CN111596350A - 一种地震台网波形数据质量监控方法和装置 - Google Patents
一种地震台网波形数据质量监控方法和装置 Download PDFInfo
- Publication number
- CN111596350A CN111596350A CN202010312624.2A CN202010312624A CN111596350A CN 111596350 A CN111596350 A CN 111596350A CN 202010312624 A CN202010312624 A CN 202010312624A CN 111596350 A CN111596350 A CN 111596350A
- Authority
- CN
- China
- Prior art keywords
- waveform data
- seismic
- power spectrum
- data quality
- preset
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 238000001228 spectrum Methods 0.000 claims abstract description 96
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 24
- 230000003595 spectral effect Effects 0.000 claims abstract description 18
- 230000002146 bilateral effect Effects 0.000 claims abstract description 15
- 238000005314 correlation function Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000012806 monitoring device Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明实施例公开了一种地震台网波形数据质量监控方法和装置，其中，所述方法包括：利用预设的背景噪声功率谱概率密度函数来计算获得信号的功率谱概率密度值；在利用Matlab计算过程中使用预设的One‑Sided算法进行运算，获得双边功率谱密度，并根据所述双边功率谱密度，利用预设的算法公式进行地噪声有效均方根计算，获得台站的地噪声水平信息；基于所述时间偏移信息利用预设的多台背景噪声的互相关函数进行计算，获得台站的时钟误差信息；根据功率谱概率密度值、地噪声水平信息以及时钟误差信息对地震台网波形数据质量进行监控分析。采用本发明所述的方法，能够实现对地震台网波形数据质量进行实时监控，提升了地震台网波形数据质量监控的效率和鲁棒性。
Description
技术领域
本发明实施例涉及物联网技术领域，具体涉及一种地震台网波形数据质量监控方法和装置。另外，还涉及一种电子设备和存储介质。
背景技术
地震观测数据是防震减灾工作的基础战略资源，数据质量的优劣将直接影响防震减灾工作实效，也是决定地震台站(网)是否成为国际一流的先决条件，因此保障地震观测数据质量是地震监测工作的核心任务。目前，地震速报和地震编目等常规业务正从人工产出向高精度、自动化产出发展，对测震波形数据质量的实时评估与监控提出了严苛的要求。另一方面，随着地震观测数据的用户数量和应用领域不断拓展，对波形数据的内在质量也提出了更为苛刻要求。目前测震元数据信息的完备和准确性差、质量评估指标单一等问题日益突出，仅停留在运行率、脉冲标定等基本检查层面是极不适应未来发展需求的。为切实提高测震台网观测数据质量，建立新一代数据质量评价体系迫在眉睫。
因此，如何设计一套高效稳定的地震台网波形数据质量监控方案成为技术人员研究的重点。
发明内容
为此，本发明实施例提供一种地震台网波形数据质量监控方法，以解决现有技术中存在的地震台网波形数据质量监控方案效率和稳定性无法满足实际需求识别问题。
为了实现上述目的，本发明实施例提供如下技术方案：
根据本发明实施例提供的一种地震台网波形数据质量监控方法，包括：利用对三分向地震台站记录的连续信号进行快速傅里叶变换，获得所述连续信号的功率谱的平均值，并将所述连续信号的功率谱的平均值作为计算样本的功率谱值；在获得所述功率谱值的基础上，利用预设的背景噪声功率谱概率密度函数来计算获得信号的功率谱概率密度值；在利用Matlab计算过程中使用预设的One-Sided算法进行运算，获得双边功率谱密度，并根据所述双边功率谱密度，利用预设的算法公式进行地噪声有效均方根计算，获得台站的地噪声水平信息；在测量过程中使用满足预设尺度条件的时间窗获得时间偏移信息；基于所述时间偏移信息利用预设的多台背景噪声的互相关函数进行计算，获得台站的时钟误差信息；根据所述功率谱概率密度值、所述地噪声水平信息以及所述时钟误差信息对地震台网波形数据质量进行监控分析。
进一步的，所述对三分向地震台站记录的连续信号进行快速傅里叶变换，具体包括：利用预设的WELCH算法对三分向地震台站记录的连续信号进行快速傅里叶变换。
进一步的，所述利用预设的WELCH算法对三分向地震台站记录的连续信号进行快速傅里叶变换，获得所述连续信号的功率谱的平均值，具体包括：对记录的连续信号数据进行去零漂和扣除仪器响应处理，并将计算样本分段进行重叠；采用预设的汉宁窗函数对所述连续信号的频谱的分辨率处理后，运用预设的快速傅里叶变换算法计算连续信号的功率谱，获得所述连续信号功率谱的平均值。
进一步的，根据所述功率谱概率密度值、所述地噪声水平信息以及所述时钟误差信息对地震台网波形数据质量进行监控分析，具体包括：采集实际的地震台网波形数据；对所述地震台网波形数据进行分析，将分析结果分别与所述功率谱概率密度值、所述地噪声水平信息以及所述时钟误差信息进行比对，获得所述地震台网波形数据对应的质量信息。
相应的，本申请实施例还提供一种地震台网波形数据质量监控装置，包括：功率谱概率密度值计算单元，用于利用对三分向地震台站记录的连续信号进行快速傅里叶变换，获得所述连续信号的功率谱的平均值，并将所述连续信号的功率谱的平均值作为计算样本的功率谱值；在获得所述功率谱值的基础上，利用预设的背景噪声功率谱概率密度函数来计算获得信号的功率谱概率密度值；地噪声水平信息计算单元，用于在利用Matlab计算过程中使用预设的One-Sided算法进行运算，获得双边功率谱密度，并根据所述双边功率谱密度，利用预设的算法公式进行地噪声有效均方根计算，获得台站的地噪声水平信息；时钟误差信息计算单元，用于在测量过程中使用满足预设尺度条件的时间窗获得时间偏移信息；基于所述时间偏移信息利用预设的多台背景噪声的互相关函数进行计算，获得台站的时钟误差信息；波形数据质量监控分析单元，用于根据所述功率谱概率密度值、所述地噪声水平信息以及所述时钟误差信息对地震台网波形数据质量进行监控分析。
进一步的，所述功率谱概率密度值计算单元具体用于：利用预设的WELCH算法对三分向地震台站记录的连续信号进行快速傅里叶变换。
进一步的，所述利用预设的WELCH算法对三分向地震台站记录的连续信号进行快速傅里叶变换，获得所述连续信号的功率谱的平均值，具体包括：对记录的连续信号数据进行去零漂和扣除仪器响应处理，并将计算样本分段进行重叠；采用预设的汉宁窗函数对所述连续信号的频谱的分辨率处理后，运用预设的快速傅里叶变换算法计算连续信号的功率谱，获得所述连续信号功率谱的平均值。
进一步的，所述波形数据质量监控分析单元具体用于：采集实际的地震台网波形数据；对所述地震台网波形数据进行分析，将分析结果分别与所述功率谱概率密度值、所述地噪声水平信息以及所述时钟误差信息进行比对，获得所述地震台网波形数据对应的质量信息。
相应的，本申请实施例还提供一种电子设备，包括：处理器和存储器；其中，所述存储器，用于存储地震台网波形数据质量监控方法的程序，该电子设备通电并通过所述处理器运行该地震台网波形数据质量监控方法的程序后，执行上述任意一项所述的地震台网波形数据质量监控方法。
相应的，本申请实施例还提供一种计算机可读存储介质，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被服务器执行如上任一项所述的地震台网波形数据质量监控方法。
采用本发明所述的地震台网波形数据质量监控方法，能够实现对地震台网波形数据质量进行实时监控，基于获得的信号功率谱概率密度值和地噪声水平信息进行分析计算，有效提升地震台网波形数据质量监控的效率和鲁棒性。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引申获得其它的实施附图。
图1为本发明实施例提供的一种地震台网波形数据质量监控方法的流程图；
图2为本发明实施例提供的一种地震台网波形数据质量监控装置的示意图；
图3为本发明实施例提供的一种电子设备的示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面根据本发明所述的地震台网波形数据质量监控方法，对其实施例进行详细描述。如图1所示，其为本发明实施例提供的一种地震台网波形数据质量监控方法的流程图，具体实现过程包括以下步骤：
步骤S101：利用对三分向地震台站记录的连续信号进行快速傅里叶变换，获得所述连续信号的功率谱的平均值，并将所述连续信号的功率谱的平均值作为计算样本的功率谱值；在获得所述功率谱值的基础上，利用预设的背景噪声功率谱概率密度函数来计算获得信号的功率谱概率密度值。
在本发明实施例中，由于数字地震观测系统具有因果性、时不变的特征，实时记录过程中连续信号可反映出地震观测系统在某一特定时刻下的记录状态，具有唯一性，因此通过记录的连续信号的功率谱概率密度函数，可实现对地震观测系统的记录状态进行频谱概率的定量化评估。
在具体实施例中可首先利用预设的WELCH算法对三分向地震台站记录的连续信号进行快速傅里叶变换，该方法是改进后分段平均周期法，属于功率谱密度的非参数估计方法。具体步骤包括：
对记录的连续信号数据进行去零漂和扣除仪器响应处理；将计算样本分段进行重叠；为了最大程度地减小重叠后“频谱泄露”效应，且增加频峰的宽度，将采用预设的汉宁窗函数来提高频谱的分辨率，采用预设的汉宁窗函数对所述连续信号的频谱的分辨率处理后，运用预设的快速傅里叶变换算法计算每段连续信号的功率谱，获得所述连续信号功率谱的平均值。
在上述功率谱估计的基础上，利用预设的背景噪声功率谱概率密度函数来计算获得信号的功率谱概率密度值，具体步骤包括：
在每段连续信号的全频段内以1/8倍频为单位间隔计算平均功率谱，即在短拐角周期Ts和长拐角周期TL＝2*Ts内的平均功率谱值，给几何中心周期Tc(Tc＝sqrt(Ts*TL))；其中，短拐角周期Ts可按1/8倍频增加，即Ts＝Ts*20.125，直至达到本申请中所需的90s～35Hz频率范围；进一步的，可以以“天”为时间单元进行计算，对于某个给定的中心频点，各种记录的连续信号的功率谱概率密度(PDF)用下式表示：
P(Tc)＝NpTc/NTc
其中，NpTc是功率谱值在-200～-80dB范围内1dB单位间隔内的功率谱条数，NTc是在中心频点Tc上，单位时间内的功率谱总数。
步骤S102：在利用Matlab计算过程中使用预设的One-Sided算法进行运算，获得双边功率谱密度，并根据所述双边功率谱密度，利用预设的算法公式进行地噪声有效均方根计算，获得台站的地噪声水平信息。
由于台基观测环境地噪声水平是衡量台站监测能力的核心指标，也是保护地震台站观测环境及选址的重要技术依据。长期以来，在台基环境地噪声水平的评估方面均是依据《地震台站观测环境技术要求》(GB/T1953.1～19531.4-2004)来进行计算的，主要的方法是在1/3倍频程滤波器下，且在1～20Hz频带范围内，按下式由功率谱密度(PSD)来对地噪声有效均方根(RMS值)进行计算，
aRMS＝{2×P×(fu-f1)}1/2＝(2×P×f0×RBW)1/2 (1)
式中，f0为分度倍频程中心频率；RBW为相对带宽，由(2)式来计算：
RBW＝(fu-fl)/f0 (2)
其中，fu为分度倍频程上限频率，fl为分度倍频程下限频率。
然而，需要说明的是，(1)式中的P的原始定义是工程学上的PSD，而工程上的PSD是数学上PSD的2倍，因为它包含了正、负频谱。因此在实际计算中，采用归一化因子来对FFT平方进行处理。
在本发明实施例中，采用的技术方案是在利用Matlab计算过程中使用预设的One-Sided算法进行运算，直接出双边功率谱密度后，将(1)式改写为下式来进行RMS(单调速率调度算法RMS，是一种静态优先级调度算法，是经典的周期性任务调度算法)运算得到RMS值计算，
aRMS＝{P×(fu-f1)}1/2＝(P×f0×RBW)1/2 (3)
其中，P为速度功率谱密度，f0为分度倍频程中心频率，fu为分度倍频程上限频率，RBW为相对带宽。
步骤S103：在测量过程中使用满足预设尺度条件的时间窗获得时间偏移信息；基于所述时间偏移信息利用预设的多台背景噪声的互相关函数进行计算，获得台站的时钟误差信息。
在具体实施过程中，通常存在三种主要因素会导致走时出现扰动，比如：介质的物理性质发生改变，会导致互相关走时在正、负时间区域内出现较快或较慢的现象；台站对中其中一个存在时间误差或其中一个台站的传感器相位响应发生改变，会导致互相关函数相对于零线整体发生偏移，即走时在正时间区域内偏大、在负时间区域内走时偏小，反之亦然；介质中噪声源的空间分布发生变化，则会独立影响正、负时间区域内的互相关走时，因为正、负时间内的走时对不同区域的噪声源分布十分敏感。
因此，本发明实施例中，在某一给定的路径和频带范围内，背景噪声互相关函数中求取的面波走时数据δτ与“参考走时”之间的偏差，可以用下式来表示：
其中，D(t)是由台站时钟误差(或传感器的相位响应偏移)引起的时间延迟，它是偶函数；
代表由于介质物理性质变化引起的走时扰动，其性质属于奇函数；ε(t)是由于噪声源在空间上的分布变化而引起的时间偏移，它可以通过增加互相关函数的时间序列长度来使得噪声源的分布均匀化，从而最大限度地减小它对走时的扰动。
取(4)式的奇、偶部分变形后分别可得，
当D(t)和
远大于特定值时，通过滑动窗互相关技术测量求出δτij(t)后，利用(5)、(6)式即可求出D(t)和
但是需要说明的是，在测量过程中使用小时间窗(比如1个月)虽然可以得到精确时间分辨率的偏移，但小时间窗会使得ε(t)偏大，因此只能测量出由明显时钟误差引起的走时差。因此在本发明实施例中，在测量过程中使用满足预设尺度条件的时间窗获得时间偏移信息，使用大的时间窗会降低时间分辨率，会使ε(t)减小，但可以更容易识别出小的时钟误差和介质物理性质的变化。
步骤S104：根据所述功率谱概率密度值、所述地噪声水平信息以及所述时钟误差信息对地震台网波形数据质量进行监控分析。
在上述步骤S101-S103中获得信号的功率谱概率密度值、台站的地噪声水平信息以及台站的时钟误差信息之后，在本步骤中可将所述信号的功率谱概率密度值、所述台站的地噪声水平信息以及所述台站的时钟误差信息作为地震台网波形数
在本发明实施例中，所述的根据功率谱概率密度值、地噪声水平信息以及时钟误差信息对地震台网波形数据质量进行监控分析，具体实现过程可以包括：采集实际的地震台网波形数据，对所述地震台网波形数据进行分析，将分析结果分别与所述功率谱概率密度值、所述地噪声水平信息以及所述时钟误差信息进行比对，获得所述地震台网波形数据对应的质量信息。
采用本发明所述的地震台网波形数据质量监控方法，能够实现对地震台网波形数据质量进行实时监控，基于获得的信号功率谱概率密度值和地噪声水平信息进行分析计算，有效提升地震台网波形数据质量监控的效率和鲁棒性。
与上述提供的一种地震台网波形数据质量监控方法相对应，本发明还提供一种地震台网波形数据质量监控装置。由于该装置的实施例相似于上述方法实施例，所以描述的比较简单，相关之处请参见上述方法实施例部分的说明即可，下面描述一种地震台网波形数据质量监控装置的实施例仅是示意性的。请参考图2所示，其为本发明实施例提供的一种地震台网波形数据质量监控装置的示意图。
本发明所述的一种地震台网波形数据质量监控装置包括如下部分：
功率谱概率密度值计算单元201，用于利用对三分向地震台站记录的连续信号进行快速傅里叶变换，获得所述连续信号的功率谱的平均值，并将所述连续信号的功率谱的平均值作为计算样本的功率谱值；在获得所述功率谱值的基础上，利用预设的背景噪声功率谱概率密度函数来计算获得信号的功率谱概率密度值。
地噪声水平信息计算单元202，用于在利用Matlab计算过程中使用预设的One-Sided算法进行运算，获得双边功率谱密度，并根据所述双边功率谱密度，利用预设的算法公式进行地噪声有效均方根计算，获得台站的地噪声水平信息。
时钟误差信息计算单元203，用于在测量过程中使用满足预设尺度条件的时间窗获得时间偏移信息；基于所述时间偏移信息利用预设的多台背景噪声的互相关函数进行计算，获得台站的时钟误差信息。
波形数据质量监控分析单元204，用于根据所述功率谱概率密度值、所述地噪声水平信息以及所述时钟误差信息对地震台网波形数据质量进行监控分析。
采用本发明所述的地震台网波形数据质量监控装置，能够实现对地震台网波形数据质量进行实时监控，基于获得的信号功率谱概率密度值和地噪声水平信息进行分析计算，有效提升地震台网波形数据质量监控的效率和准确性。
与上述提供的地震台网波形数据质量监控方法相对应，本发明还提供一种电子设备。由于该电子设备的实施例相似于上述方法实施例，所以描述的比较简单，相关之处请参见上述方法实施例部分的说明即可，下面描述的电子设备仅是示意性的。如图3所示，其为本发明实施例提供的一种电子设备的示意图。
该电子设备具体包括：处理器301和存储器302；其中，存储器302用于运行一个或多个程序指令，用于存储地震台网波形数据质量监控方法的程序，该服务器通电并通过所述处理器301运行该地震台网波形数据质量监控方法的程序后，执行上述任意一项所述的地震台网波形数据质量监控方法。本发明所述的电子设备可以是指服务器。
与上述提供的一种地震台网波形数据质量监控方法相对应，本发明还提供一种计算机存储介质。由于该计算机存储介质的实施例相似于上述方法实施例，所以描述的比较简单，相关之处请参见上述方法实施例部分的说明即可，下面描述的计算机存储介质仅是示意性的。
所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被服务器执行上述所述的地震台网波形数据质量监控方法。
在本发明实施例中，处理器或处理器模块可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
其中，非易失性存储器可以是只读存储器(Read-Only Memory，简称ROM)、可编程只读存储器(Programmable ROM，简称PROM)、可擦除可编程只读存储器(Erasable PROM，简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM，简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，简称SRAM)、动态随机存取存储器(Dynamic RAM，简称DRAM)、同步动态随机存取存储器(Synchronous DRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data Rate SDRAM，简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM，简称ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，简称SLDRAM)和直接内存总线随机存取存储器(Direct Ram bus RAM，简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (10)
1.一种地震台网波形数据质量监控方法，其特征在于，包括：
利用对三分向地震台站记录的连续信号进行快速傅里叶变换，获得所述连续信号的功率谱的平均值，并将所述连续信号的功率谱的平均值作为计算样本的功率谱值；在获得所述功率谱值的基础上，利用预设的背景噪声功率谱概率密度函数来计算获得信号的功率谱概率密度值；
在利用Matlab计算过程中使用预设的One-Sided算法进行运算，获得双边功率谱密度，并根据所述双边功率谱密度，利用预设的算法公式进行地噪声有效均方根计算，获得台站的地噪声水平信息；
在测量过程中使用满足预设尺度条件的时间窗获得时间偏移信息；基于所述时间偏移信息利用预设的多台背景噪声的互相关函数进行计算，获得台站的时钟误差信息；
根据所述功率谱概率密度值、所述地噪声水平信息以及所述时钟误差信息对地震台网波形数据质量进行监控分析。
2.根据权利要求1所述的地震台网波形数据质量监控方法，其特征在于，所述对三分向地震台站记录的连续信号进行快速傅里叶变换，具体包括：利用预设的WELCH算法对三分向地震台站记录的连续信号进行快速傅里叶变换。
3.根据权利要求2所述的地震台网波形数据质量监控方法，其特征在于，所述利用预设的WELCH算法对三分向地震台站记录的连续信号进行快速傅里叶变换，获得所述连续信号的功率谱的平均值，具体包括：
对记录的连续信号数据进行去零漂和扣除仪器响应处理，并将计算样本分段进行重叠；
采用预设的汉宁窗函数对所述连续信号的频谱的分辨率处理后，运用预设的快速傅里叶变换算法计算连续信号的功率谱，获得所述连续信号的功率谱的平均值。
4.根据权利要求1所述的地震台网波形数据质量监控方法，其特征在于，根据所述功率谱概率密度值、所述地噪声水平信息以及所述时钟误差信息对地震台网波形数据质量进行监控分析，具体包括：
采集实际的地震台网波形数据；
对所述地震台网波形数据进行分析，将分析结果分别与所述功率谱概率密度值、所述地噪声水平信息以及所述时钟误差信息进行比对，获得所述地震台网波形数据对应的质量信息。
5.一种地震台网波形数据质量监控装置，其特征在于，包括：
功率谱概率密度值计算单元，用于利用对三分向地震台站记录的连续信号进行快速傅里叶变换，获得所述连续信号的功率谱的平均值，并将所述连续信号的功率谱的平均值作为计算样本的功率谱值；在获得所述功率谱值的基础上，利用预设的背景噪声功率谱概率密度函数来计算获得信号的功率谱概率密度值；
地噪声水平信息计算单元，用于在利用Matlab计算过程中使用预设的One-Sided算法进行运算，获得双边功率谱密度，并根据所述双边功率谱密度，利用预设的算法公式进行地噪声有效均方根计算，获得台站的地噪声水平信息；
时钟误差信息计算单元，用于在测量过程中使用满足预设尺度条件的时间窗获得时间偏移信息；基于所述时间偏移信息利用预设的多台背景噪声的互相关函数进行计算，获得台站的时钟误差信息；
波形数据质量监控分析单元，用于根据所述功率谱概率密度值、所述地噪声水平信息以及所述时钟误差信息对地震台网波形数据质量进行监控分析。
6.根据权利要求5所述的地震台网波形数据质量监控装置，其特征在于，所述功率谱概率密度值计算单元具体用于：利用预设的WELCH算法对三分向地震台站记录的连续信号进行快速傅里叶变换。
7.根据权利要求6所述的地震台网波形数据质量监控装置，其特征在于，所述利用预设的WELCH算法对三分向地震台站记录的连续信号进行快速傅里叶变换，获得所述连续信号的功率谱的平均值，具体包括：
对记录的连续信号数据进行去零漂和扣除仪器响应处理，并将计算样本分段进行重叠；
采用预设的汉宁窗函数对所述连续信号的频谱的分辨率处理后，运用预设的快速傅里叶变换算法计算连续信号的功率谱，获得所述连续信号的功率谱的平均值。
8.根据权利要求5所述的地震台网波形数据质量监控装置，其特征在于，所述波形数据质量监控分析单元具体用于：采集实际的地震台网波形数据；对所述地震台网波形数据进行分析，将分析结果分别与所述功率谱概率密度值、所述地噪声水平信息以及所述时钟误差信息进行比对，获得所述地震台网波形数据对应的质量信息。
9.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储地震台网波形数据质量监控方法的程序，该电子设备通电并通过所述处理器运行该地震台网波形数据质量监控方法的程序后，执行上述权利要求1-4任意一项所述的地震台网波形数据质量监控方法。
10.一种计算机可读存储介质，其特征在于，该计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被服务器执行如权利要求1-4任一项所述的地震台网波形数据质量监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010312624.2A CN111596350B (zh) | 2020-04-20 | 2020-04-20 | 一种地震台网波形数据质量监控方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010312624.2A CN111596350B (zh) | 2020-04-20 | 2020-04-20 | 一种地震台网波形数据质量监控方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111596350A true CN111596350A (zh) | 2020-08-28 |
| CN111596350B CN111596350B (zh) | 2023-03-24 |
Family
ID=72189086
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010312624.2A Active CN111596350B (zh) | 2020-04-20 | 2020-04-20 | 一种地震台网波形数据质量监控方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111596350B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112083478A (zh) * | 2020-10-09 | 2020-12-15 | 中国电建集团贵阳勘测设计研究院有限公司 | 一种水库地震台站观测场地的选址方法 |
| CN115857013A (zh) * | 2022-12-09 | 2023-03-28 | 中国科学院地质与地球物理研究所 | 一种利用改进welch法计算地震计自噪声的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110158046A1 (en) * | 2009-12-30 | 2011-06-30 | Ralf Ferber | Seismic data acquisition and processing quality control |
| US20150168573A1 (en) * | 2012-04-13 | 2015-06-18 | China National Petroleum Corporation | Geologic quality factor inversion method |
| CN105448304A (zh) * | 2015-12-01 | 2016-03-30 | 珠海市杰理科技有限公司 | 语音信号噪声频谱估计方法、装置及降噪处理方法 |
| CN106452627A (zh) * | 2016-10-18 | 2017-02-22 | 中国电子科技集团公司第三十六研究所 | 一种用于宽带频谱感知的噪声功率估计方法和装置 |
| CN108287047A (zh) * | 2017-12-22 | 2018-07-17 | 中国地震局工程力学研究所 | 高精度地震模拟振动台的波形再现在线迭代方法 |
-
2020
- 2020-04-20 CN CN202010312624.2A patent/CN111596350B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110158046A1 (en) * | 2009-12-30 | 2011-06-30 | Ralf Ferber | Seismic data acquisition and processing quality control |
| US20150168573A1 (en) * | 2012-04-13 | 2015-06-18 | China National Petroleum Corporation | Geologic quality factor inversion method |
| CN105448304A (zh) * | 2015-12-01 | 2016-03-30 | 珠海市杰理科技有限公司 | 语音信号噪声频谱估计方法、装置及降噪处理方法 |
| CN106452627A (zh) * | 2016-10-18 | 2017-02-22 | 中国电子科技集团公司第三十六研究所 | 一种用于宽带频谱感知的噪声功率估计方法和装置 |
| CN108287047A (zh) * | 2017-12-22 | 2018-07-17 | 中国地震局工程力学研究所 | 高精度地震模拟振动台的波形再现在线迭代方法 |
Non-Patent Citations (2)
| Title |
|---|
| 孙业君: "地震台网记录数据扇量评估的方法研究与实现", 《中国优秀博硕士学位论文全文数据库（硕士） 信息科学辑》 * |
| 王俊 等: "背景噪声在数字地震台网时间系统中的稳定性估计", 《国际地震动态》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112083478A (zh) * | 2020-10-09 | 2020-12-15 | 中国电建集团贵阳勘测设计研究院有限公司 | 一种水库地震台站观测场地的选址方法 |
| CN115857013A (zh) * | 2022-12-09 | 2023-03-28 | 中国科学院地质与地球物理研究所 | 一种利用改进welch法计算地震计自噪声的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111596350B (zh) | 2023-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Feng et al. | Nonstationary flood coincidence risk analysis using time-varying copula functions | |
| CN111596350B (zh) | 一种地震台网波形数据质量监控方法和装置 | |
| Muste et al. | Standardized uncertainty analysis for hydrometry: a review of relevant approaches and implementation examples | |
| Lopeman et al. | Extreme storm surge hazard estimation in lower Manhattan: Clustered separated peaks-over-threshold simulation (CSPS) method | |
| Felici et al. | Extreme value statistics of the total energy in an intermediate-complexity model of the midlatitude atmospheric jet. Part I: Stationary case | |
| CN111984920B (zh) | 次/超同步谐波参数识别方法、装置、设备和介质 | |
| US20090062945A1 (en) | Method and System for Estimating Frequency and Amplitude Change of Spectral Peaks | |
| Bilotta et al. | Reconstructing blockages in a symmetric duct via quasi-isospectral horn operators | |
| Omelchuk et al. | A closed-form ARMA-based ML-estimator of a single-tone frequency | |
| Li et al. | Frequency estimation based on symmetric discrete Fourier transform | |
| CN109116183B (zh) | 谐波模型参数辨识方法、装置、存储介质及电子设备 | |
| Wang et al. | Comparison and evaluation of uncertainties in extreme flood estimations of the upper Yangtze River by the Delta and profile likelihood function methods | |
| Peyvan et al. | Flux reconstruction using Jacobi correction functions in discontinuous spectral element method | |
| Rizalihadi | The generation of synthetic sequences of monthly rainfall using autoregressive model | |
| CN114154122B (zh) | 测流数据质量评估方法、装置及应用 | |
| Rydén | Statistical analysis of temperature extremes in long-time series from Uppsala | |
| Broekhuizen et al. | Reducing uncertainties in urban drainage models by explicitly accounting for timing errors in objective functions | |
| Toledo et al. | A comparison of methods for the calculation of all the key points of the PV single-diode model including a new algorithm for the maximum power point | |
| CN108376123A (zh) | 一种卫星重力观测数据异常值提取方法、装置及电子设备 | |
| Dlask et al. | Hurst exponent estimation from short time series | |
| Xie et al. | Correlation-aided method for identification and gradation of periodicities in hydrologic time series | |
| McElroy et al. | A local spectral approach for assessing time series model misspecification | |
| Pisarenko et al. | Statistical methods for river runoff prediction | |
| CN113358926B (zh) | 一种适用于芯片化继电保护的信号频率测量方法与装置 | |
| RU2553120C1 (ru) | Устройство для оценки функции распределения случайных величин и ее толерантных границ по малым выборкам |
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 |