当前位置:主页 > 理工论文 > 地球物理论文 >

基于深度学习的余震P和S震相拾取研究

发布时间:2021-01-17 23:11
  随着地震处理数字化的快速发展和地震台站的大量建设,震相到时拾取在地震科学领域扮演着越来越重要的角色。然而地震波记录是一种伴随复杂噪声干扰的类随机波形,同时随着地震记录数据量的指数级增加,对震相自动拾取技术提出了更高的要求和挑战。近些年以来,深度学习技术被广泛应用于震相拾取等领域,它突破了传统拾取方法固有的局限性,为震相到时拾取提供了新方法。本文主要对高效率、高精度的拾取震相到时问题进行研究和分析,在简要分析了已有的自动震相拾取方法以及研究卷积神经网络与长短时记忆网络后,构建了基于卷积神经网络的震相定位器与基于长短时记忆网络的震相拾取器,在此基础上提出了一种新的到时拾取方法。本文提出的到时拾取方法分为震相定位与震相拾取两个阶段。震相定位阶段采用40秒滑动窗口将待拾取地震波分解为无重叠的若干片段波,通过震相定位器对片段波进行二分类,从而在大段待拾取地震波中快速地提取出事件波。震相拾取阶段将到时拾取问题看作三分类问题,将40秒事件波划分成400帧,利用震相拾取器将每一个0.1秒的帧分类为P波、S波或非P波S波,同时构建P波与S波各自的信噪比序列。以第一个被分类为P波或S波的帧所在时刻为标准,... 

【文章来源】:成都理工大学四川省

【文章页数】:82 页

【学位级别】:硕士

【部分图文】:

基于深度学习的余震P和S震相拾取研究


三分量地震波形图

波形图,地震波,波形图,震相


13图 2-2 没有地震波的波形图2.1.4 震相与到时震相是地震波在地震记录图上显示的性质不同或传播路径不同的地震波组不同的震相在到时、波形、振幅、周期和质点运动方式等方面都有其各自的特征。地震波按照传播方式的不同分为 P 波与 S 波两大类,P 波与 S 波在地震图上的特征显示分别称为 P 震相与 S 震相。由于 P 波的质点沿着波的传播方向运动,而 波质点运动垂直于波的传播方向,质点运动方式的不同导致 P 波与 S 波的速度不同,由此在地震图中表现为 P 震相为初至震相,其后为 S 震相。地震发生后当地震波经过台站时,各个台站记录的地震波形会明显地区别于地脉动,表现为初动振幅突然增大、频率变快,同时后续震相的振幅或频率与前一个震相相比会

震相,地震图


从而产生干涉现象,使得地震图呈现出一幅复杂的图形,所以一般情况能识别震相的起始,这一时刻通常称为 P、S 波到时或 P、S 震相到时。图 2-3 为四川台网 LGH 台站 2016-08-01T03:52:25.000+800 左右的一段三地震图,从左向右第一条黑色竖线对应时刻为 P 波到时,也是 P 震相的开始,第二条黑色竖线对应时刻为 S 波到时或 S 震相开始时刻。直观地从波形上,用两条竖线可以将上图分为三段,从左到右每一段波形振幅、周期都明显。P 波在第一条黑色竖线时刻开始被记录到地震图,其后的若干秒 P 波一直不断,因此第二段波形在地震图中特征比较相似。而在第二条黑色竖线时刻 波将要开始被记录到地震图,由于 P 波依然没有消失,所以 P 波与 S 波以及若干噪声波组成的混合波被一起记录到地震图。以上情况就造成 P 震相受到扰较小,震相较为清晰,拾取较容易,而 S 震相通常受到较大干扰,震相较糊,拾取更加困难。另外,从图 2-3 的地震图来看,震相很容易拾取出来,但是大部分的地震噪比都不高,震相特征也不明显,这种情况无疑会对拾取工作造成很大的干扰

【参考文献】:
期刊论文
[1]地震初至震相自动识别方法研究[J]. 李恩来,王承伟,安祥宇.  防灾减灾学报. 2018(04)
[2]浅谈我国地震灾害与防震减灾宣传[J]. 李邯广.  科技传播. 2018(19)
[3]机器学习发现地震数据中的隐藏信号[J]. 赵纪东,Holtzman B K,Paté A,Paisley J.  国际地震动态. 2018(07)
[4]余震自动识别技术研究进展[J]. 李力,张建国,李盛乐.  地震研究. 2018(01)
[5]地震自动识别及震相自动拾取方法研究进展[J]. 刘翰林,吴庆举.  地球物理学进展. 2017(03)
[6]2016年青海门源MS6.4地震余震序列参数稳定性分析[J]. 余娜,张晓清,袁伏全.  地震研究. 2016(S1)
[7]测震miniSEED格式数据在线实时展示方法研究和Java实现[J]. 王晓磊,李刚,卞真付,刘磊,朱宏,孙铭萱.  震灾防御技术. 2016(04)
[8]不平衡数据加权集成学习算法[J]. 徐丽丽,闫德勤.  微型机与应用. 2015(23)
[9]利用余震频度分布进行宏观震中快速判定[J]. 郑韵,姜立新,杨天青,刘杰.  地震. 2015(02)
[10]基于STA/LTA方法的微地震事件自动识别技术[J]. 段建华,程建远,王云宏,陆斌,朱红娟.  煤田地质与勘探. 2015(01)

硕士论文
[1]基于神经网络的地震震相自动拾取方法[D]. 姚开一.中国科学院大学(中国科学院国家空间科学中心) 2018
[2]紫坪铺库区地震定位与小波变换的应用[D]. 蔺永.中国地震局地质研究所 2014
[3]地震预警中的震相自动识别方法和技术研究[D]. 冯红武.中国地震局兰州地震研究所 2014
[4]基于卷积神经网络的深度学习算法与应用研究[D]. 陈先昌.浙江工商大学 2014



本文编号:2983773

资料下载
论文发表

本文链接:https://www.wllwen.com/projectlw/dqwllw/2983773.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户4f7ad***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com