三分量整体相关公式后可以得出两个地震事件的互相关系数为0.8157，满足重复地震识别互相关系数≥0.8的阈值条件，可以视为一对“重复地震”事件．与上述例子类似，本文详细统计了成都台记录到的一系列不同地震事件之间不同分量的互相关系数差异，得到了采用本文方法后所得到的整体互相关系数与各分量互相关系数之间的关系，如图4所示．可以看出，各分量的相关系数总体上与全局相关系数呈线性对应关系，但仅看某一分量有时会出现较大偏离，因此在这种条件下有必要根据三分量整体相关系数对事件进行合理判断．从图4中也可以看出，即便是对于某一给定的地震事件而言， 3个分量相关计算的结果也会呈现出一定的规律性，即水平分量的相关系数显著高于垂直分量，东西分量的相关系数明显高于南北分量，因此在只能选择一个分量作相关计算时，垂直分量具有更高的识别可信度．李宇彤(2012)利用区域台网对海城—岫岩地区“重复地震”识别的研究也得出类似的结论，这也说明了仅用垂直向的波形数据进行相关运算的合理性(Schaff， Richards， 2004， 2011)．地震波本身为矢量场，本质上为不同特性、不同类型的振动相互叠加干涉的结果，而单分量记录实际上仅为三维矢量在某一方向上的部分投影，因此常规的基于各分量的单分量互相关计算可能会丢失信号中部分与空间相关的信息，不能反映地震波在传播过程中波形和震相变化的全貌，从而导致结果不一致．本文基于三分量记录之间的“同源”特性，提出了一种可以计算三分量记录总体相关系数的简易方法，能够尽可能地利用数据的内在信息，压制随机噪声，并从理论上说明了其合理性．该方法的原理和计算过程均较为简单，整体运算量也较小，无论从经济上还是技术上都适用于未来“大数据”时代的海量资料处理，值得在实际工作中推广应用．由文中的实例可以看出，采用三分量整体相关可以解决互相关系数在不同分量间的差异以及临界识别等问题，所得结果也不是简单的三分量单独相关运算后的算术平均值，而是在各分量间(inter-component)相关后综合叠加得到的结果．这实际上是一种对信号的压噪重构，可以达到增强有效信号、压制干扰噪声的目的，解决了目前“重复地震”以及类似事件识别工作中遇到的问题．此外，采用三分量整体相关还可以同步三分量地震波形记录，避免片面追求各个分量的互相关系数单独最大而造成错误时移(这种现象可能是由地震波的谐波特性所导致)，因此从理论上来讲，也可能会存在整体相关系数比3个分量都小的极端情况，但在实际中由于各种震相混叠、介质不均性等情况的客观存在，故难以出现上述情形．应该看到，这种综合相关算法似乎对在有效震相外信噪较低的波形记录部分的相关计算效果并不明显，因此如何压制有效震相外的信号噪声以增加信噪比，以及充分利用各分量中所包含的地震信息以提高微小地震事件的可探测性也是未来工作的一个可行方向．吴忠良研究员为本研究进行了分析和指导，与加州大学圣克鲁兹分校地震学实验室的Emily Brodsky教授、 Lian Xue博士、 Stephen Hernandez博士进行了有益讨论，中国地震局地球物理研究所“国家数字测震台网数据备份中心” (doi:10.7914/SN/CB)为本研究提供了波形数据，审稿专家提出了建设性的修改意见，作者在此一并表示诚挚谢意．蒋长胜，吴忠良，李宇彤. 2008. 首都圈地区“重复地震”及其在区域地震台网定位精度评价中的应用[J]. 地球物理学报， 51(3): 817--827.Jiang C S， Wu Z L， Li Y T. 2008. Estimating the location accuracy of the Beijing Capital Digital Seismograph Network using repeating events[J]. Chinese Journal of Geophysics， 51(3): 817--827 (in Chinese).李宇彤. 2012. “重复地震”的若干地震学问题[D]. 北京: 中国地震局地球物理研究所: 36--40.Li Y T. 2012. The Seismology of ‘Repeating Earthquakes’[D]. Beijing: Institute of Geophysics， China Earthquake Administration: 36--40 (in Chinese).Båth M. 1974. Spectral Analysis in Geophysics[M]. Amsterdam: Elsevier Scientific Publishing Company: 87--94.Fredricksen H， Kessler I. 1977. Lexicographic compositions and deBruijnsequences[J]. J Comb Theory： Ser A， 22(1): 17--30.Kennett B L N. 2000. Stacking three-component seismograms[J]. Geophys J Int， 141(1): 263--269.Leonard M， Kennett B L N. 1999. Multi-component autoregressive techniques for the analysis of seismograms[J]. Phys Earth Planet Int，113(1/2/3/4): 247--263.Li L， Chen Q F， Cheng X， Niu F L. 2007. Spatial clustering and repeating of seismic events observed along the 1976 Tangshan fault， North China[J]. Geophys Res Lett， 34(23): L23309. doi:10.1029/2007GL031594.Li L， Chen Q F， Niu F L， Su J. 2011. Deep slip rates along the Longmen Shan fault zone estimated from repeating microearthquakes[J]. J Geophys Res， 116(B9): B09310. doi:10.1029/2011JB008406.Ma X J， Wu Z L，Jiang C S. 2014. ‘Repeating earthquakes’associated with the WFSD-1 drilling site[J]. Tectonophy-sics， 619/620: 44--50.Meng X F， Yu X， Peng Z G， Hong B. 2012. Detecting earthquakes around Salton Sea following the 2010 MW7.2 El Mayor-Cucapah earthquake using GPU parallel computing[J]. Proc Comp Sci， 9: 937--946. Obara K. 2002. Nonvolcanic deep tremor associated with subduction in Southwest Japan[J]. Science， 296(5573): 1679--1681.doi:10.1126/science.1070378.Peng Z G， Zhao P. 2009. Migration of early aftershocks following the 2004 Parkfield earthquake[J]. Nat Geosci， 2(12): 877--881.Schaff D P， Bokelmann G H R， Ellsworth W L， Zanzerkia E，Waldhauser F， Beroza G C. 2004. Optimizing correlation techniques forimproved earthquake location[J]. Bull Seismol Soc Am， 94(2): 705--721. Schaff D P， Richards P G. 2004. Repeating seismic events in China[J]. Science， 303(5661): 1176--1178.Schaff D P， Waldhauser F. 2005. Waveform cross-correlation-based differential travel-time measurements at the Northern California Seismic Network[J]. Bull Seismol Soc Am， 95(6): 2446--2461.Schaff D P， Richards P G. 2011. On finding and using repeating seismic events in and near China[J]. J Geophys Res， 116(B3): B03309.doi:10.1029/2010JB007895.Shelly D R， Beroza G C， Ide S. 2007. Non-volcanic tremor and low-frequency earthquake swarms[J]. Nature， 446(7133): 305--307. Waldhauser F， Ellsworth W L. 2000. A double-difference earthquake location algorithm: Method and application to the northern Hayward fault，California[J]. Bull Seismol Soc Am， 90(6): 1353--1368.Wu C Q， Meng X F， Peng Z G， Ben-Zion Y. 2014. Lack of spatiotemporal localization of foreshocks before the 1999 MW7.1 Düzce，Turkey， earthquake[J]. Bull Seismol Soc Am， 104(1): 560--566.Zheng X F， Yao Z X， Liang J H， Zheng J. 2010. The role played and opportunities provided by IGP DMC of China National Seismic Network in Wenchuan earthquake disaster relief and researches[J]. Bull Seismol Soc Am， 100(5B): 2866--2872. doi:10.1785/0120090257.。
基于波形互相关的微地震事件自动识别及初至拾取
1. Institute of Oil & Gas, School of Earth and Space Sciences, Peking University, Beijing 100871; 2. School of Earth and Space Sciences, University of Science and Technology of China, Hefei 230026; 3. Shengli Branch, Sinopec Geophysical Company, Dongying 257086; † Corresponding authors, E-mail: tianyue@ (HU Tianyue), chuanhe_pku@ (HE Chuan)
北京大学学报(自然科学版) 第 54 卷 第 2 期 2018 年 3 月 Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 54, No. 2 (Mar. 2018) doi: 10.13209/j.0479-8023.2017.079
近年来, 随着非常规油气资源勘探开发技术逐 渐成熟, 水力压裂微地震监测技术得到快速发展。 微地震监测是通过观测分析由岩石破裂或错断导致 的微小地震事件来监测地下人工裂缝发育过程与发 育状态的地球物理技术, 主要用于在水力压裂作业
基于深度学习的地震波形分类技术研究
基于深度学习的地震波形分类技术研究深度学习是一种人工智能领域的子领域，其广泛应用于图像、自然语言处理等方面。
然而，深度学习在地球物理学领域也有着广泛的应用，尤其是在地震波形分类技术方面。
本文将探讨基于深度学习的地震波形分类技术的研究。
地震波形分类技术对于地震预测、识别和监测具有重要意义。
传统的地震波形分类技术大多采用人工特征提取的方法，需要专业人员对地震波形进行分类。
这种方法有着人力成本高、效率低、易出错等问题。
随着深度学习技术的发展，利用神经网络实现自动特征学习可以大大提高地震波形分类的准确性和效率。
基于深度学习的地震波形分类技术具有以下优点：一、自动特征提取深度学习神经网络可以自动从原始数据中提取并学习特征，不需要人工特征提取。
相比传统方法，基于深度学习的地震波形分类技术不需要人工干预，减少了数据处理的细节和复杂度。
二、提升分类准确性经过深度学习训练的神经网络可以识别数据中的重要特征，从而提高分类的准确性。
基于深度学习的地震波形分类技术可以减少误判和漏判的情况，提供更高的分类准确性。
三、可适应于多种类型的数据深度学习神经网络可以适应多种类型的数据特征，并可以对未知的数据特征进行推测和分类。
在地震波形分类领域，基于深度学习的分类技术可以适应不同地震波形的频谱特征、地震数据的多样性等。
目前，研究者们已经在基于深度学习的地震波形分类技术方面取得了一些有意义的进展。
例如，利用深度神经网络实现了对地球表面周围不同方向的地震波形数据的分类和预测。
同时，研究者们还开发了基于卷积神经网络（CNNs）的自适应过滤器技术。
这种技术可以在空域和频域同时进行过滤器精细控制，提高了分类准确度。
尽管基于深度学习的地震波形分类技术在逐渐成为研究的热点，但仍然存在许多挑战和困难。
例如，地震波形数据的数量和质量不够充足，导致模型的泛化能力不够强。
此外，深度学习算法的可解释性较弱，难以理解模型是如何做出决策的。
结语基于深度学习的地震波形分类技术是一个前沿而有挑战的领域。
模板匹配地震分类
模板匹配地震分类地震是一种自然现象，经常发生在地球的各个角落。
地震的发生给人们的生活和财产带来了巨大的影响，因此对地震进行分类和预测就显得尤为重要。
模板匹配是一种常用的地震分类方法，通过比较地震波形的相似度来判断地震的类型。
模板匹配地震分类是一种基于地震波形相似度的分类方法。
它的基本原理是将已知类型的地震波形作为模板，与待分类的地震波形进行比较，通过计算它们之间的相似度来判断待分类地震的类型。
在进行模板匹配分类之前，首先需要建立一组已知类型地震波形的模板库。
建立模板库是模板匹配地震分类的关键步骤之一。
模板库中应包含各种不同类型地震的波形数据，例如地壳破裂型、火山喷发型、构造活动型等。
这些波形数据可以通过实际观测或者模拟计算得到。
在建立模板库时，需要注意选择具有代表性和典型性的波形数据，以提高分类的准确性。
模板匹配地震分类的核心是计算待分类地震波形与模板之间的相似度。
常用的相似度计算方法有相关系数、欧氏距离和互相关等。
相关系数是一种常见的相似度计算方法，它衡量了两个变量之间的线性关系强度。
欧氏距离则是衡量两个向量之间的距离，距离越小表示相似度越高。
互相关则是通过计算两个信号之间的相互影响程度来衡量相似度。
在进行模板匹配分类时，需要将待分类地震波形与模板库中的每个模板进行比较，并计算它们之间的相似度。
根据相似度的大小，可以将待分类地震归类到与之最相似的模板所代表的地震类型中。
通常情况下，相似度超过某个阈值即可判断为同一类型地震。
模板匹配地震分类方法具有一定的优势和局限性。
优势在于简单易行、计算速度快，可以快速对大量地震数据进行分类。
然而，由于地震波形受到多种因素的影响，例如震源深度、震中距离等，不同类型地震之间可能存在一定的相似性，导致分类结果可能不够准确。
为了提高地震分类的准确性，可以结合其他分类方法进行综合分析。
例如，可以使用机器学习算法对地震波形进行特征提取，并训练分类模型进行自动分类。
此外，还可以结合其他地震参数和观测数据进行综合分析，以提高分类结果的可靠性。
基于地震波形分析的灾害预警方法研究
基于地震波形分析的灾害预警方法研究灾害预警在地震灾害防范中起着至关重要的作用。
地震波形分析是一种常用的灾害预警方法，通过分析地震波形数据，可以提前判断地震的强度、发生时间和震中位置等关键信息，从而为地震灾害的预测和预警提供科学依据。
本文将探讨基于地震波形分析的灾害预警方法。
I. 引言地震灾害是一种突发性极强的自然灾害，对人类的生命财产安全造成严重威胁。
因此，实现地震灾害的预测和预警对于地震防范工作具有重要意义。
而地震波形分析作为一种经典的灾害预警方法，具备较高的准确性和可靠性，能够提供重要的预警信息。
II. 地震波形分析的基本原理地震波形是地震传播所产生的地震信号在地震波传播路径上的记录结果。
地震波形分析通过对地震波形数据的处理和分析，可以获取地震的关键参数，判断地震的特征以及可能引发的灾害范围。
III. 地震波形分析的技术手段地震波形分析依赖于多种技术手段，包括信号处理、数据处理和模型分析等。
信号处理利用数字滤波、谱分析和小波变换等方法，对地震波形进行降噪和去噪，从而获取更准确的地震信息。
数据处理包括地震波形的采集、传输和存储等环节，需要采用高精度的地震仪器和数据传输系统来确保数据质量。
模型分析则基于地震波形的特征，通过建立地震模型和进行数值计算，对地震的发生时间、震源位置和震级等进行预测。
IV. 灾害预警方法研究基于地震波形分析的灾害预警方法主要包括警报系统的建立和预警模型的构建。
警报系统通过建立灾害预警中心和警报系统，实现地震波形分析结果的传播和发布。
预警模型则基于历史地震数据和地震波形分析结果，建立数学模型进行预测和预警。
这些模型可以根据地震灾害发生前的特征，通过机器学习和人工智能等方法来进行优化和改进。
V. 地震波形分析的应用案例基于地震波形分析的灾害预警方法已经在多个地震灾害防范项目中得到了应用。
例如，某地区基于地震波形分析进行了地震预警系统的建设，通过监测和分析地震波形变化，成功预测了一次地震灾害。
应用图像语义分割网络的微地震事件识别和初至拾取方法
应用图像语义分割网络的微地震事件识别和初至拾取方法邓飞;蒋沛凡;蒋先艺;帅鹏飞;唐云
【期刊名称】《石油地球物理勘探》
【年(卷),期】2022(57)5
【摘要】微地震初至精确拾取是目前微地震监测关键环节之一,传统的人工拾取方法耗时长、效率低,在实际应用中容易导致无法及时预警等问题。
近年来,基于深度学习的长短期记忆网络模型(LSTM)常用于微地震初至拾取,但在低信噪比环境下拾取准确率较低,且忽视了微地震数据中相邻道初至之间的关联性。
针对上述问题,将微地震初至发生前、后看作是图像二分类问题,提出了一种应用图像语义分割网络的微地震事件识别和初至自动拾取方法。
应用在矿井中采集的实际微地震数据进行实验,结果表明,对包含岩石破裂、工程爆破等多类型微地震事件,该方法的识别准确率较现有的深度学习方法明显提高,平均拾取误差大幅降低,特别是低信噪比数据的平均拾取误差远小于LSTM法,因而具有良好的实际程应用价值。
【总页数】10页(P1011-1019)
【作者】邓飞;蒋沛凡;蒋先艺;帅鹏飞;唐云
【作者单位】成都理工大学计算机与网络安全学院;东方地球物理公司采集技术中心
【正文语种】中文
【中图分类】P631
【相关文献】
1.微地震事件不同初至拾取方法的对比分析
2.低信噪比微地震事件初至拾取方法研究
3.最小二乘曲线拟合的微地震初至优化拾取方法及应用
4.基于U-Net的井中多道联合微地震震相识别和初至拾取方法
5.基于波形互相关的微地震事件自动识别及初至拾取
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
类型 的观测 资料 。
１ 用 相 关 系数 定 量描 述 地 震 波 形 的相 似 性
相关 系数 （ 数学 手册 编写组 ， ９ ９ 反 映 了两 个 变 量 ， １７） Ｙ之 间的 线 性关 系 的密 切程 度 ， 定
义 为
Ｒ 一 — ＝ｘ ｔｙ ＇ ＝ ｔ
Ⅱ
（） １
对离散变量， ｚ 式中 一∑ （ －。 ｚ ｚ一２ ， 一∑ （ ｚ ） 一 ）， 一∑ （ ２ （ ， ｚ一－ 一 ） ）
地 震 地 磁 观 测 与 研 究
第 ３ 卷 第 ３ １ 期 ２１ ０ ０年 ６月
ＳＥＩ ＳＭ ０ Ｌ０ ＧＩ ＣＡ Ｌ Ｎ Ｄ Ａ ＧＥｏ Ｍ Ａ Ｇ Ｎ ＥＴ Ｉ Ｃ ０ＢＳ ＥＲＶ Ａ Ｔ１ Ｎ ０ ＡＮ Ｄ ＲＥＳＥＡＲＣ Ｈ
Ｖｏ１ ３ Ｎｏ． ．１ ３
Ｊｎ ｕ
０ 引 言
我 国地 震观测 数 字化体 系建 设为 地震 事件 观测 和震 源特 征 研究 建 立 了可靠 的 基础 ， 为快 速 开展 地震 记 录的深 入分析 提供 了便 利 。我们 在 阅读 数 字地 震 记 录波 形 时 ， 现在 某 些地 区 发 有 些地 震波 记 录的波 形形态 极 为相似 （ 图 １ 图 ２所示 ） 如 、 。为 了定 量描 述 这一 现象 ， 们 开展 我 了地震 波形 的相关 性 分析 ， 以获 取更 多 的震 源信 息 和事件 类型描 述方 法 。
２０ ０ ４年 ９月 ８ 日发 生 在 我 国吉 林 省 东 部 的地 震 以 及 ３天 后 发 生 在 朝 鲜 北 部 “ 了 建 水 电 为
站 而计 划好 的炸 山行 动” 工爆 破 ， 本不 属于 同一类 型 的地动 事件 ， 人 原 曾被 国外某 些媒 体 的“ 蘑
菇 云 ” 接式 报 道 ， 发“ 核” 国际关 注 。
１ ｌ ２ ６ ８ ０
图 １ 长 白 山 地震 台 宽 频 带 地 震 仪 记 录 的 ２次 地 震 事 件 的速 度 型垂 直 向 波 形
（）表 １中 ｏ ａ ７号 事 件 ；ｂ （ ）表 １中 ｏ ８号 事 件 （ 中 距 约 １ｋ 采 样 率 ５ 震 ｍ， ０点 ／ ， 间 窗 长 度 ２ ） ｓ时 ｏｓ
摘 要 讨 论 了地 震 波形 相 似 性 的定 量 描 述手 段 ， 算 了长 白山及 附近 地 区 ２ ０ 计 ０４年 发 生 的 ２ Ｏ个 较 小 地震 事 件 的地 震 波 形 相关 系数 ， 讨 了 波形 相 关 性 与震 源 类 型 的关 系 。 探
关键词 相关 系数 ； 形 相 关 性 ； 震 识 别 ； 源 类 型 波 地 震
Ｆｉ １ Ｖ ｅ ｔｃ ｌｃ ｍ ｐ ｅ ｏ ｇ． ｒ ｉａ ｏ ｏｎ ｎｔｇｒ ｕｎｄ ｖｅｏ ｉｙ ｗ ａ ｅ ｏｒ ｓ ｏ ａｒｈｑ ｋｅ ｅ ｏｒ ｅ ｙ ａ ｂ ｏ ｄｂ ｎｄ ｌｃ ｔ ｖ ｆ ｍ ｆ２ ｅ ｔ ｕａ ｓ ｒ ｃ ｄ ｄ ｂ ｒ ａ ａ ｓ ｉｍ ｏ ａ ｔＣｈａ ｅｓ ｇｒ ｐｈ ａ ｎｇｂ ｉ ｈ ｎ Ｓｅｓ ｉ ａ ｉ ａ ｓ ａ ｉｍ ｃ Ｓｔ ｔｏｎ
利用 我 国 长 白山地 区 、 东 地 区 的数 字 化 地 震 观 测 台站 记 录波 形 ， 附 近地 区 ２ ０ 丹 对 ０ ４年
６ １ 月 期 间发生 的 ２ — Ｏ Ｏ个 较 小 地 震 事 件 ， 展 了 波 形 相 关 性 分 析 ， 累 了该 地 区 小 事 件 震 源 开 积
－吉 ＿
一
当 ｌ 一１时 ， 为完 全线 性相关 ； ｌ 一０时 ， Ｒｌ 称 当 Ｒｌ 称全 无线 性相 关 ；Ｒｌ Ｉ 越接 近 １ 线性 相 关 ，
作者 简介 ： 富 胜 ， ， 究 员 ， 要 从事 震 源物 理 研 究 魏 男 研 主 基 金项 目： 震 行 业 专 项 基 金 课 题 ：０ ７８ ０ 地 ２０ ０ ０ ６ 本 文 收 到 日期 ： ０ ９ １ ９ ２ ０ — ００
２ １ ００
ｄ ｉ １ ． ９ ９ ｊ ｉｓ ． ０ ３ ３ ４ ． ０ ０ ０ ． ０ ｏ ：０ ３ ６ ／ ．ｓｎ １ ０ － ２ ６ ２ １ ． ３ ０ ９
基 于 波 形 相 关 性 的地 震 事 件 分 类
魏 富胜 许 忠 淮 郭 祥 云
（ 国北 京 １ ０ ８ 中 ０ ０ １中 国地 震 局 地 球 物 理 研 究 所 ）
数据点 个数
０ ６ １ ６ １ ９ ２ ２ ３１ ３ ８ ４ ５ ４ ５ ７ ６ ０ ３ ２ ８ ５ ５ ７ ４１ ０ ６ ３ ７ ０
（） ａ
Ｕ Ｄ
４ Ｍ 八 几 ／ ＼ 『 Ｖ ｙ
一
Ｏ
１３ ２ ５ ３ ８ ５ １ ６ ３ ７ ６ ８８ １ ｌ ４ ２ ６ ０ １ １ ｌ
第 ３期
魏 富胜 等 ： 于 波 形 相 关 性 的地 震 事 件 分类 基
５ ３
越 大 。当相关 系数 Ｉ 于某 一 起 码 值 时 ， 谓 线性 才 有 意 义 。该 值 与 观 测 次数 或 采 样 点 Ｒｌ 大 所 及所 给可 信度 有关 。采 样点 越多 ， 由于影 响相 关性 的 因素 随之增 多 ， Ｒ 的起 码值也 较小 。 故 我们 使用 互相 关 系数 Ｒ定 量描 述两 个波 形 的相似 性 。取值 从 ｏ ｇ 相似 ） １ 完全 相似 ） （ 到 （ ，
即表 示 两 个 地 震 波 形 的 完 全 无 关 或 完 全 一 致 。
数据 点个数
０ ９ １８ ２ ７ ９ ４５ ９ ６ ３ ７ ２ ９ ９０ ９ ９ ９ ３ ６ ９ ５ ４ ９ ９ ８ 】 ９
（） ｂ
Ｕ Ｄ
Ｏ
２
４
６
８
ｌ Ｏ ｔ ／ ｓ