高斯线调频连续小波变换的时频能量衰减因子方法及其应用

本文基于高斯线调频连续小波变换，提出了能够反映震源区或近场区小地震波形在震源深度、震源尺度、震源破裂机制、地震波传播途径、地震波衰减等方面的差异特征信息的特征指标，即小波变换的时频能量衰减因子方法。为了验证该方法的有效性，选取了震源破裂机制有明显差异特性的天然地震、爆破或塌方资料以及非强地震孕震区同一地点发生的多次小震资料。研究结果表明，天然地震与爆破或塌方记录的连续小波变换时频能量衰减因子有明显区别；正常地震活动背景下地震记录的连续小波变换时频能量衰减因子变化比较稳定；利用该方法，通过对某一地区的连续观测，可望为强震预测提供有效判据。     

近地震波的小波相对能量分布特征分析

地震波具有非平稳信号特征,能量分布在一个有限带宽范围内.本文根据小波变换的时频特性和分层分解关系,得到了近地震(震中距小于300 km)峰值能量的频率主要集中在3～6 Hz频段这一初步结果.统计分析结果证明了这种方法对于近地震波分析的有效性和可靠性,同时也表明基于小波变换的地震相对能量分布特征可以更准确的给出地震信号的细节.结果对于地震震源及地震波传播规律的研究以及工程抗震设计具有一定的参考意义.     

地震与爆破的小波包识别判据研究

利用sym5小波包基函数对小震级天然地震和人工爆破波形进行4层小波包分解并绘制了时频谱图.通过时频谱图可直观得出, 爆破频率成分简单, 时频谱聚集性较好. 为寻求定量的识别指标, 综合P波和S波小波包变换结果, 提出并定义了P/S能量比. 分析识别效果较好的 P/S能量比判据得出爆破的P波主频集中在频段3.125—9.375 Hz处, 地震频率成分较复杂, S波在高频12.5—23.4375 Hz处也较发育, 在这些频段上, 爆破的P波与S波差异要大于地震的P波与S波差异. 作为小波包判据研究的补充, 文中也提取分析了P波的能量比与S波的能量比. 能量比判据识别结果表明, 人工爆破与天然地震的频率成分存在差异, 通过小波包变换能够提取有效的识别判据.      

基于能量比的天然地震与人工爆破自动识别算法研究

研究了从天然地震和人工爆破事件的波形记录中提取出来的能量比特征在天然地震和人工爆破事件的自动识别中的有效性及适用性。对波形记录进行了4层小波变换,然后对变换得到的小波系数提取能量比特征,最后利用支持向量分类机ν-SVC进行识别效果检验。实验证明,由bior2.2小波包分解后提取出来的能量比特征对天然地震和人工爆破事件的识别效果很好,可用于实际的自动识别系统作为识别判据之一。     

云南宾川大容量气枪震源波形频谱特征分析

2011年云南省地震局、中国地震局地球物理研究所在云南省宾川县大银甸水库开展了大容量气枪激发实验。为了深入研究气枪震源激发波形的特征,本文对不同距离台站记录的波形进行了频谱分析,对气枪激发震源的能量进行了计算,并将彩凤台气枪信号的波形、频谱特征与天然地震进行了对比分析。结果表明,1次激发相当于M_L0.7的天然地震。对相近震级天然地震波形的频谱与气枪激发波形的频谱进行对比后发现,气枪震源激发波形频率小于15Hz,主频多数集中在2~5Hz;气枪震源激发的地震波中低频信号较相当震级的天然地震明显;1次激发释放的能量为8.90×10~6J,相当于2.4kg硝铵炸药的当量。     

二氧化碳相变技术应用于新型震源研发的可行性研究

为了研究二氧化碳物理相变技术应用于新型震源研发的可行性,在地下成层性较好的某煤田地震测区,开展了利用二氧化碳相变技术激发地震波的野外人工震源激发-接收实验．并与传统炸药震源进行了对比．地震数据利用Aries2.66型垂直分量反射地震仪和PDS-2型三分量地震仪接收．根据实测地震数据,从野外地震记录震相识别,初至波传播距离分析,震源近场地震信号时频分析,CO_2相变激发震源子波提取和基于CO_2震源子波的地震初至波波形反演实验等多个方面,进行了关于CO_2相变激发技术能否产生地震波信号以及能否将其应用于新型震源研发的可行性研究．研究结果表明CO_2物理相变膨胀能够产生能量集中的地震波信号;在实验区地质条件和激发参量下地震记录中初至波的可识别的传播距离约为1km;震源近场地震信号的主频集中在8～13Hz;利用震源近场数据提取了CO_2震源子波;通过地震初至波波形反演实验认为这种震源子波能够应用于波形反演等方面的研究．因为CO_2相变激发具有绿色、环保、安全等方面的优点,若能进一步在激发能量、激发—延迟时间一致性等方面加以改进,该技术有望在城市隐伏活动断层探测、城市地下空间探测、煤矿高瓦斯环境人工地震勘探等领域发挥重要的作用．     

山西地区爆破、塌陷(矿震)特殊地震动特征识别

对2004—2012年山西地震台网记录的山西地区ML≥2.5爆破、塌陷以及天然地震波形进行对比分析,结果显示:与天然地震相比,爆破、塌陷具有相对独特的震相特征,尤其是近距离的爆破、塌陷易于识别;远距离的则难以区分。在此基础上,对3种地震动波形进行频谱分析,结果显示:塌陷的优势频率较低,集中在1—3 Hz;爆破的优势频率较高,集中在1—6 Hz;地震的优势频率较宽,集中在0—20 Hz,为进一步甄别爆破、塌陷、天然地震提供了新的识别方法。     

爆破、塌陷识别研究进展综述

简要介绍当前国内外关于天然地震与爆破、塌陷等非天然地震特征研究及事件类型识别的进展。对各类事件的定义及主要波形特征进行简要综述,重点介绍了事件类型判定的各类识别方法。与自然界天然地震不同,非天然地震由人工干预或人类活动间接引发。爆破是炸药在爆炸瞬间能量迅速释放,部分能量以地震波形式向外传播,引起地表振动而产生破坏效应的一种地震;塌陷是由于岩层崩塌陷落而形成的地震。虽然在地震台网记录到的天然地震与爆破、塌陷的波形存在一定的共性特征,但由于震源类型、波的传播路径、震源深度等不同,各类事件的波形记录在P波初动、P波与S波最大振幅比、持续时间、震相、短周期面波发育情况、发震时刻、空间位置分布以及频谱特征等方面差异明显。目前主要有两类方法来识别地震与爆破、塌陷等非天然事件。一类为直接基于波形在信号、数据方面的特征,通过定性分析来进行事件类型判定,如波形时频分析对比法、小波变换、相关系数等;另一类为统计学领域诸如模式识别等算法,利用统计算法综合考虑多个事件特征判据的定量判定阀值来实现地震与爆破、塌陷事件类型的识别,如最小距离法、改进的连续亨明方法、Fisher方法、逐步代价最小决策法、支持向量机、前馈神经网络等。两类方法本质上均为提取有效特征判据,即对数据进行降维使用,未将事件记录的全部信息用于事件判定。因此,有必要使用一种可从全部事件记录中自动提取各类信息并可组合底层特征的算法来对各类事件进行判断识别。     

基于S变换的山西地区不同地震事件频谱特征分析

应用S变换和广义S变换获得山西地区地震、爆破、塌陷的时频特征,结果表明,S变换可显示不同地震事件较完整的时频分布信息,广义S变换对事件在具体频率的分辨率上有明显的提高,结合两种方法可得到对应事件较完整的时频特征。综合分析认为,地震的震源机制较复杂,高频能量丰富,地震频谱频带范围较宽,一般在0～20 Hz左右,高频成分较多,峰值多在10 Hz;爆破的震源简单,一般主要产生在P波群,爆破的频带较窄,一般在0～10 Hz,频率偏低,一般在3～4 Hz左右;塌陷属于瞬时压缩源,能量释放时间短,波的传播路径简单,频带窄,集中于0～10 Hz,主频率集中在0～3 Hz。     

基于能量耗散的重力坝地震响应时频特征分析

为了从能量角度研究重力坝地震响应的时频特征,在重力坝非线性动力分析基础上,探讨了重力坝地震过程中振动能量的时域耗散机制;采用小波频域多层次分解技术研究了其动响应的分频段能量特征,得到了坝体典型位置动响应分频段振动能量随高程的变化规律.通过分析发现:结构地震能量耗散为时域上不可逆的增加,坝体损伤集中出现在地震过程的某个时间段,地震动峰值后坝体损伤状态基本稳定;小波分解可以较全面地描述结构动响应能量的分频段特征.对于本文算例,在坝踵和上游折坡附近,重力坝地震响应的振动能量以4～8 Hz频段为主,这与输入的地震信号分频段特征一致;而坝顶附近则以1 ～4 Hz的振动能量为主,高频能量分量的比重随高程增大而逐渐减小.     

首都圈地区爆破、矿塌和天然地震的识别研究

选取首都圈地区2008年8月——2009年9月ML在2.0——2.2范围内的爆破、矿塌和天然地震数据资料,从时间域和频率域进行分析对比,总结出识别爆破、矿塌和天然地震的依据．在时域方面,爆破的初动方向向上,矿塌向下,天然地震的初动方向依赖于台站的分布情况;爆破和矿塌的面波比较发育;天然地震的S波与P波最大振幅比(AS/AP)大于爆破和矿塌,同时,爆破和矿塌的能量衰减比天然地震快．在频域方面,高频成分的能量衰减快于低频;天然地震的拐角频率较高,爆破次之,矿塌的最小;在震中距200 km范围内,爆破的顶峰频率主要分布在5——7 Hz,矿塌分布在2——4 Hz,天然地震的顶峰频率较大,在10——18 Hz范围内.另外,天然地震的频率域较宽,其次为爆破、矿塌．      

The Time-Frequency Energy Attenuation Factor and Its Application on the Basis of Gauss Linear Frequency-Modulated Continuous Wavelet Transform

Based on the Gauss linear frequency-modulated wavelet transform, a new characteristic index is presented, namely time-frequency energy attenuation factor which can reflect the difference features of waveform in earthquake focus mechanism, wave traveling path and its attenuation characteristics in focal area or near field. In order to test its validity, we select the natural earthquakes and explosion or collapse events whose focus mechanisms vary obviously, and some natural earthquakes located at the same site or in a very small area. The study indicates that the time-frequency energy attenuation factors of the natural earthquakes are obviously different with that of explosion or collapse events, and the change of the time-frequency energy attenuation factors is relatively stable for the earthquakes under the normal seismicity background. Using the above-mentioned method, it is expected to offer a useful criterion for strong earthquake prediction by continuous earthquake observation.     

山西运城振动事件S变换时频分析

基于S变换,对2005年以来山西南部运城及其附近地区的振动事件波形进行时频分析,并与山西南部地区的天然地震、爆破和塌陷地震波谱特征进行对比分析。结果表明：天然地震一般S波携带能量较大,衰减较慢,震相高低频成分呈现均匀分布;一般近台记录的人工爆破P波比S波发育,能量衰减较快,震相急促短暂;塌陷地震波列能量随时间和频率的展布相对集中,一般分布在频率较低区域;振动事件震相简单,被不同台站记录的波形能量优势分布及频率分布范围差异较大,衰减特征不明显。据此,基本可以排除山西南部及附近区域的振动事件为天然地震、爆破和塌陷事件的可能。     

联合小波变换与偏振分析自动拾取微地震P波到时

对微地震P波到时的自动拾取是微地震信号分析和数据处理的主要目标之一。基于小波变换的多尺度分析思想,对微地震信号进行小波处理后的小波系数代替原始信号,应用包含在小波变换系数中的信号偏振信息,提出了联合小波变换与偏振分析自动拾取微地震信号P波到时的方法。通过对嘉阳煤矿监测的实际微地震数据进行小波变换,用多尺度小波分解的各个尺度单支重构信号构成协方差矩阵,求解不同尺度协方差矩阵的最大特征值和次大特征值求取P波到时定位函数,实现P波到时的自动拾取,取得了满意的结果.     

利用小波变换分析朝鲜核爆波形特征

基于小波变换方法,对2009-2017年黑龙江省牡丹江地震台（MDJ）记录的5次朝鲜核爆信号进行Daubechies小波8层多尺度分解,通过对比分析近似和细节部分信息,发现核爆信号进行小波分解后,在不同层存在相同特征,且有别于地震信号分解后在相应各层的特征。可见,利用该方法可有效识别朝鲜核爆。     

利用小波变换方法分析形变观测资料的正常背景变化特征

为定量刻画数字化形变观测资料中背景信息和噪声的时 频分布特征, 本文应用二进小波变换方法, 通过对小波分解的主模特征和随机白噪声识别因子变化特征分析, 剖析了山东数字化形变观测资料的正常动态背景和噪声变化规律. 结果表明, 当尺度取2, 3和4时, 分解后的细节部分存在着1/4日波、 半日波、 日波和半月波等准循环周期信号, 其中尤以尺度为3时的信号波幅最大; 尺度取1和5时的细节部分主要包含着噪声; 通过分析和追踪指定尺度的数字化形变观测资料小波变换的非震异常特征变化, 可望捕捉到与强地震孕育过程有关的前兆异常信息.      

Analyses on normal background characteristics about deformation observation data on the basis of wavelet transform method

Introduction Fourier transform that summed up a series discomposed sin functions of signal has been one of the widely used methods in the field of signal process all along. While for time information be-ing thrown away by this transform, it is difficult for us to judge when a special signal occurs on the way. Though short time Fourier transform (STFT) was developed later, which can probe local features of signals, it can not reveal what is really there because uniform window functions de-fin…