导读:本文包含了自动识别震相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:自动识别,相识,长短,卷积,事件,方法,振幅。
自动识别震相论文文献综述
李安[1]（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）
蒋一然,宁杰远[2]（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[3]（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[4]（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）
刘翰林,吴庆举[5]（2017）在《地震自动识别及震相自动拾取方法研究进展》一文中研究指出微小地震事件的研究工作应用领域广泛,在诱发地震监测、地颤动低频地震监测、地震预警等研究中有举足轻重的地位.而微震事件的自动识别以及震相的自动拾取的研究则是后期微震数据处理工作的基础,包括地震定位、地震成像、震源机制反演等工作.本文就目前各类地震事件自动识别及震相拾取方法的原理起源与大致分类应用进行了阐述,重点介绍了叁大类方法:第一类是基于振幅(能量)判据的长短时窗比、震源扫描迭加等事件识别以及震相拾取系列方法;第二类是基于波形互相关技术的事件识别方法;第叁类是基于波形自相关的盲搜索技术.最后还列举了几类较为前沿的综合性方法及其应用分析,并与传统搜索和拾取方法进行了比对,认为各类单一传统方法各有利弊,不具有普适性,应就具体的研究领域进行综合应用.(本文来源于《地球物理学进展》期刊2017年03期）
田优平,赵爱华[6]（2016）在《基于小波包和峰度赤池信息量准则的P波震相自动识别方法》一文中研究指出基于小波包变换和峰度赤池信息量准则(AIC),提出了一种新的自动识别P波震相的综合方法,即小波包-峰度AIC方法.首先对由加权长短时窗平均比(STA/LTA)法粗略确定的P波到时前后3s的记录进行小波包叁尺度的分解与重构,分别计算每个尺度重构信号的峰度AIC曲线并将其迭加,迭加曲线的最小值则为P波震相到时;然后对原始地震记录进行有限冲激响应自适应滤波以提高信噪比和识别精度;最后将小波包-峰度AIC方法应用到合成理论地震图及实际地震记录的P波初至自动识别中.结果表明:初至清晰度对识别精度的影响比信噪比对其影响更大;与单独使用加权STA/LTA方法和峰度AIC法相比,小波包-峰度AIC法具有更强的抗噪能力,识别精度更高;当初至清晰时,小波包-峰度AIC法自动识别与人工识别的P波到时平均绝对差值为(0.077±0.075)s.(本文来源于《地震学报》期刊2016年01期）
苏柱金,黄文辉[7]（2015）在《MSDP软件震相自动识别技术实现》一文中研究指出利用MSDP交互分析软件实现震相自动识别技术,技术模块主要实现STA/LTA触发算法、AR-AIC震相识别方法、Filter Picker方法和自动量取振幅方法,提高MSDP分析处理地震事件和进行地震速报的效率,并利用大量地震事件对震相自动识别技术进行测试和验证。(本文来源于《地震地磁观测与研究》期刊2015年05期）
田优平,赵爱华[8]（2015）在《基于小波包和峰度AIC方法自动识别P波震相》一文中研究指出我国地处欧亚地震带和太平洋地震带中间,地震活动频繁,灾害性地震时常发生。多年来,破坏性地震给人类社会带来了灾难性后果,对人类的生命财产造成了巨大威胁,致使地震科学家一直在努力研究和探索震源机制、地球内部构造、地震速报和地震预警等方法,以达到防震减灾的目的,而地震震相的自动识别是这一系列研究的重要基础。地震震相的自动识别不仅能为地震定位、层析成像等地震研究提供基础数据,而且可大大提高地震速报和地震预警的速度,为震后应急救援赢得(本文来源于《地球物理信息监测与计算技术应用研讨活动论文摘要》期刊2015-08-22）
田优平[9]（2015）在《近震P波震相自动识别方法研究》一文中研究指出地震震相的检测和识别是地震学研究中的重要课题,它是地震定位、地震预警及地球深部结构等研究的基础。地震震相的自动识别可大大提高地震速报和地震预警的速度,为震后应急救援赢得宝贵时间。总结了目前较常用的震相自动识别方法,对比分析了叁大类方法即单特征法(包括能量分析、偏振分析、高阶统计量、分形分维、赤池信息量和频谱分析等)、多特征法(包括全波震相分析、相关法及人工神经网络等)和综合分析方法的优缺点,并指出了震相自动识别的发展方向。在前人研究的基础上,提出了一种震相自动识别新方法,即小波包-峰度AIC(Akaike Information Criteria,赤池信息准则)方法。该方法由叁部分组成：(1)利用加权STA/LTA (short term average/long term average,长短时窗平均比)方法自动检测出有效的地震事件并拾取P波初至的粗略到时；(2)对粗略拾取的到时前后各推3秒的时间窗内的信号进行小波包叁尺度分解重构；(3)分别计算叁个尺度重构信号的峰度AIC曲线并进行迭加,将迭加的AIC曲线的最小值作为最终拾取到的精细P波初至到时。为检验新方法效果,将其应用于模拟事件的理论地震记录,模拟事件参照云南地区实际震例设计。对理论地震记录加入不同信噪比的高斯白噪声和实际地震噪声,以由射线追踪技术得到的到时为标准,对比了加权STA/LTA法、峰度AIC法和本文方法识别P波的效果。结果表明本文方法具有更强的抗噪能力,P波识别的精度更高。以云南地区722个近震垂直向记录为例,考察了滤波方法、信噪比及初至清晰度对震相识别精度的影响。结果表明：FIR最佳频带滤波方法在提高信噪比及P波识别的精度上优势更突出；相对信噪比的影响,P波识别的精度受初至清晰度的影响更大。以人工拾取的震相到时为标准,与加权STA/LTA、峰度AIC两种方法相比,本文方法效果更好。对比了人工与自动拾取的P波走时曲线,进一步验证了本文方法的可靠性。(本文来源于《中国地震局地球物理研究所》期刊2015-06-01）
陈少波[10]（2015）在《地震预警系统的P波震相自动识别方法研究》一文中研究指出地震预警系统能在破坏性地震动到达目标地区前为人们提供地震警报信息,从而有效减少地震造成的人员伤亡,减轻地震灾害损失。目前,很多国家都在积极研究和应用地震预警系统,并已取得了诸多成果。初至震相的自动分析识别技术是地震预警系统中最基础但又极为关键的技术环节。准确可靠的震相自动识别结果能够最大程度地保证预警系统产出信息的可靠性,同时也能有效降低预警系统中的震相关联等后续工作的复杂度。本文在学习借鉴国内外震相自动识别相关研究方法的基础上,提出了一套算法简单、可用于实时处理的震相综合识别方法。具体的工作如下:(1)介绍了目前常见的自动震相识别方法,如STA/LTA方法、能量分析方法、偏振分析方法法、短时傅里叶变换方法、小波变换方法、人工神经网络法等,并按时域分析、频域分析、时频分析、综合分析方法四大类进行了综述。(2)阐述了长短时平均结合AIC方法、偏振分析方法、能量分析方法、FFT幅值比方法和峰度方法的原理。分别应用以上五种方法对所选取的福建测震台网观测记录进行P波震相到时的自动捡拾,统计并分析了五种方法的捡拾结果,总结各方法的优缺点。结果表明,单一方法只利用了信号的某一属性特征,其适用范围有一定限制,不能有效避免所有类型的误捡拾。(3)为避免误捡拾,尤其是干扰信号引起的误捡拾,本文充分利用地震信号的幅值特性、频率特性、偏振特性等属性,提出了一套算法简单、可用于实时处理的震相综合识别方法,并应用该方法对所选取的福建测震台网观测记录进行P波震相自动捡拾,统计并分析捡拾结果。结果表明,综合识别方法的抗干扰信号能力显着增强,能有效避免干扰信号引起的误捡拾,有助于提高P波捡拾结果的可靠性。(本文来源于《中国地震局工程力学研究所》期刊2015-05-01）
自动识别震相论文开题报告
（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：
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.
（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。
自动识别震相论文参考文献
[1].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
[2].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
[3].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
[4].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
[5].刘翰林,吴庆举.地震自动识别及震相自动拾取方法研究进展[J].地球物理学进展.2017
[6].田优平,赵爱华.基于小波包和峰度赤池信息量准则的P波震相自动识别方法[J].地震学报.2016
[7].苏柱金,黄文辉.MSDP软件震相自动识别技术实现[J].地震地磁观测与研究.2015
[8].田优平,赵爱华.基于小波包和峰度AIC方法自动识别P波震相[C].地球物理信息监测与计算技术应用研讨活动论文摘要.2015
[9].田优平.近震P波震相自动识别方法研究[D].中国地震局地球物理研究所.2015
[10].陈少波.地震预警系统的P波震相自动识别方法研究[D].中国地震局工程力学研究所.2015
论文知识图
