导读:本文包含了震相识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:相识,地震仪,卷积,台网,汶川,核爆,基底。
震相识别论文文献综述
庞新明,赵明辉,刘思青,王强,张浩宇[1]（2019）在《复杂地质结构OBS地震剖面震相识别方法》一文中研究指出震相识别对获取深部速度结构至关重要.横穿加瓜海脊的T1测线东段,地形高差达3km,沉积厚度相差约2km,沉积基底变化复杂,对海底地震仪(OBS)地震剖面的震相识别增加了难度.本文以该测线东段OBS数据为例,采用地形校正、基底校正、多次波识别、正演模拟、走时投影等多种手段,开展了复杂构造的OBS震相识别研究,获得了测线下方深部速度结构模型.结果表明,采用的方法对复杂地质结构下OBS震相识别是行之有效的,相比传统的方法提供了更多且准确的震相走时信息,获得的速度模型更加可靠.(本文来源于《地球物理学报》期刊2019年09期）
靳玉贞,刘炜,何佳,杨世英,孟彩菊[2]（2019）在《太原基准地震台核爆震相识别》一文中研究指出对太原基准地震台记录的核爆及天然地震波形进行对比分析,结果显示:(1)与天然地震相比,核爆震相特征相对独特;(2)地震优势频率较窄,而核爆优势频率则较宽,即对于震中距相近、当量不同的核爆波形,太原台记录的时频变化特征相似;(3)对于震中距相近的天然地震与核爆波形,太原台记录的时频特征差异明显。(本文来源于《地震地磁观测与研究》期刊2019年04期）
王莉婵,李雪英,蔡玲玲,王宁,赵英萍[3]（2019）在《河北地区Pb震相识别及康拉德界面分析》一文中研究指出基于河北测震台网现用速度模型,利用走时方程计算得到河北地区Pb震相的盲区范围大致为70km左右,作为初至震相的起始震中距范围为90～120km,作为后续震相的起始震中距范围为135～150km;收集近年京津冀地区2.0级以上地震88条,根据Pb震相理论波形特征,以及理论波形与实际波形到时比对,最终识别到158个有效Pb震相,拟合速度为6.69km/s,康拉德界面埋深21km,并得到河北地区Pb震相实际波形特征,弥补了河北台网Pb震相空白;利用Pb震相的射线分布,分析认为康拉德界面在河北北部山区发育程度较好,南部次之,中部渤海湾盆地地区连续性最差。(本文来源于《华北地震科学》期刊2019年03期）
赵明,陈石,房立华,David,A,Yuen[4]（2019）在《基于U形卷积神经网络的震相识别与到时拾取方法研究》一文中研究指出精确获取震相到时是地震定位和地震走时成像等研究的重要基础.近年来,随着地震台站的不断加密,地震台网监测到的地震数量成倍增长,发展快速、准确、适用性强的震相到时自动拾取算法是地震行业的迫切需求.本文在前人工作基础上,发展了Pg、Sg震相自动识别与到时拾取的U网络算法(Unet_cea),使用汶川余震和首都圈地震台网记录的89344个不同震级、不同信噪比的样本进行训练和测试.研究表明,U网络能够较好地识别Pg、Sg震相类型和拾取到时,Pg、Sg震相的正确识别率分别为81%和79.1%,与人工标注到时的均方根误差分别为0.41s和0.54s.U网络在命中率、均方根误差等性能指标上均明显优于STA/LTA和峰度分析自动拾取方法.研究获得的最优模型可以为区域地震台网的自动处理提供辅助.(本文来源于《地球物理学报》期刊2019年08期）
陈燚飞[5]（2019）在《高频倾斜应变观测的地震波震相识别与研究》一文中研究指出观测技术的发展使得传统形变观测手段向高频发展成为一种趋势。近年来,以往主要应用于低频固体潮观测的地倾斜和地应变观测也拓宽观测频带,开展高频观测。在“板块边缘观测计划”(PBO)中,美国为了研究北美大陆西部板块边缘地区的变形,沿其西海岸板块边界布设了包括GNSS、测震、应变、倾斜及InSAR在内的多种观测手段。本文以美国PBO综合钻孔观测数据为基础,在对PBO钻孔形变观测仪器充分认识的基础上,将高频地倾斜、地应变观测数据与同址测震观测数据相结合,实现了形变观测数据中的高频信号提取、震相识别和时频分析;并以墨西哥8.1级地震为例,分析了14个同址观测的高频形变与测震仪的观测数据,完成了地震信号提取、分量式钻孔应变仪的同震自洽、地震波走时分析以及同震应变主方向解算,结果表明高频形变仪器记录的地震波符合地震射线传播规律,对不同震中距的观测数据进行的S变换得到的时频谱表明应变仪可识别频率介于0.02-0.25Hz之间的地震波信号,与地震记录有较好的一致性。受1sps(samples per second)采样限制,PBO钻孔应变仪在该文中体波波段的记录能力明显不如其对面波的响应。面波可以在应变仪观测中较完整的得到记录,较地震仪更有优势,可以结合应变仪和地震仪面波资料进行地壳结构研究。在远震记录中,PBO钻孔应变仪记录的同震应变主方向指向震中,表明地震波传播到钻孔时应变仪记录的信号主体是地震波引起的形变。(本文来源于《中国地震局地震研究所》期刊2019-06-01）
李安[6]（2019）在《基于深度学习的地震事件与震相自动识别》一文中研究指出从计算机引入地震监测系统,地震事件检测和震相识别就一直是地震学界想攻克的问题。而随着我国地震台站近年来迅速增加,地震数据已成为海量数据,单纯依靠人工分析地震震相已经越来越跟不上数据产出。由于工作量的问题,人工拾取不得不丢弃很多常用震相,甚至是一个台站的所有震相,因此自动地震事件检测和自动震相识别就成为越来越重要的国际攻克的热点问题。人工智能近年得到快速发展,地震学家们自然的想利用人工智能方法来解决自动地震事件检测与自动震相识别问题。人工智能的发展得益于深度学习方法的提出,本文也尝试寻找一种深度学习方法,探索自动地震事件检测与震相识别问题。一般来讲,地震事件检测与震相识别问题是先找地震事件再识别震相,本文根据这种思路,设计双卷积结构模型,该模型可分为地震事件检测与震相识别两个阶段,两个阶段的模型均为9层的卷积神经网络。第一阶段从连续波形数据中检测出地震事件,第二个阶段从第一阶段检测到的地震事件中识别震相到时。双卷积结构模型方法基于卷积神经网络,与传统震相识别方法相比,具有自动提取特征学习,不需要人为设定阈值,模型学习能力强,非线性表达能力强,抗干扰能力强,能够高效、高精度分类地震事件与识别震相等优势。相比其他深度学习方法相比,本文提出的双卷积结构模型方法尝试从地震事件检测到震相识别完全基于卷积神经网络,从而探索高精度,高效率的地震事件与震相的自动识别方法。为了提高双卷积结构模型泛化性能、抗干扰能力以及震相命中率,进一步减低震相误差,本文从样本增强、调优参数等方面进行改进。通过高斯噪声、随机噪声拼接、随机挑选噪声、随机截取地震事件等四种样本增强方法扩增训练集,使用扩增后的训练集训练双卷积结构模型,有效控制模型过拟合,提高了模型泛化性能和抗干扰能力。选择对时间滑动窗口长度,学习率,Batch Size等超参数进行优化,进一步提高模型的震相识别准确率,通过实验对比,最终双卷积结构模型第一阶段模型时间滑动窗口长度为30s,第二阶段模型时间滑动窗口长度为2s,学习率使用0.0001,Batch Size选择128。最后,对第二阶段模型输出的概率向量(震相识别模型判断每个时间窗口为震相到时的概率值组成的向量)进行中值滤波处理,结果表明对概率向量进行中值滤波后,识别到的震相误差降低0.2%~0.8%,命中率提高3%~4%。本文的工作有两个阶段,第一个阶段为探索单台的Pg和Sg震相的识别,选择西藏林芝地区观测噪声较高较复杂的流动地震台站L0230叁个月的数据作为训练集,识别西藏林芝地区共6个台站一个月的数据。另外,使用阿里云与中国地震局联合举办的AI余震大赛数据集进行训练和识别震相,与其他方法的结果对比分析。第二阶段工作选择地震台网,利用多台信息,进一步排除干扰最终确定地震事件。使用首都圈台网延怀盆地及周边13个台站数据,延怀盆地一直是首都圈内高度关注的地区,陈运泰院士团队和德国GFZ合作在这里建立了一个相对密集的台阵,开展了长期观测。这里远离重工业区,观测环境相对较好。为了验证双卷积结构模型方法的有效性,将训练好的模型应用于延怀盆地13个地震台站2015年的连续波形数据。与人工编目相比,双卷积结构模型方法能够检测人工编目漏检的地震事件,同时能够识别更多的震相,完善地震编目。在叁个台站及叁个台站识别到的地震事件中,双卷积结构模型方法漏检率为4.5%,在单台及两个台识别的地震事件中,模型漏检率15.9%。此外,将双卷积结构模型方法应用于2017年由中国地震局地球物理研究所与阿里云联合举办的余震捕捉AI大赛的公开数据中以及西藏林芝的台站数据中,均取得较好的结果。通过实验分析表明,双卷积结构模型方法能够有效检测地震事件,识别震相,并且识别震相误差小,命中率高,漏检率低。本文尝试完全基于深度学习技术,提出双卷积结构模型方法,使用不同的样本增强的方式,提高了模型的抗干扰能力和泛化性能,对震相识别模型得到的概率向量进行中值滤波,降低震相识别的误差,提高震相正确识别率。最终实现了高精度、高准确率的自动地震事件检测和震相识别。(本文来源于《中国地震局地球物理研究所》期刊2019-06-01）
王树旺,王斌[7]（2019）在《基于SNR方法的地震震相识别研究》一文中研究指出在本研究中,使用基于信号噪声比即(SNR)方法来准确拾取地震震相到时。该方法本质上是将传统的特征函数搜索与简单一维速度模型反演相结合。当速度误差在一定的允许范围内,将特征函数限制在一定范围内搜索,从而避免了与理论到时相差较大误差。从甘肃省台网测震目录中选取2013年1月-2018年3月期间2654个地震作为测试数据,结果显示SNR方法识别震相方法与人工识别震相方法整体误差在5%左右,基本可以取代人工结果,从而减少人为工作量。(本文来源于《甘肃科技》期刊2019年07期）
蒋一然,宁杰远[8]（2019）在《基于支持向量机的地震体波震相自动识别及到时自动拾取》一文中研究指出面对海量地震资料,自动准确地拾取震相并确定其到时的需求非常迫切.基于支持向量机技术,本文提出了使用两个分类器SSD和SPS自动识别地震体波震相并自动拾取其到时的方法.相比于传统的自动拾取方法,本文方法能够更准确地识别震相并区分P波和S波.进一步地,我们提出了利用台阵资料辅助识别震相的方案,有效地提高了地震震相拾取的准确率.(本文来源于《地球物理学报》期刊2019年01期）
孙印,潘素珍,刘明军[9]（2018）在《天然地震识别与震相自动拾取技术进展》一文中研究指出震相拾取是地震数据处理过程中最基本的步骤之一。在传统的人工拾取技术不能满足庞大的地震数据处理需求的情况下,震相自动拾取技术从产生到发展至今经历了漫长的过程。本文回顾并总结了震相自动拾取技术的发展状况,重点介绍了长短时窗法、赤池准则法、模板匹配技术、基于自相关盲搜索的FAST法、S波偏振分析法、人工智能方法等,以及近年发展起来的多频率震相识别、全波形迭加、二次方自回归模型等方法,同时分析了每种方法的优势和局限性。(本文来源于《中国地震》期刊2018年04期）
李恩来,王承伟,安祥宇[10]（2018）在《地震初至震相自动识别方法研究》一文中研究指出地震震相识别是地震记录分析的基础性工作,在地震定位、地下结构、以及地震学研究中有广泛应用。使用最常用的长短时窗能量比(STA/LTA)加自回归方法(AIC)的方式,采用两步法进行初至震相识别,并分析特征函数对能量变化的敏感度,该方法识别的初至震相70%以上都早0.5s以内,能够较好的识别初至震相。(本文来源于《防灾减灾学报》期刊2018年04期）
震相识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对太原基准地震台记录的核爆及天然地震波形进行对比分析,结果显示:(1)与天然地震相比,核爆震相特征相对独特;(2)地震优势频率较窄,而核爆优势频率则较宽,即对于震中距相近、当量不同的核爆波形,太原台记录的时频变化特征相似;(3)对于震中距相近的天然地震与核爆波形,太原台记录的时频特征差异明显。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
震相识别论文参考文献
[1].庞新明,赵明辉,刘思青,王强,张浩宇.复杂地质结构OBS地震剖面震相识别方法[J].地球物理学报.2019
[2].靳玉贞,刘炜,何佳,杨世英,孟彩菊.太原基准地震台核爆震相识别[J].地震地磁观测与研究.2019
[3].王莉婵,李雪英,蔡玲玲,王宁,赵英萍.河北地区Pb震相识别及康拉德界面分析[J].华北地震科学.2019
[4].赵明,陈石,房立华,David,A,Yuen.基于U形卷积神经网络的震相识别与到时拾取方法研究[J].地球物理学报.2019
[5].陈燚飞.高频倾斜应变观测的地震波震相识别与研究[D].中国地震局地震研究所.2019
[6].李安.基于深度学习的地震事件与震相自动识别[D].中国地震局地球物理研究所.2019
[7].王树旺,王斌.基于SNR方法的地震震相识别研究[J].甘肃科技.2019
[8].蒋一然,宁杰远.基于支持向量机的地震体波震相自动识别及到时自动拾取[J].地球物理学报.2019
[9].孙印,潘素珍,刘明军.天然地震识别与震相自动拾取技术进展[J].中国地震.2018
[10].李恩来,王承伟,安祥宇.地震初至震相自动识别方法研究[J].防灾减灾学报.2018
论文知识图
