CN104730577B - 一种基于共振包监测数据的地震预测方法 - Google Patents
一种基于共振包监测数据的地震预测方法 Download PDFInfo
- Publication number
- CN104730577B CN104730577B CN201510096455.2A CN201510096455A CN104730577B CN 104730577 B CN104730577 B CN 104730577B CN 201510096455 A CN201510096455 A CN 201510096455A CN 104730577 B CN104730577 B CN 104730577B
- Authority
- CN
- China
- Prior art keywords
- earthquake
- resonance
- time
- sequence
- wave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种基于共振包监测数据的地震预测方法,包括:连续采集一个统计周期内的共振包监测数据,所述一个统计周期为自潮汐波共振包第一次出现的前一天至潮汐波共振包最后一次出现的后一天;根据所述共振包监测数据,获取共振波与潮汐波的振幅、周期和走时序列,利用地震爆裂动力学前兆理论方法,识别地震三要素信号,而确定震级、震中和发震时间。采用本发明的方法,任何足以记录到地震前兆信息的手段,都可以在不同精度上提取到振幅、共振周期和走时的信号,不容易发生误判,显著提高了地震预测预报的可靠性。
Description
技术领域
本发明涉及地震预测预报技术领域,具体地,涉及一种利用地震包体前兆波数据和潮汐波共振包的监测数据,进行地震预测的方法。
背景技术
地震是人类千百年来最严重的自然灾害,人类迫切地希望能够预报地震。尽管有极少数地震曾经被预报,如1976年中国的海城地震,但绝大多数地震仍然无法预报,总是不期而遇。直到钱复业、赵玉林、赵璧如等人发明了HRT波地震预报监测系统(申请号:200820000524.0),又称PS100地电仪,引入CDMA技术显著提高了抗干扰能力,测试精度提高了两个量阶,通过地电阻率、地电场的测量,利用引潮力产生的谐振共振波(HRT波),钱复业、赵玉林等人提出了HRT波地震预测法,迎来了同时预测地震三要素(震中、震级和发震时间)的转机。
孙威发明的SW(如应力、谐振和地磁等)监测仪,也提供了地震预测的基本数据,预测了一些地震;刘根深利用地震构造相似性规则(SW指纹法),几乎每天都在预测地震。因地震机理不明,钱复业、赵璧如等人,视震源为黑箱,借引潮力敲打,形成谐振共振波,发现共振波周期决定震级,快慢波到时差决定震中,月潮规则决定发震时间。PS100地电仪从2004年至2013年,监测了非常丰富的资料,曾经成功预测含反演了20多次地震,预报了如2010年7.1级玉树地震等震例。
但是在申请人在实现本发明的过程中,发现以上这些方法,由于存在理论困难,信号不易识别等诸多问题,仍然没能从根本上解决地震预测问题。
发明内容
为了解决现有技术中存在的信号识别能力差、地震预测准确度低的问题,本发明提出了一种基于共振包监测数据的地震预测方法。
本发明的基于共振包监测数据的地震预测方法包括:
连续采集一个统计周期内的共振包监测数据,所述一个统计周期为自潮汐波共振包第一次出现的前一天至潮汐波共振包最后一次出现的后一天;根据所述共振包监测数据,获取共振波振幅与潮汐波振幅的振幅比序列和共振周期序列;将所述振幅比序列与已知的地震震级及其相应振幅比的序列进行对比,计算未知地震的初步震级;根据所述初步震级和所述共振周期序列,计算未知地震的精确震级。
优选的,还包括:根据所述共振包监测数据,获取共振波振幅序列;根据快慢共振波振幅特征和所述共振波振幅序列,计算快慢波到时差序列;根据所述快慢波到时差序列计算震中距序列。
优选的,还包括:根据所述潮汐波共振包出现的时间和成长时间,计算未知地震的发震时间;根据所述共振包监测数据,获取共振包振幅对时间的导数序列,计算临震时间和预警时间。
优选的,还包括:根据多个前兆台站采集到的共振包快波和慢波到达时间差确定第一震中距,并根据所述震中距计算震中的第一空间坐标经纬度信息;根据多个前兆台站采集到的共振周期序列,计算震中的第二空间坐标经纬度信息;根据所述第一空间坐标经纬度信息和所述第二空间坐标经纬度信息,确定震中。
优选的,所述根据所述快慢波到时差序列计算震中距序列的步骤具体包括:计算快波共振波和慢波共振波到达前兆台站的时间差序列;根据所述时间差序列,计算该前兆台站的震中距。
优选的,所述根据所述潮汐波共振包出现的时间和成长时间,计算未知地震的发震时间的步骤具体包括:从出现潮汐波共振包的当天起算,未知地震的发震时间符合整数规则,将出现第6个潮汐波共振包的当天作为未知地震的发震时间。
优选的,所述根据所述共振包监测数据,获取共振包振幅对时间的导数序列,计算临震时间和预警时间的步骤具体包括:当一个共振包向下一个共振包过度时,计算所述共振包振幅对时间的导数绝对值,将所述导数绝对值趋于极大或无穷时对应的时间作为临震时间,所述临震时间的精度为12h以内,预警时间的精度为临震时间的2-9h以内。
优选的,所述根据多个前兆台站采集到的共振包快波和慢波到达时间差确定第一震中距,并根据所述震中距计算震中的第一空间坐标经纬度信息的步骤具体包括:以所述多个前兆台站为圆心,第一震中距为半径建立多个圆周,将所述多个圆周的交点作为震中的第一空间坐标经纬度信息。
优选的,所述根据多个前兆台站采集到的共振周期序列,计算震中的第二空间坐标经纬度信息的步骤具体包括:根据所述多个前兆台站采集到的共振周期,计算所述多个前兆台站的第二震中距,以所述多个前兆台站为圆心,第二震中距为半径建立多个圆周,将所述多个圆周的交点作为震中的第二空间坐标经纬度信息,所述多个前兆台站采集到的共振周期序列来自同一震源发出的共振信号,所述共振周期相等。
优选的,还包括:结合卫星红外监测数据、气象因素、水位异常因素和/或同位素异常因素,计算未知地震的震中、震级、发震时间和预警时间。
本发明的基于共振包监测数据的地震预测方法,在地震结构爆裂动力学理论和共振包理论与观测数据相结合的基础上识别地震三要素的信号,任何足以记录到地震前兆信息的手段,都可以在不同精度上提取到振幅、共振周期等信号,而汇集于波源,不容易发生误判,显著提高了地震预测预报的可靠性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例的方法流程图;
图2为2006-12-26台湾7.2级地震电阻率-时间变化曲线;
图3为2007-03-06印尼6.8级地震前兆波图;
图4为2005-01-01印尼6.7级地震,PS100地电仪记录的快慢波时差序列示意图;
图5为地震震源包体构造示意图;
图6为地震能量积聚的示意图;
图7为地震能量输运的示意图;
图8为2006-12-26台湾7.2级地震15天振幅-时间的变化波图;
图9为2006-12-26台湾7.2级地震96h-188h振幅-时间的变化波图;
图10为图9去除高能峰后的示意图;
图11为2006-12-26台湾7.2级地震88h-120h振幅-时间的变化波图放大图;
图12为2010-4-14玉树7.1级地震JN台站的观测示意图;
图13为2010-4-14玉树7.1级地震MN台站的观测示意图;
图14为2010-4-14玉树7.1级地震四个观测台站根据各自震中距求取震中的示意图;
图15为2008-5-12汶川8.0级地震HG-NW震波图
图16为2008-5-12汶川8.0级地震快波和慢波共振周期相随传播的示意图;
图17为2014-02-12新疆于田7.31级地震,SW测震仪2月5日测得的前兆波图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
为了解决现有技术中存在的信号识别能力差、地震预测准确度低的问题,本发明提出了一种基于共振包监测数据的地震预测方法。
地震预报问题的实现,首先需从理论上突破,揭开地震的机理,让阳光照亮“黑箱”,破解HRT波的本质,建立以科学的物理模型和数学模型为基础的识别方法。
本发明是以地震理论创新为基础的,这就是地震结构爆裂动力学理论。在过去,普遍认为地震是板块挤压、岩块应力释放的结果,地震预报如同老虎吃天,无从下手。汶川地震,在10.8秒时间内,从牛圈沟飞出400万吨石头,填满了数条沟,某些石块还飞落岷江,喷发的烟云弥漫数十平方公里的高空。这些现象表示,地震的爆发需满足力学条件:地震震源——地震结构体内的压力需超过覆盖岩层的断裂强度和重力。
依上所述,借助热力学第一定律和能量守恒定律,导出地震结构体的体积达6000万立方米,从而发现了地震包体(Seismic Occlusion Body,SOB),它是地震结构体,地震能的储体,类似于石油和天然气的储体,地震能并非储存在岩块里,这个问题也是地震机理的核心。如图5所示为地震震源包体构造示意图,如图6所示为地震能量积聚的示意图,如图7所示为地震能量输运的示意图,其中,地震包体结构参数:压力Pj,体积V和温度T,覆盖岩层断裂强度σ和重力Pw。
地震孕育和爆发的过程—能量积聚、触发和爆发,地震过程是地震包体的完整运动,是地震包体全部属性的展现,包括物质形态,固有振动频率和周期,引潮力作用下的波运动——潮汐波、破裂波和爆裂波、快慢波、共振波、叠加波、电磁运动、应力应变、热和辐射,包体同上覆岩体与下潜供能体(壳幔包体)的相互作用,生物异动,乃至地声、爆破声、断裂和塌陷等。
所有这些现象,都可以被震中的人们观测到,也可以被地下、地上和卫星的多种仪器记录到。尤其是PS100地电仪,完整地记录下地震包体的电阻率-时间波动信息。包体的引潮力波,包括引潮力、重力和包体结构的影响(如边界作用)形成的潮汐波及其子波,不能简单理解为潮汐,这种综合作用力对包体流体的作用,引起流体性质发生相应的变化,包括电阻率的变化,及它们的振动周期、频率、振幅、传播时间等项。地下电阻率的波动反映了包体流体的波动,因此可以应用电阻率等物理量的波动解读包体流体的波动。
由于这个运动非常复杂,振幅、周期常有多解,难有唯一性,给确定震级、震中和发震时间蒙上诸多困难。地震结构爆裂动力学理论揭示地震的前兆波是潮汐波同破裂波的叠加共振波,而地震爆发的爆裂波是冲击波。按照该理论以及波动力学原理,推导出下列关系式:
(1)震中距(△X)与快慢波到时差(△t)关系式:
△X=Ckm×△t (1)
快波速度Ck,慢波速度Cm,则积差波速Ckm为:
Ckm=Ck×Cm/(Ck-Cm) (2)
根据PS100地电仪记录到的HRT波图,钱复业和赵玉林发现有两个波在传播,即快波和慢波,初步求出快波速度约323km,慢波速度约128km。他们还总结出震中距经验关系式,△X=206×△t,单位:△X/km,△t/h,曾经称波时差前面的比例系数为虚波速度,实质上该系数并非速度,只是具有速度的量纲,本发明采用积差波速概念,更精确的数值为Ckm=206.593938。
设观测点(台站)坐标为原点,震中距离原点为△X。当地震包体进入临界状态,即包体内压力(应力)达到岩层的断裂强度与当地重力之和,当其下方的壳幔包体破裂向地震包体输入能量,或是引潮力输入能量时,包体的岩层将发生破裂,产生破裂流和破裂波。大规模的破裂所形成的破裂波同包体内传播的潮汐波将会形成共振波,进而形成共振包。首先形成快波共振波,然后形成慢波共振波。
快波共振波形成后,向周围传播,将先到达台站,直至慢波共振波到达,快慢波到时差为△t。这两种共振波都是包体的共振波,反映包体的固有属性,以等周期向周围空间传播,属于包体的流体波,主要是水的潮汐波,水的密度受温度和压力的影响很小,波速稳定,快慢波到时差(△t)与共振周期(T0)满足整数方程,快慢波到时差(△t)与共振周期(T0)关系式:
△t=N·T0 (3)
其中,T0为共振波周期,即地震包体的固有周期,根据波传播的公知常识可知,N为整数。
(2)震级与共振周期关系式
由能量守恒定律和地震的力学条件导出,地震震级与共振周期对数有线性关系:
M=A*lg T0+B (4)
钱复业和赵玉林根据大量震例,获得经验关系式M=4.14lg T0–1.486,其中T0的单位为分(min),本发明从理论上推导的震级与共振周期关系与钱复业和赵玉林的经验关系式相同。
(3)发震时间关系式
发震时间是指地震爆发的时间,在触发周期内向包体提供的能量,满足地震触发所需的能量,地震才会爆发。向地震包体提供能量的主体是地幔包体,它们的破裂服从类似地震包体破裂的条件,波叠加的条件,因此地震爆发的时间t可以是一个时程,对应于地震长期、中期、短期或是临震阶段,满足整数规则:
t=2N(t0) (5)
其中,t0是基本周期,可以是时、日、月或年等,基本周期可以通过大量震例的分析确定t的取值,比较实用的是6的倍数,即6N规则,如6h(小时),6d(天),6m(月),为6的整数倍。
当地震包体所积聚的能量达到了临界状态,只需要极小的作用或是能量进入包体就会引起包体的破裂,产生共振波,这时出现的共振波谱是谱线,包括壳幔包体破裂引起的高能谱线。随能量的进一步进入包体,将引起包体的大规模破裂,这时将出现共振包(Resonant Cell,RC)。共振包是地震包体进入临震状态的标志,震中的本质就是共振包的波源,这里形成的共振波向周围传播,具有相同的共振周期,这样的物理特性,使地震的预测预报变得易于操作。
根据SP100地电仪关于HRT波的数据,以及SW测震仪的数据,经过大量震例的统计分析,相应于从出现共振包开始,到地震爆发所需时间为165h,6.875天,称作地震预报的“黄金周”。因此从出现共振包的那天算起加7,就是地震爆发的时间,如某月4日观测到共振包出现,地震爆发时间便是,4+7=11,11日将爆发地震。由于震源深度不同,供能频率不同,有时会提前1天,或延后1天,但绝大多数的情况,服从7天规则。
为解决准确预测预报地震的三要素问题,本发明把地震结构爆裂动力学理论同监测手段密切结合,尤其是利用PS100地电仪,SW测震仪观测到的,地震包体潮汐波共振包的监测数据,将监测数据同震级、震中和发震时间进行序列化,建立识别、处理数据的准则和方法,最终实现地震的预测预报。本发明利用振幅-时间序列,快慢共振波振幅和周期特征,制作快慢波到时差序列,求取震中距序列,最后由三个或三个以上台阵确定震中;利用共振包成长时间序列求取发震时间;利用共振包振幅的时间导数序列求取临震时间和预警时间。
如图1所示,本发明的基于共振包监测数据的地震预测方法包括:
步骤S101:连续采集一个统计周期内的共振包监测数据,所述一个统计周期为自潮汐波共振包第一次出现的前一天至潮汐波共振包最后一次出现的后一天;
步骤S102:根据所述共振包监测数据,获取共振波振幅与潮汐波振幅的振幅比序列和共振周期序列;
步骤S103:将所述振幅比序列与已知的地震震级及其相应振幅比的序列进行对比,计算未知地震的初步震级;
步骤S104:根据所述初步震级和所述共振周期序列,计算未知地震的精确震级。
步骤S105:根据所述共振包监测数据,获取共振波振幅序列;
步骤S106:根据快慢共振波振幅特征和所述共振波振幅序列,计算快慢波到时差序列;
步骤S107:根据所述快慢波到时差序列计算震中距序列。
具体的,计算快波共振波和慢波共振波到达前兆台站的时间差序列;根据所述时间差序列,计算该前兆台站的震中距。
步骤S108:根据所述潮汐波共振包出现的时间和成长时间,计算未知地震的发震时间;
具体的,从出现潮汐波共振包的当天起算,未知地震的发震时间符合整数规则,将出现第6个潮汐波共振包的当天作为未知地震的发震时间。
步骤S109:根据所述共振包监测数据,获取共振包振幅对时间的导数序列,计算临震时间和预警时间。
具体的,当一个共振包向下一个共振包过度时,计算所述共振包振幅对时间的导数绝对值,将所述导数绝对值趋于极大或无穷时对应的时间作为临震时间,所述临震时间的精度为12h以内,预警时间的精度为临震时间的2-9h以内。
步骤S110:根据多个前兆台站采集到的共振包快波和慢波到达时间差确定第一震中距,并根据所述震中距计算震中的第一空间坐标经纬度信息;
具体的,以所述多个前兆台站为圆心,第一震中距为半径建立多个圆周,将所述多个圆周的交点作为震中的第一空间坐标经纬度信息。
步骤S111:根据多个前兆台站采集到的共振周期序列,计算震中的第二空间坐标经纬度信息;
具体的,根据所述多个前兆台站采集到的共振周期,计算所述多个前兆台站的第二震中距,以所述多个前兆台站为圆心,第二震中距为半径建立多个圆周,将所述多个圆周的交点作为震中的第二空间坐标经纬度信息,所述多个前兆台站采集到的共振周期序列来自同一震源发出的共振信号,所述共振周期相等。
步骤S112:根据所述第一空间坐标经纬度信息和所述第二空间坐标经纬度信息,确定震中。
步骤S113:结合卫星红外监测数据、气象因素、水位异常因素和/或同位素异常因素,计算未知地震的震中、震级、发震时间和预警时间。
以下对本发明的地震预测过程进行详细说明:
本发明所述的一种利用地震包体前兆波共振包波谱特征模型,预测地震的方法,包括以下步骤:
(1)PS100地电仪和/或SW测震仪数据的采集,主要是连续采集共振包出现的前后各一天,总计9天的数列;
(2)将所采集的数据制作成共振包序列曲线,如电阻率-时间曲线,或其它物理量,如应变、电磁、振幅-时间曲线;
如图2所示为PS100地电仪记录的电阻率-时间曲线:台湾2006年12月26日7.2级地震,MN台SN长R测道,12月16日至30日地电阻率-时间观测值(Ω·m-h)序列示意图;
如图3所示为2007-03-06印尼6.8级地震前兆波图,PS100地电仪记录的典型的振幅比序列示意图,求得的振幅比3.17±0,32,震级处于6.6-6.8级,读取共振周期,1.606h,震级6.73。
如图4所示为印尼2005-01-01发生的6.7级地震,PS100地电仪记录的快慢波时差序列示意图,该图清晰显示头一列快波和慢波的时差为14.0h,由此求出观测站到震中的距离为2892km,观测值为2851km。
(3)读取共振波振幅对潮汐波振幅比,实行统计处理;
(4)建立已知地震震级与相应的振幅比的序列;
步骤(4)所述的建立已知地震震级同相应的振幅比序列,是指PS100地电仪和/或SW测震仪,记录到的共振周期序列,经已知地震反演取得的震级相互关系,转换为振幅比与震级的关系,制成相应的表格,读取未知地震振幅比可以求取初步的震级,如表1显示了典型的地震振幅比与震级关系。
表1
序列号/N | 震级范围/M | 振幅比Φ |
1 | 8.8–9.1 | 5.03±0.12 |
2 | 8.2–8.7 | 4.45±0.10 |
3 | 8.0–8.1 | 4.25±0.0 |
4 | 7.5–7.8 | 3.74±0.1 |
5 | 6.8–7.4 | 3.30±0.08 |
6 | 6.6–6.7 | 2.95±0.16 |
7 | 6.3 | 2.87±0.0 |
8 | 5.6–5.7 | 2.47±0.04 |
(5)将步骤(3)与步骤(4)的结果进行比较,求取未知地震的震级;
(6)参考步骤(5)的结果,利用(2)读取共振周期序列,经统计处理,求取精确的震级;
(7)利用振幅-时间波图,依据快慢共振波振幅特征,制作快慢波到时差序列,求取震中距序列;
步骤(7)所述的求取震中距,是指震中到达观测站的距离。地震包体的波运动有两个波,一个是快波,另一个是慢波。地震包体进入临震状态后,快波先到达发生共振,振幅出现几乎是直线式的陡变;然后慢波到达,也发生直线式的陡变。它们的时间差决定震中距。这个时间差是一个序列,不是单个数值,提取这个序列的数据,进行统计处理,可以精确获取某个台站的震中距,所有处于圆周上的点都满足震中距条件。结合步骤(11),多个排布适宜的观测台阵,给出的震中距,将汇聚于震中。于是给出震中,具有唯一性。
(8)利用共振周期序列,制作波时差序列;
(9)利用共振包出现的时间,共振包的成长时间求取发震时间;
共振包本身是一个序列,不是单个的存在。步骤(9)所述的利用共振包成长时间决定发震时间,其方法是地震包体进入临震状态后,出现共振包,由于能量的输入,共振包数量继续增加,从出现共振包的当天起算,发震时间符合整数规则,一般是到出现第6个共振包的当天发生地震。共振包的出现是地震包体进入临震状态的标志,经本发明对典型震例的系统处理,从出现共振包的当天开始计算,记作Tc,发震时间为6.875天,接近7天,因此发震时间为Tc+7。
(10)利用共振包振幅对时间的导数序列,求取临震时间和预警时间;
步骤(10)所述的利用共振包振幅对时间的导数序列,求取预警时间,其方法是借助于由一个共振包向下一个共振包过度时,其斜率的增加,即是振幅对时间的导数绝对值增加,当其趋于极大时,或是无穷,所求取的时间作为临震时间,精度可在12h内,预警时间的精度可在2-9h内。
(11)利用三个前兆台阵,或三个以上前兆台阵,共振包快波和慢波到达观测台站的时间差,所确定的震中距,求取震中的空间坐标,经纬度;
步骤(11)所述的利用三个前兆台阵,或三个以上前兆台阵,所确定的震中距,确定震中空间坐标,由于一个台站得出的震中距,可以画一个圆,圆周的任何一点都满足发震条件,没有唯一性。多台阵获取的震中距,将交汇一处,具有唯一性,这就是震中的经纬度空间坐标。
(12)利用三个前兆台阵,或三个以上前兆台阵,所确定的共振周期序列,求取震中的空间坐标,经纬度;
步骤(12),是利用共振周期确定震中的方法,多个前兆台阵的仪器测定的共振周期,均是从同一震源发出的共振信号,它们是相等的,它们的交汇处便是震中的空间经纬度坐标。步骤(11)可以和步骤(12),联合作图,共同确定震中的空间坐标,具有唯一性,有更高的精度。
(13)结合其它前兆诊断手段,如卫星红外监测数据、气象因素、水位异常因素、同位素异常因素等,经综合评估,最后给出地震预测预报信息:震中、震级、发震时间和预警时间。
步骤(13)是利用PS100地电仪和SW测震仪监测信息,再结合其它前兆诊断手段,如卫星红外,气象因素,水位异常,同位素异常等,进行综合评估,最后给出地震预测预报信息:震中、震级、发震时间和预警时间,可以进一步提高地震预测预报可靠性和准确性。因为地震取决于月球和太阳与地球的相互作用,这种作用稳定性好,而气象影响因素更复杂,包含更多的不确定性。
本发明除了利用PS100地电仪所获取的电阻率-时间数据系统,SW测震仪的监测数据系统,它们反映地震包体的波动过程,特别是潮汐波-共振波的运动过程,也可以直接利用电位或是电流-时间数据系统进行地震的预测预报;其它反映包体性质的参数-时间序列曲线,如磁场-时间序列曲线、应力-时间序列曲线、应变-时间序列曲线等,独立或是并合数据系统,也可以采用本发明的方法,进行地震的预测预报。尽管这些观测系统干扰因素较强,但它们记录的高能波谱、共振波谱、振动周期等信号,也有预测预报地震的价值。
本发明的基于共振包监测数据的地震预测方法,还具有以下优点:
1、以建筑在物理力学定律的地震理论作为指导,即使是单一监测手段,如PS100地电仪,可以对地震的震中、震级和发震时间作出预测预报,尤其是灾害性的地震,如5.5级以上的地震,将对防灾、减灾,特别是人员的伤亡,作出特别的贡献;
2、本发明在地震结构爆裂动力学理论和共振包理论与监测数据信息相结合的基础上识别地震三要素的信号,任何足以记录到地震前兆信息的手段,都可以在不同精度上提取到振幅、共振周期等信号,而汇集于波源,不容易发生误判,显著提高了地震预测预报的可靠性;
3、本发明运用了天体撞击爆炸地质动力学理论,将使人类更深入地了解地球的构造,利用明晰的共振包波谱,诊断油气资源;
4、本发明的技术方法,所获取的共振波信息,可以覆盖全球,从数十公里至两万公里,有利于形成全球信息共享,全球共同预防地震灾害;
5、全球共同诊断地震包体,将有利于开发地震新能源,化害为利;
6、台风风眼的形成、泥石流、火山喷发,类似于地震,均需满足力学条件,本发明将有助于破解这些灾害的奥秘,降低这些灾害的损失。
以下为依据本发明的方法,对PS100地电仪和/或SW测震仪获取的共振包波谱进行解读,对典型的震例,尤其是破坏性严重的震例,获取地震的震级、震中和发震时间等信息,同观测值进行比较。
典型震例1
台湾2006-12-26-20:26:18发生的7.2级地震。
据冕宁台-东西向长R测道(MN-EW长R)的电阻率-时间观测数据,绘制成振幅-时间波图:图8为15天的波图,图9为96h-188h波图,图10为88h-120h放大图。波图时间坐标:日/小时,21/120h表示21日对应于波图120小时。20/96h-21/120h–22/144h-23/168h-24/192h-25/216h-26/240h-27/264h-8/288h
从图9看出,共振包出现时间为20日,主要时间段为21日,发震时间为20+6=26日。图9去除一些高能峰后,共振包有更简洁的印象,见图10。将图9处于时段范围88-120h放大如图11所示,93.8h(19日)出现共振大突跳,按黄金周规则,19+7=26,发震时间为26日。
在HG观测台站,读取共振周期为2.0997h,求得震级为7.2093级;在MN观测台站,读取周期为2.1261h,求得震级为7.2317级。发震时间与震级的预测值均同观测值一致。
典型震例2
玉树地震,当时有三个HRT台站工作,HG、MN、JN和一个SW良乡站工作,由前兆震波图分别计算出震级和震中:
(1)震级:JN台7.1±0.04,N=7;MN台7.2±0.03,N=7;HG台7.2±0.07,N=43;SW台7.10,N=2;震级观测7.1;
(2)震中/km:JN台2062±24,N=7;MN台713±37,N=6;HG台973±40,N=8;SW台2268km;震中观测值:JN台2032;MN台729;HG台905;SW台2305km。如图12为JN台站的观测示意图,如图13所示为MN台站的观测示意图。
四站交会求出震中,如图14所示,其中,圆形代表实发地震震中,三角形代表HRT波台网和SW台站。SW前兆波图,6日出现共振包信号,6+7=13日;图12中,4月7日出现共振包信号,7+7=14日,据此地震爆发时间4月13日至14日。玉树7.1级地震观测的爆发时间:2010-4-14 7:49。
如表2所示为玉树地震三要素对比。
表2
由上表可知,玉树地震的震级、震中和发震时间,由共振波图,理论预期与观测值有很好的一致性。玉树地震再次证明:(1)共振周期是地震包体的固体属性,它决定震级,三个台共获取57个数据,由它们计算的震级均在误差范围,共振周期与台站距离无关;(2)潮汐波和共振波可以远距离传播,不同于共振周期,到时差与台站距有关,山东JN台距离玉树震中2032km,MN台只有729km,它们的信号同样清晰,由台站观测到的快慢波时差计算的震中距,其可靠性在同样的观测误差的范围内;(3)共振包的成长,决定发震时间。
典型震例3
汶川8.0级地震,如图15所示为汶川8.0级地震红格台(HG)—北西道(NW)HRT波震波图,显著共振包5月5日出现,5+7=12,12日爆发地震,汶川8.0级地震:2008-5-12 14:28:4。
红格台距离汶川地震震中比较近,675km。出现快波和慢波共振周期相随传播的现象,如图16所示。这样获得的预测震级为7.90±0.03,N=57;震中距为631.4km。
典型震例4
2014-02-12新疆于田7.3级地震,SW测震仪2月5日前兆波图,如图17所示,由图17读出的周期133.333min,求得:震级7.31;发震时间:5+7=12日。
依据本发明的方法,对PS100地电仪观测到的地电阻率-时间,振幅-时间信息,采用类似于上述震例的方法进行处理,取得了系列震例有关观测台站至震中的距离(震中距)、震级以及发震时间的信息,如表3、表4所示。
如表3所示为国内典型震例,17例(北京时);如表4所示为国外典型震例(国际时),54例。
表3
表4
通过上述内容可以看出,本发明以地震结构爆裂动力学理论为基础,科学地识别由PS100地电仪记录的地震包体震源发出的信息,包括振幅信息,共振周期信息,共振波形信息,准确地预测预报震级、震中距和发震时间,这些最重要的地震预报要件,使极端复杂的多少年来无法解决的地震预报世界难题成为了可能。
本发明能有多种不同形式的具体实施方式,上面以图1-图17为例结合附图对本发明的技术方案作举例说明,这并不意味着本发明所应用的具体实例只能局限在特定的流程或实施例结构中,本领域的普通技术人员应当了解,上文所提供的具体实施方案只是多种优选用法中的一些示例,任何体现本发明权利要求的实施方式均应在本发明技术方案所要求保护的范围之内。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于共振包监测数据的地震预测方法,其特征在于,包括:
连续采集一个统计周期内的共振包监测数据,所述一个统计周期为自潮汐波共振包第一次出现的前一天至潮汐波共振包最后一次出现的后一天;
根据所述共振包监测数据,获取共振波振幅与潮汐波振幅的振幅比序列和共振周期序列;
将所述振幅比序列与已知的地震震级及其相应振幅比的序列进行对比,计算未知地震的初步震级;
根据所述初步震级和所述共振周期序列,计算未知地震的精确震级;
所述将所述振幅比序列与已知的地震震级及其相应振幅比的序列进行对比,计算未知地震的初步震级包括:根据已知的地震震级及其相应振幅比的序列中不同的振幅比与地震震级之间的对应关系,将与所述振幅比序列相同的振幅比对应的地震震级作为未知地震的初步震级;
所述根据所述初步震级和所述共振周期序列,计算未知地震的精确震级包括:将所述共振周期序列中共振时间最长且共振时处于所述初步震级内的震级作为未知地震的精确震级。
2.根据权利要求1所述的基于共振包监测数据的地震预测方法,其特征在于,还包括:
根据所述共振包监测数据,获取共振波振幅序列;
根据快慢共振波振幅特征和所述共振波振幅序列,计算快慢波到时差序列;
根据所述快慢波到时差序列计算震中距序列。
3.根据权利要求1所述的基于共振包监测数据的地震预测方法,其特征在于,还包括:
根据所述潮汐波共振包出现的时间和成长时间,计算未知地震的发震时间;
根据所述共振包监测数据,获取共振包振幅对时间的导数序列,计算临震时间和预警时间;
所述根据所述潮汐波共振包出现的时间和成长时间,计算未知地震的发震时间的步骤具体包括:
从出现潮汐波共振包的当天起算,未知地震的发震时间符合整数规则,将出现第6个潮汐波共振包的当天作为未知地震的发震时间;
所述根据所述共振包监测数据,获取共振包振幅对时间的导数序列,计算临震时间和预警时间的步骤具体包括:
当一个共振包向下一个共振包过度时,计算所述共振包振幅对时间的导数绝对值,将所述导数绝对值趋于极大或无穷时对应的时间作为临震时间,所述临震时间的精度为12h以内,预警时间的精度为临震时间的2-9h以内。
4.根据权利要求2所述的基于共振包监测数据的地震预测方法,其特征在于,还包括:
根据多个前兆台站采集到的共振包快波和慢波到达时间差确定第一震中距,并根据所述震中距计算震中的第一空间坐标经纬度信息;
根据多个前兆台站采集到的共振周期序列,计算震中的第二空间坐标经纬度信息;
根据所述第一空间坐标经纬度信息和所述第二空间坐标经纬度信息,确定震中;
所述根据多个前兆台站采集到的共振包快波和慢波到达时间差确定第一震中距,并根据所述震中距计算震中的第一空间坐标经纬度信息的步骤具体包括:
以所述多个前兆台站为圆心,第一震中距为半径建立多个圆周,将所述多个圆周的交点作为震中的第一空间坐标经纬度信息;
所述根据多个前兆台站采集到的共振周期序列,计算震中的第二空间坐标经纬度信息的步骤具体包括:
根据所述多个前兆台站采集到的共振周期,计算所述多个前兆台站的第二震中距,以所述多个前兆台站为圆心,第二震中距为半径建立多个圆周,将所述多个圆周的交点作为震中的第二空间坐标经纬度信息,所述多个前兆台站采集到的共振周期序列来自同一震源发出的共振信号,所述共振周期相等。
5.根据权利要求2所述的基于共振包监测数据的地震预测方法,其特征在于,所述根据所述快慢波到时差序列计算震中距序列的步骤具体包括:
计算快波共振波和慢波共振波到达前兆台站的时间差序列;
根据所述时间差序列,计算该前兆台站的震中距。
6.根据权利要求1-5任意一项所述的基于共振包监测数据的地震预测方法,其特征在于,还包括:
结合卫星红外监测数据、气象因素、水位异常因素和/或同位素异常因素,计算未知地震的震中、震级、发震时间和预警时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510096455.2A CN104730577B (zh) | 2015-03-04 | 2015-03-04 | 一种基于共振包监测数据的地震预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510096455.2A CN104730577B (zh) | 2015-03-04 | 2015-03-04 | 一种基于共振包监测数据的地震预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104730577A CN104730577A (zh) | 2015-06-24 |
CN104730577B true CN104730577B (zh) | 2017-08-25 |
Family
ID=53454648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510096455.2A Active CN104730577B (zh) | 2015-03-04 | 2015-03-04 | 一种基于共振包监测数据的地震预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104730577B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105676286B (zh) * | 2016-01-25 | 2017-11-14 | 西南交通大学 | 一种用于地震预警系统的实时地震震级估计方法 |
CN105759311B (zh) * | 2016-01-25 | 2017-11-14 | 西南交通大学 | 一种近实时地震震源位置定位方法 |
CN106199683B (zh) * | 2016-07-04 | 2018-04-13 | 曾雄飞 | 一种基于共振包波谱监测数据的地震预测方法 |
CN107728194B (zh) * | 2017-09-30 | 2019-03-29 | 曾雄飞 | 一种共振胞及其耦合预测地震的方法 |
CN108108561B (zh) * | 2017-12-22 | 2021-06-04 | 广东省科学院广州地理研究所 | 基于动力过程及能谱分析的泥石流综合减灾方法 |
CN110412646B (zh) * | 2018-04-27 | 2024-02-23 | 曾玉婷 | 一种地震前兆参数获取方法及临震预测方法 |
CN109581479B (zh) * | 2018-12-10 | 2020-11-06 | 南京云创大数据科技股份有限公司 | 一种地震预警信息的处理方法 |
CN109541676A (zh) * | 2019-01-17 | 2019-03-29 | 甘肃省地震局 | 一种地电阻率和地电场观测台网的计算原理及方法 |
CN110031890B (zh) * | 2019-04-22 | 2021-01-26 | 北京市地震局 | 地电阻率观测地震预测时空分析方法 |
CN110907984A (zh) * | 2019-11-21 | 2020-03-24 | 中国地震局地震预测研究所 | 一种基于自回归移动平均模型的震前红外长波辐射异常信息探测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201156089Y (zh) * | 2008-01-16 | 2008-11-26 | 赵璧如 | Hrt波地震预报监测系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6073542B2 (ja) * | 2011-04-26 | 2017-02-01 | 株式会社メルビル | 地震予知方法、及び地震予知装置 |
WO2013152200A1 (en) * | 2012-04-04 | 2013-10-10 | Cornell University | System and methods for risk prediction and assessment |
-
2015
- 2015-03-04 CN CN201510096455.2A patent/CN104730577B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201156089Y (zh) * | 2008-01-16 | 2008-11-26 | 赵璧如 | Hrt波地震预报监测系统 |
Non-Patent Citations (3)
Title |
---|
地震结构爆裂理论与短临预测;曾雄飞;《地学前缘》;20131130;第20卷(第6期);第8页第2栏第3.2节,第6页第2栏第11-13行、第2段第1-2行、第3段第6-8行 * |
汶川8.0级地震HRT波地震短临预测方法——关于实现强震短临预测可能性的讨论;钱复业 等;《中国科学D辑:地球科学》;20091231;第39卷(第1期);全文 * |
汶川Ms8.0地震的短临地电波动(潮汐力谐振和共振波-HRT波)前兆;钱复业 等;《国际地震动态》;20080731(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104730577A (zh) | 2015-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104730577B (zh) | 一种基于共振包监测数据的地震预测方法 | |
O'Neel et al. | Seismic detection and analysis of icequakes at Columbia Glacier, Alaska | |
Wald et al. | TriNet “ShakeMaps”: Rapid generation of peak ground motion and intensity maps for earthquakes in southern California | |
Schöpa et al. | Dynamics of the Askja caldera July 2014 landslide, Iceland, from seismic signal analysis: precursor, motion and aftermath | |
Zhao et al. | Ionospheric and geomagnetic disturbances caused by the 2008 Wenchuan earthquake: A revisit | |
Stabile et al. | A comprehensive approach for evaluating network performance in surface and borehole seismic monitoring | |
Cathles IV et al. | Seismic observations of sea swell on the floating Ross Ice Shelf, Antarctica | |
CN106199683B (zh) | 一种基于共振包波谱监测数据的地震预测方法 | |
Liu et al. | Ionospheric Rayleigh wave disturbances following the 2018 Alaska earthquake from GPS observations | |
Jain et al. | Tsunami in the last 15 years: a bibliometric analysis with a detailed overview and future directions | |
Stein et al. | A new probabilistic seismic hazard assessment for greater Tokyo | |
Rabinovich et al. | Introduction to “Tsunami science: ten years after the 2004 Indian Ocean tsunami. Volume I” | |
Ma et al. | Intelligent location of microseismic events based on a fully convolutional neural network (FCNN) | |
Suppasri et al. | Probabilistic tsunami hazard analysis and risk to coastal populations in Thailand | |
Ajo‐Franklin et al. | The imperial valley dark fiber project: toward seismic studies using DAS and telecom infrastructure for geothermal applications | |
Ma et al. | Studies on the June 23, 2010 north Ottawa MW 5.2 earthquake and vicinity seismicity | |
Lay et al. | Introduction to the special issue on the 2011 Tohoku earthquake and tsunami | |
Catchings et al. | Fine-scale delineation of the location of and relative ground shaking within the San Andreas Fault zone at San Andreas Lake, San Mateo County, California | |
Pappin et al. | A rigorous probabilistic seismic hazard model for Southeast China: a case study of Hong Kong | |
CN107728194B (zh) | 一种共振胞及其耦合预测地震的方法 | |
Sriram et al. | Artificial neural networks for earthquake anomaly detection | |
Wu et al. | A rapid detection method of earthquake infrasonic wave based on decision-making tree and the BP neural network | |
Daglish et al. | Suggestions for the structure of kernel software in intelligent seismic nets | |
CN209214812U (zh) | 地应力探测仪 | |
Mavroulis et al. | Earthquake-Induced Tsunamis in Western Greece (Ionian Sea and Western and Southern Peloponnese): Use of Tsunami Quantities, Impact and ITIS-2012 Intensities for Highlighting Susceptible Areas |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |