结合台阵策略的震相拾取深度学习方法

深度学习的突破性发展及其在地震学领域的初步应用,为有效处理和利用地震资料提供了可能.震相拾取是地震资料处理中的基础性工作,目前已经提出了很多基于深度学习的震相拾取方法,取得了很好的效果.但是,为了满足地震学研究中处理连续地震记录的需要,尚需对方法进行进一步的改进.本研究针对性地设计了结合台阵策略,单独识别P波和S波的长时窗震相拾取深度学习模型PP(phase picker)及其训练方式,提出了具有实用性的震相拾取方法APP(array-assisted phase picker).利用阿里余震AI捕捉大赛和Hi-net数据进行测试的结果表明,模型能够有效地在连续波形上拾取体波震相并具有很好的泛化能力.通过比较该模型与其他模型(较短时窗的模型和同时识别P波、S波的模型)的拾取效果,验证了模型设计的合理性.具体的测试样例显示,该方法能够正确地处理地震密集的波形数据并能避免典型噪声的影响.将该方法运用到内蒙古地区台网的观测数据中,检测到了人工目录中98.1%的地震,地震拾取总数为人工目录数的30倍,进一步表明本研究方法具有很好的实用性.     

高铁地震 4D 地频图及其可用性研究

基于北京大学在河北保定地区高铁线路附近布设的台阵数据, 在考虑车型变化的情况下, 采用基频对齐的方法, 将同一台站上相同类型列车激发的高铁地震信号三分量的频谱分别叠加起来, 可在更远的台站上获得更高信噪比的频谱。使用聚类算法, 得到不同车型对应的三分量频谱随台站位置的变化规律。基于高铁地震频谱特征及其变化规律, 提出4D 地频图的概念, 并讨论其监测高铁及周边介质的可用性。     

高架桥下方高铁地震信号频谱特征研究

使用北京大学架设的临时台阵中11个高铁高架桥下的短周期台站11天记录到的由951列高铁激发的共10461条地震记录, 利用K-Means聚类算法, 研究其频谱如何随列车的速度、模型、铁轨和路基变化而变化。近匀速运动的高铁所产生的高铁地震波的频谱主要由等间隔的峰组成, 其基频等于速度与车厢长度的比值。通过调整基频来降低列车速度的影响, 可使频谱模式更稳定, 便于比较。聚类结果表明, 高铁地震的频谱在相同车型、铁轨和路基条件下, 表现出稳定的模式; 这种稳定的频谱模式随车型、铁轨和路基条件的变化而显著变化。对这种稳定的频谱特征的监测, 可用于高速铁路的安全监控。     

基于模板识别方法探测断层结构

在模板识别和地震相对定位方法的基础上, 提出一种探测断层结构的地震学方法。借用为了发现更多相似地震而在模板识别方法基础上提出的弱模板识别方法, 探测与模板地震有空间位置差异的地震, 然后根据波形互相关得到的到时差确定新识别出的地震相对于模板地震的空间分布。由于该方法对相似度要求较低, 且因计算量小而可以扫描更长时间的地震记录, 所以可以探测到更多能够比较精准地刻画断层细结构的微地震。利用渤海湾地区40天的地震波数据, 初步证明了这一方法的可行性。