CN109001792B - 用于地震预报的监测数据处理方法、地震预报方法和系统 - Google Patents
用于地震预报的监测数据处理方法、地震预报方法和系统 Download PDFInfo
- Publication number
- CN109001792B CN109001792B CN201810588189.9A CN201810588189A CN109001792B CN 109001792 B CN109001792 B CN 109001792B CN 201810588189 A CN201810588189 A CN 201810588189A CN 109001792 B CN109001792 B CN 109001792B
- Authority
- CN
- China
- Prior art keywords
- earthquake
- measurement data
- monitoring
- fluctuation
- area
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 177
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 238000000034 method Methods 0.000 title claims description 40
- 239000002245 particle Substances 0.000 claims abstract description 130
- 238000005259 measurement Methods 0.000 claims abstract description 115
- 230000008859 change Effects 0.000 claims abstract description 68
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000012806 monitoring device Methods 0.000 claims description 17
- 230000000737 periodic effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 4
- 230000000630 rising effect Effects 0.000 claims description 3
- 239000000941 radioactive substance Substances 0.000 claims 1
- 238000013277 forecasting method Methods 0.000 abstract description 3
- 206010037844 rash Diseases 0.000 description 29
- 230000008878 coupling Effects 0.000 description 10
- 238000010168 coupling process Methods 0.000 description 10
- 238000005859 coupling reaction Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000005684 electric field Effects 0.000 description 7
- 239000002131 composite material Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000006698 induction Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000012768 molten material Substances 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000005389 magnetism Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 239000012857 radioactive material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000005574 cross-species transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010494 dissociation reaction Methods 0.000 description 1
- 230000005593 dissociations Effects 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004992 fission Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/01—Measuring or predicting earthquakes
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
用于地震预报的监测数据处理方法、地震预报方法和系统,涉及灾害预警领域,通过在预监测区域布设监测点,监测监测点地表溢出带电粒子的特性,进而获得与带电粒子特性相关的测量数据,对测量数据进行统计,依据统计结果获取统计值,将当前的统计值与之前的统计值进行比较,依据比较结果获取表征所述测量数据的变化的波动,实现对预监测区域的地震预报。由于创新的提出基于监测地表溢出带电粒子,实现对地震的全天候监测和数据的实时更新,通过对数据的分析能够及时对地震发生的危险发出预报。使其震中区域的人们提前开始采取避险措施,减少广大人民群众的人员伤亡及财产损失。
Description
技术领域
本发明涉及灾害预警领域,具体涉及用于地震预报的监测数据处理方法、地震预报方法和系统。
背景技术
地震预报是在地震发生之前能够比较准确的预报地点、时间、震级,即地震三要素,这样能够极大程度上避免大地震在未知的情况下发生所造成的人员伤亡,地震预报的研究一直受到关注。国内外的地震专家研究地质结构、地壳运动等期望发现地震的机理,借助信息科学的发展研制观测仪器,建立了针对地震测震学、地壳形变学、电磁学、地下流体学和辅助观测等学科和观测体系。目前,地震的监测和预报采用地震地质法、地震统计法、和地震前兆法。地震地质法是通过研究地质结构推断地震可能发生的区域。地震统计法是通过研究地震的历史经验来判断可能发生的地震。地震前兆法是通过发现、探测地震前的宏观征兆和微观征兆(例如,地声、地光、地震云、地下水异常、地球物理场异常等)来预测地震发生。上述几种方法基本都是处于依靠经验来间接推测,还不能像天气预报那样,做到对地震灾害的较准确的、有效的短临预报。因此,仍然没有探索出一条清晰的地震预报途径和方法,地震预报任重而道远,地震预报仍是人类尚未解决的重大科学难题。
发明内容
本申请提供用于地震预报的监测数据处理方法、地震预报方法和系统,解决现有技术中地震预报的不足。
根据第一方面,一种实施例中提供一种用于地震预报的监测数据处理方法,包括:
获取预监测区域中监测点处不同时间的测量数据,所述测量数据与监测点处地表溢出的带电粒子的特性相关;
对所述测量数据进行统计,依据统计结果获取统计值;
将当前的统计值与之前的统计值进行比较,依据比较结果获取表征所述测量数据的变化的波动。
根据第二方面,一种实施例中提供一种地震预报系统,包括:
带电粒子监测装置,用于获取预监测区域中监测点处不同时间的测量数据,所述测量数据与监测点处地表溢出的带电粒子的特性相关;
处理器,用于接收所述带电粒子监测装置输出的所述测量数据,并对所述测量数据进行统计,依据统计结果获取统计值;将当前的统计值与之前的统计值进行比较,依据比较结果获取表征所述测量数据的变化的波动。
地震预报装置,用于接收所述处理器输出的所述测量数据的变化的波动,并依据所述测量数据的变化的波动,对所述预监测区域进行地震风险预报。
根据第三方面,一种实施例中提供一种火山爆发预报方法,包括:
在预监测区域设定监测点;
对所述监测点处地表溢出的带电粒子进行监测,并输出与所述带电粒子的特性相关的测量数据;
对所述测量数据进行统计,依据统计结果获取统计值;
将当前的统计值与之前的统计值进行比较,依据比较结果获取测量数据的变化的波动;
依据所述测量数据的变化的波动,对火山爆发发出预报。
依据上述实施例的一种用于地震预报的监测数据处理方法、地震预报方法和系统,由于创新的提出基于监测地表溢出带电粒子,实现对地震的全天候监测和数据的实时更新,通过对数据的分析能够及时对发生地震的危险发出预警。
附图说明
图1为一种实施例的地震预报系统的结构示意图;
图2为一种实施例中带电粒子监测装置的结构示意图;
图3为一种实施例中带电粒子监测装置的结构示意图;
图4为一种地震预报方法的流程图;
图5为一种实施例的预监测区域的监测点设定分布图;
图6为一种实施例中带电粒子在日周期的波动特性曲线图;
图7为一种实施例的预监测区域监测的波动的幅度的等高线图;
图8为另一种实施例的火山预报方法的流程图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
地震的成因和机理学说包括断层说(1911年),板块构造说(1960s),它们均是从断裂带、板块碰撞挤压俯冲带和地缝合线寻找地震成因,即从板块的相互运动中寻找原因和预测思路。它们认为板块间的作用力即构造力传递至板块内部,致使板块内部也积累应力而变形错位滑动蠕滑等而消耗掉应力或者没消耗就以地震形式释放。本申请的发明人认为,地球的构成包括地核、地壳和地幔,随着地球的自转、公转等复合的日周期运转,地幔熔融物质对地壳的冲击既是一种正常的地球运动,也是地震成因。我们知道在地幔顶部还存在一个软流层,是放射性物质集中的地方,由于放射性物质分裂的结果,会有带电粒子从地壳表面溢出,伴随熔融物质喷发过程会导致地表物理场、化学场的变化,带电粒子会从地壳裂缝中穿过并从地表释放出去。带电粒子溢出直接的反应了在地球自转、公转等复合的日周期运转下地幔熔融物质对地壳的冲击。这是一种正常的地球运动,也是地震的成因。地表溢出的带电粒子特性直接反应出熔融物质对地壳的冲击程度。这种冲击随着地球日周期的复合运转的变化而变化,体现在带电粒子特性的变化上。由此我们提出通过监测地表溢出的带电粒子来进行地震预报的方法。其中,带电粒子是带有电荷的微粒,可被带电粒子监测装置所监测,具体可包括高能粒子、游离状态的粒子、重带电粒子(例如α粒子和裂变碎片)和轻带电粒子(例如快电子和β粒子)等。
在本实施例中,先在预监测的地区设置多个监测点,由多个监测点构建一个监测网,再监测监测点处地表面溢出的带电粒子,进而获得与带电粒子的特性相关的测量数据。通过对监测网内所有测量数据的分析处理,评估出预监测区域的地震的活跃性,实现对地震时间、地震地点和震级的地震三要素的预测。
实施例一:
请参考图1,为一种实施例的地震预报系统的结构示意图,该地震预报系统包括带电粒子监测装置100、处理器200和地震预报装置300。带电粒子监测装置100用于获取预监测区域中监测点处不同时间的测量数据,测量数据与监测点处地表溢出的带电粒子的特性相关。处理器200用于接收带电粒子监测装置100输出的测量数据,并对测量数据进行统计,依据统计结果获取统计值。将当前的统计值与之前的统计值进行比较,依据比较结果获取表征测量数据的变化的波动。地震预报装置300用于接收处理器200输出的测量数据的变化的波动,并依据测量数据的变化的波动,对预监测区域进行地震风险预报。
带电粒子监测装置100用于监测地表面溢出的带电粒子的特性。带电粒子监测装置具体包括能量转换器和信号采集电路。能量转换器用于将地表面溢出的带电粒子转变为电信号,信号采集电路是用于将能量转换器接收的电信号经放大、鉴别、记录,进行对比测量,从而得到带电粒子的计数率和能量分布等特性。带电粒子的特性还包括带电粒子的浓度、质荷比、溢出速度和粒子密度等。具体可采用电磁测量法、电导率测量法和光学测量法进行监测所述带点粒子的特性。电磁测量法是根据带电粒子穿过闭合线圈时,在闭合线圈中会产生感应电信号的原理。通过监测闭合线圈产生的感应电信号就可以获得穿过闭合线圈带电粒子的特性。光学测量法是根据带电粒子进入闪烁体,与之发生相互作用,闪烁体吸收带电粒子能量而使原子、分子电离和激发,受激原子和分子退激时发射荧光光子,利用反射物和光导将闪烁光子尽可能多地收集到光电倍增管的光阴极上,由于光电效应,光子在光阴极上击出光电子,光电子在光电倍增管中倍增,进而电子流在阳极负载上产生电信号,在利用信号采集电路记录和分析电信号。电导率测量法是采用电容器收集带电粒子,根据电容电信号的变化来评估空间中带电粒子的特性。
如图2所示,为一种实施例中带电粒子监测装置的结构示意图。本实施例采用的带电粒子监测装置100包括永磁磁芯104、线圈103和信号采集电路105。永磁磁芯104有磁性,其磁性分布如磁力线102所示。线圈103缠绕在永磁磁芯104外周,线圈103的两端分别连接信号采集电路105的输入端。线圈103内部空间被地表溢出带电粒子101穿过时产生感应信号。信号采集电路105用于采集线圈103产生的感应电信号。永磁磁芯104的作用是增加线圈103的磁导率,使信号采集电路105更易于获得线圈103中的感应电信号。依据的原理是带电粒子通过线圈时,线圈中会产生感应电信号。磁导率是表征磁介质磁性的物理量,表示在空间或在永磁磁芯空间中的线圈流过电流后产生磁通的阻力或者是其在磁场中导通磁力线的能力。
将本实施例中的带电粒子监测装置放置于监测点,优选的将线圈103基本垂直于地表面放置,也就是永磁磁芯104的轴心垂直于地表面。由于地表溢出的带电粒子是近乎垂直于地面溢出的,线圈103基本垂直于地表面放置会有最大数量的溢出带电粒子穿过线圈103的内部空间。线圈103内部空间被地表溢出带电粒子101穿过时产生感应信号,感应电信号具体可以是感应电流,信号采集电路105采集线圈103内的电流信号,并记录电流信号的方向和大小。根据电流信号的方向和大小及线圈103匝数、带电粒子切割磁力线面积等参数就可以换算出地表溢出带电粒子的特性。如带电粒子的电性和溢出速度、粒子密度等特性。因而信号采集电路105采集的感应电流的大小,即电流值数据,就可以反应地表溢出带电粒子的特性。采集的电流值数据就是与带电粒子的特性相关。
进一步,如图3所示,为一种实施例中带电粒子监测装置的结构示意图。带电粒子监测装置还包括电场发生器106,用于在线圈103的周围产生一个稳定变化的电场,该电场与线圈103耦合。由于线圈103与电场耦合,线圈103当被地表溢出带电粒子101穿过时,会影响线圈103与电场的耦合度,从而放大带电粒子穿过线圈103而产生的感应电信号的强度,提高信号采集电路105的灵敏度。本实施例中,电场发生器106包括耦合永磁磁芯1063、耦合线圈1061和信号源1062。耦合永磁磁芯1063有磁性,耦合线圈1061缠绕在耦合永磁磁芯1063外周,耦合线圈1061的两端分别连接信号源1062的输出端。信号源1062通过耦合线圈1063在线圈103的周围产生一个稳定变化的电场且与线圈103耦合。
基于上述地震预报系统对预监测区域进行地震监测和预报,其具体流程如图4所示,包括以下步骤:
步骤201、在预监测区域设定监测点。
如图5所示,为一种实施例的预监测区域的监测点设定分布图,图中方块所示为设定的监测点。在预监测区域搭建带电粒子观测网,具体是在大区域范围内,如500km-1000km半径范围内密集设定监测点。例如在20-30km间距设置监测点,构成大区域监测网。设置密度越高越有助于提高地震预报的精度。同时,还在历史上发生过地震的区域,以图5所示的相同方式设定监测点,用于监测地震后地表溢出的带电粒子。发生过地震的区域优选历史大震区即为近百年内发生7.0级以上大地震的震中区域。通过在大区域范围内密集设置监测点,捕捉震中区域和临震时的带电粒子的特征数据,综合大区域空间场异常数据的异常程度、分布范围等用于定位地震的震中、震级和时间。
步骤202、对监测点处地表面溢出的带电粒子进行监测。
是应用带电粒子监测装置进行监测,同一监测点可设置多个带电粒子监测装置,同一监测点的带电粒子监测装置的布设方法可采用步骤201所述的方法布设。各个监测点的多个带电粒子监测装置同时对地表面溢出的带电粒子进行监测。
步骤203、获取预监测区域中监测点处不同时间的测量数据,测量数据与监测点处地表溢出的带电粒子的特性相关。
可利用电子测量仪器或信号采集电路记录由带电粒子的特性引起的电信号,进而获取带电粒子特征相关的测量数据。
步骤204、对测量数据进行统计,依据统计结果获取统计值。
对测量数据进行统计,可将当前获取的测量数据按获取时间生成时域变化曲线,将当前的时域变化曲线与之前获得的测量数据的时域变化曲线进行比较,获得所述表征测量数据相对于之前的测量数据变化特性的统计值。对测量数据进行统计包括对预设时间点的测量数据、预设时间段的测量数据、达到预设测量数据的时间数据和表征测量数据的周期特性的时间数据等进行统计。表征测量数据的周期特性的时间数据包括测量数据周期性变化的周期、测量数据周期性变化的起始时间数据、测量数据大于和/或小于预设测量数据的起始时间和持续时间的时间数据等。采用波动程度算法分析测量数据,依据测量数据分析后的结果获取所述测量数据的时域变化曲线。由于地表溢出带电粒子的特性直接的反应了在地球自转、公转等复合的日周期运转下地幔熔融物质对地壳的冲击。这是一种正常的地球运动,也是地震的成因。带电粒子特性数据则代表着熔融物质对地壳的冲击程度,这种冲击随着地球日周期的复合运转的变化而变化,体现在带电粒子特性的变化上包括日周期的波动特性、低点时间偏移、高点时间偏移、波动幅值的增减等。
具体是依据测量数据的时域变化,绘制时域变化曲线。通过时域变化曲线体现带电粒子在日周期的波动、低点时间偏移、高点时间偏移、波动幅值的增减等特性。如图6所示,为一种实施例中带电粒子在日周期的波动特性曲线,日周期的波动曲线的横坐标是以天为单位,其曲线反应的是带电粒子的浓度特性在时域的周期性变化。经监测地表溢出带电粒子的质荷比、溢出速度和粒子密度等特性都有如图6所示的周期性变化的特征。由曲线可知,地表的带电粒子的特性是日落时19:10升高,日升时05:00降低,其升高和/或降低的起止时间及升高到最高点和降低到最低点所用的时间都相对固定。就可以根据曲线的变化,实现对预监测区域的地震活跃度进行监测。时域变化曲线可以是测量数据周期性曲线、变化时间点测量数据曲线和/或单位时间段测量数据曲线。测量数据周期性曲线可以是如图6所示的测量数据时域变化曲线图。变化时间点曲线是指带电粒子的特性发生变化的时间点的曲线,例如与带电粒子的特性相关的测量数据达到最大值或最小值时的时间点的曲线,具体可取图6中测量数据达到最大值和/或最小值的时间曲线;当地日升和/或日落的时间与带电粒子的特性相关的测量数据对应的数据曲线,具体可取图6中测量数据时域变化曲线的日升和/或日落时测量数据的数据曲线;与带电粒子的特性相关的测量数据开始升高和/或降低点的时间曲线,具体可取图6中测量数据时域变化曲线的测量数据开始升高和/或降低点的时间曲线。单位时间变化量曲线指设定单位时间内与带电粒子的特性相关的测量数据变化的数据曲线,即设定的单位时间内带电粒子的特性的变化值为纵坐标的时域曲线,例如取图6中测量数据时域变化曲线的波峰或波谷持续时间的时域曲线,或如取图6中测量数据周期变化所需时间的曲线图,或如取图6中曲线测量数据由波谷到波峰或由波峰到波谷所需时间的曲线图。
进一步,采用波动程度算法分析测量数据时,可以是依据数据数值的时域幅值变化和频域频率变化等所得量的时域特征或频域特征的一致性来进行监测。
步骤205、将当前的统计值与之前的统计值进行比较,依据比较结果获取测量数据的变化的波动。
可将即时或当前一段时间获得的时域变化曲线与前时刻或前一时间段的曲线进行比较,获取其曲线上纵坐标测量数据的数值差异,即为波动。
步骤206、依据测量数据的波动,获取地震的风险指数。
预监测区域设置有多个监测点,依据监测点在预监测区域的位置和各个监测点的测量数据的变化的波动,获取预监测区域中测量数据的整体变化的波动,分析预监测区域中测量数据的整体变化的波动,依据分析结果对预监测区域发出地震风险预报。具体是根据预监测区域中测量数据的整体变化的波动,获取地震的风险指数。获取地震的风险指数指预监测区域中测量数据的整体变化的波动所对应的获取地震的风险指数,当地震的风险指数超过预设定的临界值时,对预监测区域发出地震险预报。具体是判断波动是否在预设定的范围和根据超过预设定范围的多少,就可判断其预监测点的地震的风险指数的高低。超越的越多则发生地震的风险越高,就可以实现对预监测区域地震的风险预报。具体是,先设定波动的幅度和地震的风险指数的对应关系,在依据波动的幅度获取风险指数。例如,设定波动的幅度为1-2之间其风险指数为5;波动的幅度为2-3之间其风险指数为10;波动的幅度为2-3之间其风险指数为15。则当获得波动的幅度为1.5时,其风险指数为5。当获得波动的幅度为2.5时,其风险指数为15。
步骤207、依据测量数据的波动,绘制等高线,获得预地震区域。
也就是依据监测点在预监测区域的位置和各个监测点的测量数据的波动的幅度,绘制等高线图。即地震风险指数相同的为同一等高线上。分析所述等高线图,获得预地震区域。可设定依据风险指数高于预设值的监测点所圈定的范围为预地震区域。具体是,根据带电粒子特性变化波动程度对整个预监测区域地震的活跃性进行评估(即地震风险评估),可采用波动程度算法对预监测区域内监测点的带电粒子监测的数据进行分析得到波动的幅度,将波动的幅度相似的点绘制等高线图,从而对预监测区域的整体地震活跃性给出评估。同时锁定波动的幅度高的区域为地震风险高的区域,即判断其为预地震区域。如图7所示,为一种实施例的预监测区域监测的波动的幅度的等高线图,301为预监测区域内设定的监测点,303为波动程度1的监测点,304为波动程度2的监测点,305为波动程度2的监测点分布区域,302为波动程度1的监测点分布区域。
步骤208、将测量数据的变化的波动与预设的波动进行比较,获取预地震区域的震级、震中位置和地震发生时间。
对预地震区域范围内的监测点的测量数据进行分析,获取表征测量数据相对于之前的测量数据变化特性的统计值。将当前获取的统计值与之前的统计值进行比较,获取测量数据的变化的波动。将测量数据的变化的波动与临震特征波动进行比较,获取预地震区域的震级、震中位置和地震发生时间。
在地震风险指数高的区域寻找临震特征波动,如果有临震特征波动则代表该区域即为震中。
其中,如图6所示,与带电粒子的特性相关的测量数据的时域曲线是一种与当地日升日落同步变化,且白天幅值低,晚上幅值高的特征波形,本申请命名为SRSS波。临震特征波动是SRSS波的一种特殊波形,其获得方法是:
a)、在地震后或地震进行中的区域设定监测点。
b)、对监测点处地表溢出的带电粒子进行监测,并输出与带电粒子的特性相关的测量数据。
c)、对所述测量数据进行统计,依据统计结果获取统计值。
d)、将当前的统计值与之前的统计值进行比较,依据比较结果获取表征测量数据的变化的波动。
以上临震特征波动的获取方法可以采用主成分分析方法、滑动四分位距法、时间序列算法和人工免疫算法分析测量数据。主成分分析方法也称主分量分析,旨在利用降维的思想,把多指标转化为少数几个综合指标(即主成分),其中每个主成分都能够反映原始变量的大部分信息,且所含信息互不重复。这种方法在引进多方面变量的同时将复杂因素归结为几个主成分,使问题简单化,同时得到的结果更加科学有效的数据信息。滑动四分位法是数据统计的一种分析方法,简单地说,就是将全部数据从小到大排列,正好排列在前1/4位置上的数(也就是25%位置上的数)叫做第一四分位数,排在后1/4位置上的数(也就是75%位置上的数)叫做第三四分位数,排列在中间位置的数(也就是50%位置上的数)叫做第二四分位数,也就是中位数值。时间序列算法是将随机数据依时间先后排成序列的,故称为时间序列,它包括一般统计分析(如自相关分析、谱分析等),统计模型的建立与推断,以及关于随机序列的最优预测、控制和滤波等内容。经典的统计分析都假定数据序列具有独立性,而时间序列分析则着重研究数据序列的相互依赖关系。人工免疫算法是一种具有生成+检测的迭代过程的搜索算法,从理论上分析,迭代过程中,在保留上一代最佳个体的前提下,遗传算法是全局收敛的。
SRSS波的波形代表地幔与地壳的运转进入互锁状态,一旦这种互锁状态解除,则会发生地震。如图6所示,就是一种SRSS波的波形,当出现这种波形代表地幔与地壳的运转进入互锁状态,如果监测到这种SRSS波形发生变化,并且出现临震特征波动就表示将要发生地震。例如图7所示,303为位于历史大震区的监测点,306为出现SRSS波的监测点,则图7中306监测点就是预发生地震的震中。
地震级数的预报是依据震中区域出现SRSS波的监测点的数据进行评估,并对监测点分布情况和监测点的波动的幅度的高低,最后根据以上数据统计分析出震级。具体可依据预监测区域的出现SRSS波监测点的带电粒子特性的测量数据的变化的波动与历史上出现地震区域监测的SRSS波进行比较,依据历史上出现地震的地震级数进行地震级数的预报。还可依据相同或相近的经纬度上历史发生过地震区域的监测点获得的SRSS波用于地震级数的预报。其中,相同或相近经纬度监测点可以指的是在中国境内历史大震区(7.0级及以上地震震中区域),包括河北唐山、四川汶川、四川西昌冕宁、云南通海、青海海原、甘肃古浪等地。历史大震区由于大地震的发生,使得地幔与地壳之间的通道已经打通,对于地幔对地壳的冲击感知更加灵敏,有助于我们分析危险区域的地震风险和震级评估。
地震时间的预报是从预监测区域的监测点的地表溢出带电粒子的特性相关的测量数据的变化的波动中提取到SRSS波,该SRSS波中一旦出现临震特征波动,则在之后的1-5天内将发生地震。针对震中附近监测点的SRSS波形进行临震特征波动的提取,一旦提取出临震特征波动,在1-5天内则地震会发生,进而实现地震发生时间的预报。
步骤209、将预地震区域、震级、震中位置和地震发生时间等信息生成地震预报卡,并将地震预报卡提交到相关政府部门。
基于以上实施例,通过在预监测区域布设监测点,监测监测点地表溢出带电粒子的特性,进而获得与带电粒子的特性相关的时域变化曲线,在与临震特性曲线进行比较实现对预监测区域的地震预报。由于创新的提出基于监测地表溢出带电粒子,实现对地震的全天候监测和数据的实时更新,通过对数据的分析能够及时对地震发生的危险发出预警。使其震中区域的人们提前开始采取避险措施,减少广大人民群众的人员伤亡及财产损失。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的系统进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
实施例二:
本发明还可以用于火山喷发的预报,地表溢出的带电粒子直接反应了在地球自转、公转等复合的日周期运转下地幔熔融物质对地壳的冲击。这是一种正常的地球运动,这种地下正常的地质活动使得地壳破裂处更容易导致火山喷发的现象,同时火山在爆发时,也会辐射出大量的带电粒子流。地质活动强弱可通过其释放到地表的带电粒子的特性的不同来监测,由此可以依据带电粒子的特性变化对火山喷发发生的风险进行监测和评估。由此我们提出通过监测地表溢出的带电粒子来进行火山监测和预测的方法。
在本实施例中,先在预监测的地区依据监测精度和地形等因素设置多个监测点,再监测监测点处地表面溢出的带电粒子,进而获得与带电粒子的特性相关的测量数据。对测量数据进行分析处理,评估出火山活动的活跃性,实现对火山的监测和预报。
请参考图8,另一种实施例的火山预报方法的流程图。本申请公开了一种火山预报的方法,包括:
步骤801、在预监测区域依据监测精度和地形设定监测点。
可采用实施例1中如图5所示的方法,在与监测地区搭建带电粒子观测网,具体是依据预监测区域的地形和监测精度设定监测点。预监测区域可是火山频发地区或休眠火山所在地区,在该区域依据监测精度和地形设定监测点。设置监测点密度越高越有助于提高火山的预报精度。
步骤802、对监测点处地表面溢出的带电粒子进行监测。
是应用带电粒子监测装置监测地表面溢出的带电粒子的特性。
步骤803、获取预监测区域中监测点处不同时间的测量数据,测量数据与监测点处地表溢出的带电粒子的特性相关。
可利用电子测量仪器或信号采集电路记录由带电粒子的特性引起的电信号,进而获取带电粒子特征相关的测量数据。
步骤804、对测量数据进行统计,依据统计结果获取统计值。
对测量数据进行统计可以采用实施例一中步骤204所述的方式进行统计,依据统计结果获取统计值。
步骤805、将当前的统计值与之前的统计值进行比较,依据比较结果获取测量数据的变化的波动。
可将即时或当前一段时间获得的时域变化曲线与前时刻或前一时间段的曲线进行比较,获取其曲线上纵坐标测量数据的数值差异,即为波动。
步骤806、依据测量数据的波动,获取火山爆发的风险指数,并依据风险指数对火山爆发发出预报。
依据监测点在预监测区域的位置和各个监测点的测量数据的变化波动,获取预监测区域中测量数据的整体变化波动,根据预监测区域中测量数据的整体变化波动,获取火山喷发的风险指数。获取火山喷发的风险指数是预监测区域中测量数据的整体变化波动所对应的获取火山喷发的风险指数,当火山喷发的风险指数超过预设定的临界值时,对预监测区域发出火山喷发险预报。具体是判断波动是否在预设定的范围和根据超过预设定范围的多少,就可判断其预监测点的火山喷发的风险指数的高低。超越的越多则火山喷发的风险的发生率越高,就可以实现对预监测区域火山喷发的风险预报。具体是,先设定波动幅度和火山喷发的风险指数的对应关系,在依据波动幅度获取风险指数。例如,设定波动幅度为1-2之间其风险指数为5;波动幅度为2-3之间其风险指数为10;波动幅度为2-3之间其风险指数为15。则当获得波动幅度为1.5时,其风险指数为5。当获得波动幅度为2.5时,其风险指数为15。
进一步,由于地震也是火山喷发的主要诱因,还可以依据有无发生地震、发生地震的距离、发生地震的级数及震心深度来设定地震诱因的风险指数,与火山喷发的风险指数进行叠加,用于火山喷发的风险指数的获得。可根据火山风险指数的高低,将预警信息进行分级预报,例如设定超过预设定的临界值0-50时,发出黄色预警;超过预设定的临界值50-100时,发出红色预警;超过预设定的临界值100-150时,发出橙色预警。
进一步,还可依据预监测区域的测量数据的变化的波动与历史上火山喷发区域监测的测量数据的变化的波动进行比较,依据历史上火山喷发的级数进行火山喷发的级数的预报。历史火山喷发区由于火山的喷发,使得地幔与地壳之间的通道已经打通,对于地幔对地壳的冲击感知更加灵敏,有助于我们分析危险区域的火山喷发风险和级别的评估。火山喷发的级别是用喷发物的体积来计算的,通常称为火山爆发指数(VEI),从0-8级,喷发出1立方公里火山碎屑物,作为VEI=5,也就是5级喷发。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (7)
1.一种用于地震预报的监测数据处理方法,其特征在于,包括:
获取预监测区域中监测点处不同时间的测量数据,所述测量数据与监测点处地表溢出的带电粒子的特性相关;其中,所述带电粒子是因地幔顶部软流层中放射性物质分裂溢出地表的;
对所述测量数据进行统计,依据统计结果获取统计值;
将当前的统计值与之前的统计值进行比较,依据比较结果获取表征所述测量数据的变化的波动;
将所述测量数据的变化的波动与预设的波动进行比较,获取预地震区域的震级、震中位置和/或地震发生时间;所述预设的波动包括临震特征波动,所述临震特征波动的获得方法包括:
在地震后或地震进行中的区域设定监测点;
对所述监测点处地表溢出的带电粒子进行监测,并输出与带电粒子的特性相关的测量数据;
对所述测量数据进行统计,依据统计结果获取统计值;
将当前的统计值与之前的统计值进行比较,依据比较结果获取表征所述测量数据的变化的波动作为所述临震特征波动;
所述测量数据的变化的波动包括所述带电粒子的浓度在升高或降低的起止时间和/或升高到最高点和降低到最低点时间的变化的波动;
对所述测量数据进行统计包括对预设时间点的测量数据、预设时间段的测量数据、达到预设测量数据的时间数据和表征测量数据的周期特性的时间数据中至少一项进行统计;
所述表征测量数据的周期特性的时间数据包括所述测量数据周期性变化的周期、所述测量数据周期性变化的起始时间数据、所述测量数据大于和/或小于预设测量数据的起始时间和持续时间的时间数据中至少一项。
2.如权利要求1所述的方法,其特征在于,所述预监测区域中的监测点不少于两个;
所述方法还包括:
依据所述监测点在所述预监测区域的位置和各个监测点的测量数据的变化的波动,获取预监测区域中测量数据的整体变化的波动;
分析预监测区域中测量数据的所述整体变化的波动,依据分析结果对预监测区域发出地震风险预报。
3.如权利要求2所述的方法,其特征在于,所述分析预监测区域中测量数据的所述整体变化的波动包括:
依据所述整体变化的波动,绘制等高线图;
分析所述等高线图,依据分析结果获得预地震区域;
对所述预地震区域范围内监测点的所述测量数据的变化的波动与预设的波动进行比较,依据比较结果获取所述预地震区域的震级、震中位置和地震发生时间中至少一项。
4.如权利要求3所述的方法,其特征在于,所述对预监测区域发出地震风险预报包括:
将所述预地震区域、震级、震中位置和地震发生时间信息中至少一项生成地震预报卡。
5.一种地震预报系统,其特征在于,用于应用如权利要求1-4中任一项所述的方法,所述地震预报系统包括:
带电粒子监测装置,用于获取预监测区域中监测点处不同时间的测量数据,所述测量数据与监测点处地表溢出的带电粒子的特性相关;
处理器,用于接收所述带电粒子监测装置输出的所述测量数据,并对所述测量数据进行统计,依据统计结果获取统计值;将当前的统计值与之前的统计值进行比较,依据比较结果获取表征所述测量数据的变化的波动;
地震预报装置,用于接收所述处理器输出的所述测量数据的变化的波动,并依据所述测量数据的变化的波动,对所述预监测区域进行地震风险预报,包括:
将所述测量数据的变化的波动与预设的波动进行比较,获取预地震区域的震级、震中位置和/或地震发生时间;所述预设的波动包括临震特征波动,所述临震特征波动的获得方法包括:
在地震后或地震进行中的区域设定监测点;
对所述监测点处地表溢出的带电粒子进行监测,并输出与带电粒子的特性相关的测量数据;
对所述测量数据进行统计,依据统计结果获取统计值;
将当前的统计值与之前的统计值进行比较,依据比较结果获取表征所述测量数据的变化的波动作为所述临震特征波动;
所述测量数据的变化的波动包括所述带电粒子的浓度在升高或降低的起止时间和/或升高到最高点和降低到最低点时间的变化的波动。
6.一种用于地震预报的监测装置,其特征在于包括:
存储器,用于存储程序;
处理器,用于通过执行所述存储器存储的程序以实现如权利要求1-4中任一项所述的方法。
7.一种地震预报方法,其特征在于,包括:
在预监测区域设定监测点;
对所述监测点处地表溢出的带电粒子进行监测,并输出与所述带电粒子的特性相关的测量数据;
采用如权利要求1-4任一项所述的监测数据处理方法分析所述测量数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810588189.9A CN109001792B (zh) | 2018-06-08 | 2018-06-08 | 用于地震预报的监测数据处理方法、地震预报方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810588189.9A CN109001792B (zh) | 2018-06-08 | 2018-06-08 | 用于地震预报的监测数据处理方法、地震预报方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109001792A CN109001792A (zh) | 2018-12-14 |
CN109001792B true CN109001792B (zh) | 2023-11-14 |
Family
ID=64600442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810588189.9A Active CN109001792B (zh) | 2018-06-08 | 2018-06-08 | 用于地震预报的监测数据处理方法、地震预报方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109001792B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108845348B (zh) * | 2018-07-10 | 2024-01-09 | 北京大学深圳研究生院 | 用于地震预报的前兆数据处理方法、地震预报方法和系统 |
CN110082830B (zh) * | 2019-05-23 | 2021-09-07 | 深圳市新禾源投资咨询研究中心(有限合伙) | 一种地下矿产资源探测方法和系统 |
CN111190219B (zh) * | 2020-01-14 | 2022-06-21 | 北京大学深圳研究生院 | 用于地震预报的监测数据处理方法 |
CN114167488A (zh) * | 2021-12-10 | 2022-03-11 | 北京大学深圳研究生院 | 一种基于异常时空图的周尺度地震预测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1193743A (zh) * | 1998-03-16 | 1998-09-23 | 中国矿业大学 | 预测含气煤岩砼灾害的方法及装置 |
JP2000180559A (ja) * | 1998-12-17 | 2000-06-30 | Masatada Hata | 地殻活動監視装置 |
JP2006349515A (ja) * | 2005-06-16 | 2006-12-28 | Mitsubishi Electric Corp | 変位計測システム及び変位計測方法 |
JP2008145351A (ja) * | 2006-12-12 | 2008-06-26 | Masatada Hata | 地殻活動検知受信方式および装置 |
CN102183781A (zh) * | 2011-01-14 | 2011-09-14 | 深圳思量微系统有限公司 | 一种山体滑坡监测的方法 |
CN103336298A (zh) * | 2013-06-18 | 2013-10-02 | 深圳市微纳集成电路与系统应用研究院 | 一种大地震断裂区域前兆数据的采集和分析方法 |
CN205899766U (zh) * | 2016-07-21 | 2017-01-18 | 贵州京元科技有限公司 | 一种地质灾害监测预警装置 |
JP2018048815A (ja) * | 2016-09-20 | 2018-03-29 | 株式会社Where | 斜面崩壊検出方法 |
-
2018
- 2018-06-08 CN CN201810588189.9A patent/CN109001792B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1193743A (zh) * | 1998-03-16 | 1998-09-23 | 中国矿业大学 | 预测含气煤岩砼灾害的方法及装置 |
JP2000180559A (ja) * | 1998-12-17 | 2000-06-30 | Masatada Hata | 地殻活動監視装置 |
JP2006349515A (ja) * | 2005-06-16 | 2006-12-28 | Mitsubishi Electric Corp | 変位計測システム及び変位計測方法 |
JP2008145351A (ja) * | 2006-12-12 | 2008-06-26 | Masatada Hata | 地殻活動検知受信方式および装置 |
CN102183781A (zh) * | 2011-01-14 | 2011-09-14 | 深圳思量微系统有限公司 | 一种山体滑坡监测的方法 |
CN103336298A (zh) * | 2013-06-18 | 2013-10-02 | 深圳市微纳集成电路与系统应用研究院 | 一种大地震断裂区域前兆数据的采集和分析方法 |
CN205899766U (zh) * | 2016-07-21 | 2017-01-18 | 贵州京元科技有限公司 | 一种地质灾害监测预警装置 |
JP2018048815A (ja) * | 2016-09-20 | 2018-03-29 | 株式会社Where | 斜面崩壊検出方法 |
Non-Patent Citations (4)
Title |
---|
徐珉 等.利用遥感技术进行地震短临预报.《航天技术与民品》.1998,(第2期),第11页. * |
邹博.断裂带.《百科知识全书(外国卷)》.线装书局,2011,第360页. * |
金秀如 等.地震监测系统AETA的数据处理设计与实现.《计算机技术与发展》.2018,第28卷(第1期), * |
陈非比 等.地磁.《唐山地震》.地震出版社,1979,第77页. * |
Also Published As
Publication number | Publication date |
---|---|
CN109001792A (zh) | 2018-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108845348B (zh) | 用于地震预报的前兆数据处理方法、地震预报方法和系统 | |
CN109001792B (zh) | 用于地震预报的监测数据处理方法、地震预报方法和系统 | |
CN109085641B (zh) | 用于地震预报的监测数据处理方法、地震预报方法和系统 | |
CN109003422A (zh) | 用于山体滑坡的监测数据处理方法和山体滑坡预报方法 | |
CN108873102A (zh) | 用于山体滑坡的监测数据处理方法和山体滑坡预报方法 | |
CN111221030A (zh) | 基于物理集成的中子伽马探测器及中子伽马在线甄别方法 | |
WO2013012504A2 (en) | Method and system of determining a value indicative of gas saturation of a formation | |
Van Herwijnen et al. | Forecasting snow avalanches using avalanche activity data obtained through seismic monitoring | |
CN103135131A (zh) | 一种针对裂缝性储层预测的解释装置 | |
Köpke et al. | Improved detection of supernovae with the IceCube observatory | |
Cheng et al. | Broadband very low frequency measurement of D region ionospheric perturbations caused by lightning electromagnetic pulses | |
CN103678778A (zh) | 一种放射性物化探信息综合方法 | |
Borla et al. | Electromagnetic emission as failure precursor phenomenon for seismic activity monitoring | |
Azadifar et al. | Fast initial continuous current pulses versus return stroke pulses in tower‐initiated lightning | |
KR101688884B1 (ko) | 화학 원소의 비침투적 검출을 위한 방법 | |
CN108873075B (zh) | 一种断裂带的活动监测方法、勘探方法和装置 | |
WO2019232791A1 (zh) | 用于地震预报的监测数据处理方法、地震预报方法和系统 | |
Vossen et al. | Long-term observation of electrical discharges during persistent Vulcanian activity | |
Dietze et al. | A seismic approach to flood detection and characterization in upland catchments | |
CN103473894A (zh) | 地震监测预警系统及其工作方法 | |
Tsakalos et al. | Testing optically stimulated luminescence dating on sand-sized quartz of deltaic deposits from the Sperchios delta plain, central Greece | |
Suryo | Real-time prediction of rainfall induced instability of residual soil slopes associated with deep cracks | |
Latchman et al. | Temporal changes in the cumulative piecewise gradient of a variant of the Gutenberg–Richter relationship, and the imminence of extreme events | |
CN101915942B (zh) | 大地极化自然电场预测地震方法及其应用 | |
CN111190219B (zh) | 用于地震预报的监测数据处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |