CN113126154A - 一种地震预报的面波频谱分析方法 - Google Patents
一种地震预报的面波频谱分析方法 Download PDFInfo
- Publication number
- CN113126154A CN113126154A CN201911395592.0A CN201911395592A CN113126154A CN 113126154 A CN113126154 A CN 113126154A CN 201911395592 A CN201911395592 A CN 201911395592A CN 113126154 A CN113126154 A CN 113126154A
- Authority
- CN
- China
- Prior art keywords
- earthquake
- amplitude
- surface wave
- data
- maximum
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000010183 spectrum analysis Methods 0.000 title claims abstract description 11
- 230000002159 abnormal effect Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000005192 partition Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000001228 spectrum Methods 0.000 claims description 47
- 238000005070 sampling Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012952 Resampling Methods 0.000 claims description 2
- 238000004880 explosion Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 230000002265 prevention Effects 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 238000005336 cracking Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 8
- 239000002243 precursor Substances 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000007774 longterm Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011081 inoculation Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 206010039740 Screaming Diseases 0.000 description 1
- 241000270295 Serpentes Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/63—Seismic attributes, e.g. amplitude, polarity, instant phase
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
本发明公开了一种地震预报的面波频谱分析方法,涉及防震减灾技术领域。数据分区筛选,根据地震目录提供的地震震级、距离台站的震中距、地震的震源深度、发震构造类型、震源破裂过程等,对已发生的地震进行分区、分类,数据预处理,根据奈奎斯特定律,对地震波形数据进行秒级重采样,秒采样的数据,频率较高的横波和纵波会缺失,而频率较低的面波可以被还原,所以只还原周期在2秒以上的波形,异常幅值的确定,通过历史震例,得到幅值阈值和警戒幅值,通过历史震例,得到幅值阈值和警戒幅值,将最大幅值与警戒幅值相比较。平静期预报:未观测到地下应力集中现象,未来一段时间内,不会发生M4.0以上地震,可以有效消除各种地震谣言。
Description
技术领域
本发明涉及防震减灾技术领域,具体为一种地震预报的面波频谱分析方法。
背景技术
根据地震孕育时间过程,主要分为长期预报、中期预报、短期预报、临震预报四个阶段。目前地震预报理论方法种类非常多。
长期地震预报主要预报未来10年至50年可能发生的地震风险,方法主要有历史最大地震法、构造类比法等,历史最大地震法是根据仪器记录到的地震,加上文献记载地震和古地震遗迹,形成一套长期的地震目录,并且认为最大地震会重复发生,用统计方法推测复发周期,根据上一次最大地震发生后的离逝时间,推测现阶段发生最大地震的风险。构造类比法:认为具有相同构造特点的地震构造,发生最大地震震级是相似的,对于尚未记载到破坏性地震的地震构造,通过地震构造特点与其他已知最大地震的构造相比较,得出可能发生的最大地震震级。为区分不同地震构造的地震活动性差异,以地震构造为核心划分出地震区(带)。给出地震区(带)不同震级地震发生的可能性,可以在工程上给出指定地点在一定年限内地面运动可能的估计值。这种概率性地震预报方法,已成功运用在建筑物抗震设防规范方面。长期地震预报的缺点:忽略了地震活跃期,没有反映出地震非平稳过程;对无历史记载的新生型地震估计不足;更多考虑可能发生的最大地震,无法预测频度较高的中强地震。
中期预报指对未来1-2年内可能发生的地震作出预报,地震系统内部每年确定重点危险区属于中期预报。中期预报主要根据地震活动性的变化、长趋势地震前兆异常等提出的,准确性较低。
短期预报主要指未来3个月可能发生的地震;临震预报只要指未来几天可能发生的地震。短、临预报主要分为地震活动性方面和地震前兆方面。地震活动性方面,根据以往震例前震的时、空、强变化特征,利用现在已发生的地震,去预测未来可能发生的地震。例如空间 b值扫描法:在坐标系上用不同震级地震发生的次数,拟合成一条直线,这条直线的斜率为b值,通常大震发生之前,b值会有降低现象——小震增多,大震减少。1975年海城地震期间,民间流传“小震闹,大震到”的说法,也是这个道理。此外还有视应力法、地震空区、波速比变化、地震迁移等等很多种指标和方法。地震活动性方法需要丰富的前震序列,即只有前震-主震-余震型地震序列才能进行预报。然而像1976年唐山地震、2008年汶川地震等,前震非常少,地震活动性预报方法很难奏效。地震前兆方面,地震前兆手段包括重力、地磁、地电、形变、流体等多个物理指标,广义的地震前兆还包含狗乱叫、鸡上树、蛇出洞、鱼乱跳等宏观异常现象。地震前兆指标均在地表进行观测,而地震往往发生在地下十几公里的深处,因此地震前兆对震源孕育过程反映能力有限。且随着人类社会的发展,地表景观改变速度快,电磁信号越来越丰富,地下水不断开采,城市轨道交通越来越发达,地震前兆观测手段遭受的干扰非常严重。
综上所述,目前地震预报还是世界难题,没有一种非常好的方法对地震的发震时间、震中位置、地震震级(时、空、强)进行有效的预报。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种地震预报的面波频谱分析方法,具备可以根据物理现象做较为准确的平静期预报、小震预报和中强地震预报等优点,解决了目前地震预测准确度不够的问题。
(二)技术方案
为实现上述可以根据物理现象做较为准确的平静期预报、小震预报和中强地震预报的目的,本发明提供如下技术方案:一种地震预报的面波频谱分析方法,包括以下步骤:
S1、数据分区筛选,根据地震目录提供的地震震级、距离台站的震中距、地震的震源深度、发震构造类型、震源破裂过程等,对已发生的地震进行分区、分类;
S2、根据地震分类,对地震台站记录到的波形数据、台站基础资料等进行分类存储;
S3、数据预处理,根据奈奎斯特定律,对地震波形数据进行秒级重采样,秒采样的数据,频率较高的横波和纵波会缺失,而频率较低的面波可以被还原,所以只还原周期在2秒以上的波形;
S4、截取地震数据,根据地震发震时刻,截取地震波形数据,为了尽可能多的保留面波信息,数据长度不小于1小时;
S5、数据去趋势和去均值,对数据进行补零,为快速傅里叶变换做准备;
S6、对数据进行补零,数据样本越多,分辨率越高;
S7、快速傅里叶变换,将离散数据从时间域转换到频率域;
S8、计算单分量最大幅值,单分量在0.04Hz至0.20Hz之间去单点突跳后,取包络线的峰值;
S9、多分量合成,通常采集地震波的仪器有3分量和2分量,面波最大幅值取各分量的模,通过数据处理,进而得到面波最大频谱幅值;
S10、面波最大频谱幅值的确定,通过历史震例,得到幅值阈值和警戒幅值,通过历史震例,得到幅值阈值和警戒幅值,将面波最大频谱幅值与警戒幅值相比较,如果面波最大频谱幅值没有超过警戒幅值,则短期不会发生M4.0以上地震,如果少数台站面波最大频谱幅值超过警戒幅值,则该地区地下应力积累水平较高,短期具有发生小震风险,当多个台站面波最大频谱幅值超过警戒幅值时,短期有发生中强地震的风险,异常范围越大、时间越长,代表地下应力积累越大,未来发生的震级越高;
S11、异常区域的时空变化,通过新发生的地震,重复上述步骤,刷新异常幅值台站范围,根据实际情况调整预测意见,将检验结果归纳总结到历史震例中。
进一步优化本技术方案,所述S1中,发震构造类型包括正断层、逆断层、走滑断层、塌陷和火山爆发。
进一步优化本技术方案,所述S3中的奈奎斯特定律又称采样定理和香农采样定理:具体为如果信号带宽不到采样频率的一半,即奈奎斯特频率,那么此时这些离散的采样点能够完全表示原信号。
进一步优化本技术方案,所述S7中,快速傅里叶变换,是快速计算序列的离散傅里叶变换和其逆变换的方法,傅里叶分析将信号从原始域,通常是指时间或空间,转换到频域的表示和逆过来转换,快速傅里叶变换会通过把离散傅里叶变换矩阵分解为稀疏,且大多为零,因子之积来快速计算此类变换,对各个地震台站接收到的地震面波进行快速傅里叶变换得到频谱图,具体参照说明书附图中图2,将频率谱0.04Hz至0.20Hz之间的幅值峰值与该地区该类型地震(该震级、震中距、震源深度等)的警戒幅值相比较,如果多个台站出现超警戒幅值现象,根据震级可预测模型,提出未来一段时间内可能发生地震的强度
进一步优化本技术方案,所述S8中,最大幅值是对地震面波做快速傅里叶变换后,在频率谱0.04Hz至0.20Hz之间,去单点突跳后的幅值包络线对应的峰值。
进一步优化本技术方案,所述S9中,3分量包括北南、东西和垂直,2分量包括北南和东西。
进一步优化本技术方案,所述S10中,a.当“面波最大频谱幅值<幅值阈值”时,处于平静期,未来一段时间内无M4.0以上地震发生;b.当“幅值阈值<面波最大频谱幅值<警戒幅值”时,地下应力有增强趋势,需要密切关注;c.当少数台站“面波最大频谱幅值>警戒幅值”时,未来有发生M4.0以上地震风险;d.当多数台站“面波最大频谱幅值>警戒幅值”时,未来有发生M5.0以上地震风险。
进一步优化本技术方案,所述S10中,正常的幅值阈值是平静期面波频谱幅值最大峰值95%置信区间上限,平静期是指没有M4.0以上地震的时间段,警戒幅值取幅值阈值的2-3倍。
通过对地下5-25km深度应力水平的分析,可以做出三种类型的地震预报,通俗易懂,便于非专业人士理解;指标和结果明确,便于相关部门作出应对措施。
(1)平静期预报:未观测到地下应力集中现象,未来一段时间内,不会发生M4.0以上地震,可以有效消除各种地震谣言;
(2)小震预报:观测到地下应力有局部集中现象,未来一段时间内可能会发生M4.0-M5.0地震,但不具有强震风险;
(3)中强地震预报:观测到地下应力有大范围集中现象,未来一段时间内可能会发生M5.0以上地震,应准备相应的防范措施。
可以将这三种预报产品理解成天气预报三种现象:(1)晴空万里、未来几天无雨;(2)多云、局部会有阵雨;(3)乌云密布、整个地区将会有中到大雨。
(三)有益效果
与现有技术相比,本发明提供了一种地震预报的面波频谱分析方法,具备以下有益效果:通过对地下5-25km深度应力水平的分析,可以做出三种类型的地震预报。通俗易懂,便于非专业人士理解;指标和结果明确,便于相关部门作出应对措施。平静期预报:未观测到地下应力集中现象,未来一段时间内,不会发生M4.0以上地震,可以有效消除各种地震谣言;小震预报:观测到地下应力有局部集中现象,未来一段时间内可能会发生M4.0-M5.0地震,但不具有强震风险;中强地震预报:观测到地下应力有大范围集中现象,未来一段时间内可能会发生M5.0以上地震,应准备相应的防范措施。可以将这三种预报产品理解成天气预报三种现象:晴空万里、未来几天无雨;多云、局部会有阵雨;乌云密布、整个地区将会有中到大雨。
附图说明
图1为本发明的技术流程示意图;
图2为本发明利用快速傅里叶变换得到频谱图;
图3为本发明的结果图;
图4-7为本发明实施例一中2016年4月15日日本M4.9级地震各台站面波频谱图;
图8-11为本发明实施例二中2015年11月18日日本M5.1级地震各台站面波频谱图;
图12-15为本发明实施例三中2016年5月6日日本M4.9级地震各台站面波频谱图;
图16-18为本发明实施例三中2016年5月14日日本M4.9级地震各台站面波频谱图;
图19-21为本发明实施例三中2016年5月23日日本M4.8级地震各台站面波频谱图;
图22-24为本发明实施例三中2016年6月4日日本M4.8级地震各台站面波频谱图。
具体实施方式
下面将结合本发明的实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
参照说明书附图,本发明提供了一种地震预报的面波频谱分析方法,包括以下步骤:
S1、数据分区筛选,根据地震目录提供的地震震级、距离台站的震中距、地震的震源深度、发震构造类型、震源破裂过程等,对已发生的地震进行分区、分类,发震构造类型包括正断层、逆断层、走滑断层、塌陷和火山爆发;
S2、根据地震分类,对地震台站记录到的波形数据、台站基础资料等进行分类存储;
S3、数据预处理,根据奈奎斯特定律,奈奎斯特定律又称采样定理和香农采样定理:具体为如果信号带宽不到采样频率的一半,即奈奎斯特频率,那么此时这些离散的采样点能够完全表示原信号,对地震波形数据进行秒级重采样,秒采样的数据,频率较高的横波和纵波会缺失,而频率较低的面波可以被还原,所以只还原周期在2秒以上的波形;
S4、截取地震数据,根据地震发震时刻,截取地震波形数据,为了尽可能多的保留面波信息,数据长度不小于1小时;
S5、数据去趋势和去均值,对数据进行补零,为快速傅里叶变换做准备;
S6、对数据进行补零,数据样本越多,分辨率越高;
S7、快速傅里叶变换,快速傅里叶变换,是快速计算序列的离散傅里叶变换和其逆变换的方法,傅里叶分析将信号从原始域,通常是指时间或空间,转换到频域的表示和逆过来转换,快速傅里叶变换会通过把离散傅里叶变换矩阵分解为稀疏,且大多为零,因子之积来快速计算此类变换,将离散数据从时间域转换到频率域;
S8、计算单分量最大幅值,单分量在0.04Hz至0.20Hz之间去单点突跳后,取包络线的峰值;
S9、多分量合成,通常采集地震波的仪器有3分量和2分量,3 分量包括北南、东西和垂直,2分量包括北南和东西,面波最大幅值取各分量的模,通过数据处理,进而得到面波最大频谱幅值;
S10、面波最大频谱幅值的确定,通过历史震例,得到幅值阈值和警戒幅值,通过历史震例,得到幅值阈值和警戒幅值,将面波最大频谱幅值与警戒幅值相比较,如果面波最大频谱幅值没有超过警戒幅值,则短期不会发生M4.0以上地震,如果少数台站面波最大频谱幅值超过警戒幅值,则该地区地下应力积累水平较高,短期具有发生小震风险,当多个台站面波最大频谱幅值超过警戒幅值时,短期有发生中强地震的风险,异常范围越大、时间越长,代表地下应力积累越大,未来发生的震级越高,正常的幅值阈值是平静期面波频谱幅值最大峰值95%置信区间上限,平静期是指没有M4.0以上地震的时间段,警戒幅值取幅值阈值的2-3倍,具体为:a.当“面波最大频谱幅值<幅值阈值”时,处于平静期,未来一段时间内无M4.0以上地震发生;b. 当“幅值阈值<面波最大频谱幅值<警戒幅值”时,地下应力有增强趋势,需要密切关注;c.当少数台站“面波最大频谱幅值>警戒幅值”时,未来有发生M4.0以上地震风险;d.当多数台站“面波最大频谱幅值>警戒幅值”时,未来有发生M5.0以上地震风险;
S11、异常区域的时空变化,通过新发生的地震,重复上述步骤,刷新异常幅值台站范围,根据实际情况调整预测意见,将检验结果归纳总结到历史震例中。
本发明通过对地下5-25km深度应力水平的分析,可以做出三种类型的地震预报,通俗易懂,便于非专业人士理解;指标和结果明确,便于相关部门作出应对措施。
(1)平静期预报:未观测到地下应力集中现象,未来一段时间内,不会发生M4.0以上地震,可以有效消除各种地震谣言;
(2)小震预报:观测到地下应力有局部集中现象,未来一段时间内可能会发生M4.0-M5.0地震,但不具有强震风险;
(3)中强地震预报:观测到地下应力有大范围集中现象,未来一段时间内可能会发生M5.0以上地震,应准备相应的防范措施。
可以将这三种预报产品理解成天气预报三种现象:(1)晴空万里、未来几天无雨;(2)多云、局部会有阵雨;(3)乌云密布、整个地区将会有中到大雨。
本发明提供一种地震预报的面波频谱分析方法,根据实际数据整理出三种实施例,对应着平静期预报、小震预报以及中强地震预报三种情况,实施例参照如下:
实施例一:平静期预报
1、分析采用的地震见表1。
日期 | 经度(东经) | 纬度(北纬) | 震级 | 参考地点 |
2016-04-15 | 130.81 | 32.68 | 4.9 | 日本九州 |
表1作为实例1震源的地震目录
2、各台站频谱图见图4-7,左侧为北南向,右侧为东西向,2分量合成后最大幅值见表2,各台最大幅值,均未超过警戒幅值,因此 2016年4月15日辽宁地区未观测到应力集中现象,参考以往震例,作出保守估计在此后5天内辽宁地区不会出现M4.0级以上地震,20 天内不会出现M5.0以上地震。
图4-7为2016年4月15日日本九州M4.9级地震各台站面波频谱图,其中图4为朝阳台,图5为龙首山台,图6为本溪台,图7为南山城台。
表2为2016年4月15日日本地震各台站最大幅值表
注意到本溪的最大幅值超过了幅值的均值水平,这是由于本溪 VP仪器有0.01幅值的背景干扰,在接收地震波时与背景干扰相叠加,有一定的几率地震面波波峰与背景干扰波峰重叠,造成幅值过大。
实施例二:小震预报
1、分析使用的地震见表3,表3与表1的地震在位置、震级上相差不大,因此仍可以近似使用相同的警戒幅值。
日期 | 经度(东经) | 纬度(北纬) | 震级 | 参考地点 |
2015-11-18 | 129.05 | 31.33 | 5.1 | 日本 |
表3作为实施例二震源的地震目录
2、各台站频谱图见图8-11,左侧为北南向,右侧为东西向,2 分量合成后最大幅值见表4,朝阳台和龙首山台最大幅值超过均值,但未超过警戒幅值,可以认为应力积累不多,不能算为震源区,本溪台和南山城台最大幅值超过警戒幅值,认为地下应力正在积累,并形成震源体,因此2015年11月18日辽宁地区观测到应力在局部地区集中现象,估计在此后一段时间内辽宁地区有发生M4.0级地震风险,但5天内不会出现M5.0以上地震。
图8-11为2015年11月18日日本M5.1级地震各台站面波频谱图,横轴为频率,纵轴为幅值,其中图8为朝阳台,图9为龙首山台,图10为本溪台,图11为南山城台。
表4为2016年4月15日日本地震各台站最大幅值表
实施例三:中强震预报
1、分析使用的地震见表5,表5与表1和表3的地震在位置、震级上相差不大,因此仍可以近似使用相同的警戒幅值。
日期 | 经度(东经) | 纬度(北纬) | 震级 | 参考地点 |
2016-04-15 | 130.81 | 32.68 | 4.9 | 日本九州 |
2016-05-06 | 129.30 | 31.11 | 4.9 | 日本 |
2016-05-14 | 129.28 | 31.10 | 4.9 | 日本 |
2016-05-23 | 129.25 | 31.18 | 4.8 | 日本 |
2016-06-04 | 128.87 | 31.84 | 4.8 | 日本 |
表5作为实例3震源的地震目录
2、各台站频谱图见图12-24,左侧为北南向,右侧为东西向,2 分量合成后最大幅值见表6、表7、表8、表9。
I、J、K和L为2016年5月6日日本M4.9级地震各台站面波频谱图,横轴为频率,纵轴为幅值,其中图12为朝阳台,图13为龙首山台,图14为本溪台,图15为南山城台。
表6为2016年5月6日日本地震各台站最大幅值表
图16-18为2016年5月14日日本M4.9级地震各台站面波频谱图,横轴为频率,纵轴为幅值,其中图16为朝阳台,图17为龙首山台,图18为本溪台。
表7为2016年5月14日日本地震各台站最大幅值表
图19-21为2016年5月23日日本M4.8级地震各台站面波频谱图,横轴为频率,纵轴为幅值,其中图19为朝阳台,图20为龙首山台,图21为本溪台。
表8为2016年5月23日日本地震各台站最大幅值表
图22-24为2016年6月4日日本M4.8级地震各台站面波频谱图,横轴为频率,纵轴为幅值,其中图22为朝阳台,图23为龙首山台,图24为本溪台。
表9为2016年6月4日日本地震各台站最大幅值表
实施例结论:查询官方公布的地震目录和快报目录,做出此平静期预报后,辽宁省范围内发生的大于M4.0级地震,是37天后朝阳市朝阳县M4.6级地震。此次平静期预报结论正确,实例一是一次成功地震预报。查询官方公布的地震目录和快报目录,做出此小震预报5 天后,辽宁省范围内,在2015年11月23日营口大石桥发生M4.0级地震。此次小震预报结论正确,实例二是一次成功地震预报。查询官方公布的地震目录和快报目录,在5月14日做出中强地震预报8天后,在2016年5月22日17时08分,辽宁省朝阳市朝阳县相继发生4.6级、4.3级2次地震,2次地震震中距约2km,距朝阳市区约30km。张帆等人用多种方法测定震源深度约18km,震源机制为正断类型。根据面波频率与反演深度关系,18km对应的频率应该是0.55Hz左右,从频谱图可见,朝阳地区异常幅值,恰好是0.55Hz至0.13Hz,从侧面验证了理论的正确性。
以朝阳M4.6级地震发震时间为原点,将观测结果绘制在同一个坐标轴上得到结果图,从图中清晰可见,本方法对中强地震具有较好的预报、预警效果。
本发明的有益效果是:通过对地下5-25km深度应力水平的分析,可以做出三种类型的地震预报。通俗易懂,便于非专业人士理解;指标和结果明确,便于相关部门作出应对措施。平静期预报:未观测到地下应力集中现象,未来一段时间内,不会发生M4.0以上地震,可以有效消除各种地震谣言;小震预报:观测到地下应力有局部集中现象,未来一段时间内可能会发生M4.0-M5.0地震,但不具有强震风险;中强地震预报:观测到地下应力有大范围集中现象,未来一段时间内可能会发生M5.0以上地震,应准备相应的防范措施。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种地震预报的面波频谱分析方法,其特征在于,包括以下步骤:
S1、数据分区筛选,根据地震目录提供的地震震级、距离台站的震中距、地震的震源深度、发震构造类型、震源破裂过程等,对已发生的地震进行分区、分类;
S2、根据地震分类,对地震台站记录到的波形数据、台站基础资料等进行分类存储;
S3、数据预处理,根据奈奎斯特定律,对地震波形数据进行秒级重采样,秒采样的数据,频率较高的横波和纵波会缺失,而频率较低的面波可以被还原,所以只还原周期在2秒以上的波形;
S4、截取地震数据,根据地震发震时刻,截取地震波形数据,为了尽可能多的保留面波信息,数据长度不小于1小时;
S5、数据去趋势和去均值,对数据进行补零,为快速傅里叶变换做准备;
S6、对数据进行补零,数据样本越多,分辨率越高;
S7、快速傅里叶变换,将离散数据从时间域转换到频率域;
S8、计算单分量最大幅值,单分量在0.04Hz至0.20Hz之间去单点突跳后,取包络线的峰值;
S9、多分量合成,通常采集地震波的仪器有3分量和2分量,面波最大幅值取各分量的模,通过数据处理,进而得到面波最大频谱幅值;
S10、面波最大频谱幅值的确定,通过历史震例,得到幅值阈值和警戒幅值,通过历史震例,得到幅值阈值和警戒幅值,将面波最大频谱幅值与警戒幅值相比较,如果面波最大频谱幅值没有超过警戒幅值,则短期不会发生M4.0以上地震,如果少数台站面波最大频谱幅值超过警戒幅值,则该地区地下应力积累水平较高,短期具有发生小震风险,当多个台站面波最大频谱幅值超过警戒幅值时,短期有发生中强地震的风险,异常范围越大、时间越长,代表地下应力积累越大,未来发生的震级越高;
S11、异常区域的时空变化,通过新发生的地震,重复上述步骤,刷新异常幅值台站范围,根据实际情况调整预测意见,将检验结果归纳总结到历史震例中。
2.根据权利要求1所述的一种地震预报的面波频谱分析方法,其特征在于,所述S1中,发震构造类型包括正断层、逆断层、走滑断层、塌陷和火山爆发。
3.根据权利要求1所述的一种地震预报的面波频谱分析方法,其特征在于,所述S3中的奈奎斯特定律又称采样定理和香农采样定理:具体为如果信号带宽不到采样频率的一半,即奈奎斯特频率,那么此时这些离散的采样点能够完全表示原信号。
4.根据权利要求1所述的一种地震预报的面波频谱分析方法,其特征在于,所述S7中,快速傅里叶变换,是快速计算序列的离散傅里叶变换和其逆变换的方法,傅里叶分析将信号从原始域,通常是指时间或空间,转换到频域的表示和逆过来转换,快速傅里叶变换会通过把离散傅里叶变换矩阵分解为稀疏,且大多为零,因子之积来快速计算此类变换。
5.根据权利要求1所述的一种地震预报的面波频谱分析方法,其特征在于,所述S8中,最大幅值是对地震面波做快速傅里叶变换后,在频率谱0.04Hz至0.20Hz之间,去单点突跳后的幅值包络线对应的峰值。
6.根据权利要求1所述的一种地震预报的面波频谱分析方法,其特征在于,所述S9中,3分量包括北南、东西和垂直,2分量包括北南和东西。
7.根据权利要求1所述的一种地震预报的面波频谱分析方法,其特征在于,所述S10中,a.当“面波最大频谱幅值<幅值阈值”时,处于平静期,未来一段时间内无M4.0以上地震发生;b.当“幅值阈值<面波最大频谱幅值<警戒幅值”时,地下应力有增强趋势,需要密切关注;c.当少数台站“面波最大频谱幅值>警戒幅值”时,未来有发生M4.0以上地震风险;d.当多数台站“面波最大频谱幅值>警戒幅值”时,未来有发生M5.0以上地震风险。
8.根据权利要求1所述的一种地震预报的面波频谱分析方法,其特征在于,所述S10中,正常的幅值阈值是平静期面波频谱幅值最大峰值95%置信区间上限,平静期是指没有M4.0以上地震的时间段,警戒幅值取幅值阈值的2-3倍。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911395592.0A CN113126154A (zh) | 2019-12-30 | 2019-12-30 | 一种地震预报的面波频谱分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911395592.0A CN113126154A (zh) | 2019-12-30 | 2019-12-30 | 一种地震预报的面波频谱分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113126154A true CN113126154A (zh) | 2021-07-16 |
Family
ID=76767991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911395592.0A Pending CN113126154A (zh) | 2019-12-30 | 2019-12-30 | 一种地震预报的面波频谱分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113126154A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333248A (zh) * | 2022-01-11 | 2022-04-12 | 西南交通大学 | 一种高铁地震预警方法、装置、设备及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101852863A (zh) * | 2009-04-03 | 2010-10-06 | 中国石油集团东方地球物理勘探有限责任公司 | 一种利用高精度单道频谱分析技术处理地震数据的方法 |
CN102253413A (zh) * | 2011-06-01 | 2011-11-23 | 中国石油集团川庆钻探工程有限公司 | 面波道识别方法 |
CN102798891A (zh) * | 2012-08-22 | 2012-11-28 | 电子科技大学 | 基于短时分数阶傅里叶变换的地震信号时频分解方法 |
JP2014006158A (ja) * | 2012-06-25 | 2014-01-16 | Chuden Cti Co Ltd | 模擬地震波を作成する方法および模擬地震波作成プログラムならびに模擬地震波作成プログラムを記録したコンピュータ読み取り可能な記録媒体 |
CN105467428A (zh) * | 2015-11-17 | 2016-04-06 | 南京航空航天大学 | 一种基于短时能量检测和频谱特征分析的地震波预警方法 |
CN105676286A (zh) * | 2016-01-25 | 2016-06-15 | 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 |
CN110045413A (zh) * | 2019-04-22 | 2019-07-23 | 中国地质大学(北京) | 一种地震短期预测方法和装置 |
-
2019
- 2019-12-30 CN CN201911395592.0A patent/CN113126154A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101852863A (zh) * | 2009-04-03 | 2010-10-06 | 中国石油集团东方地球物理勘探有限责任公司 | 一种利用高精度单道频谱分析技术处理地震数据的方法 |
CN102253413A (zh) * | 2011-06-01 | 2011-11-23 | 中国石油集团川庆钻探工程有限公司 | 面波道识别方法 |
JP2014006158A (ja) * | 2012-06-25 | 2014-01-16 | Chuden Cti Co Ltd | 模擬地震波を作成する方法および模擬地震波作成プログラムならびに模擬地震波作成プログラムを記録したコンピュータ読み取り可能な記録媒体 |
CN102798891A (zh) * | 2012-08-22 | 2012-11-28 | 电子科技大学 | 基于短时分数阶傅里叶变换的地震信号时频分解方法 |
CN105467428A (zh) * | 2015-11-17 | 2016-04-06 | 南京航空航天大学 | 一种基于短时能量检测和频谱特征分析的地震波预警方法 |
CN105676286A (zh) * | 2016-01-25 | 2016-06-15 | 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 |
CN110045413A (zh) * | 2019-04-22 | 2019-07-23 | 中国地质大学(北京) | 一种地震短期预测方法和装置 |
Non-Patent Citations (3)
Title |
---|
任建辉 等: "利用HHT方法浅析台站地震前地脉动信息变化特征", 防灾科技学院学报, vol. 20, no. 01, pages 58 - 69 * |
杨立明: "汶川地震临震地脉动记录特殊频率波动现象及其重现性初步研究*", 国际地震动态》, no. 1, pages 14 - 19 * |
陈化然 等: "地震体波面波和地震活动性的某些谱分析结果及其在地震预报中的初步应用", 东北地震研究, vol. 13, no. 01, pages 9 - 13 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333248A (zh) * | 2022-01-11 | 2022-04-12 | 西南交通大学 | 一种高铁地震预警方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tapia et al. | Estimation of convective rainfall from lightning observations | |
Park et al. | Development of the operational oceanographic system of Korea | |
Mori et al. | Analysis of freak wave measurements in the Sea of Japan | |
Folland et al. | Multi-annual droughts in the English Lowlands: a review of their characteristics and climate drivers in the winter half-year | |
Alvarez et al. | Comparison of different wind products and buoy wind data with seasonality and interannual climate variability in the southern Bay of Biscay (2000–2009) | |
Divinsky et al. | Extreme wind waves in the Black Sea | |
Mills et al. | The Pasha Bulker east coast low of 8 June 2007 | |
Bernier et al. | Deterministic and ensemble storm surge prediction for Atlantic Canada with lead times of hours to ten days | |
Shand et al. | NSW coastal inundation hazard study: coastal storms and extreme waves | |
Khalid et al. | Advancing real-time flood prediction in large estuaries: iFLOOD a fully coupled surge-wave automated web-based guidance system | |
Vilibić et al. | The Mediterranean and Black Sea meteotsunamis: an overview | |
Snook et al. | Tornado-resolving ensemble and probabilistic predictions of the 20 May 2013 Newcastle–Moore EF5 tornado | |
Wang et al. | Risk assessment for typhoon-induced storm surges in Wenchang, Hainan Island of China | |
Galabov et al. | Study of the Western Black Sea storms with a focus on the storms caused by cyclones of North African origin | |
Pahlavan et al. | Fog probabilistic forecasting using an ensemble prediction system at six airports in Iran for 10 fog events | |
Amrutha et al. | Changes in nearshore waves during the active sea/land breeze period off Vengurla, central west coast of India | |
CN113126154A (zh) | 一种地震预报的面波频谱分析方法 | |
Mercer et al. | Statistical modeling of downslope windstorms in Boulder, Colorado | |
Soomere | Extremes and decadal variations in the Baltic Sea wave conditions | |
Wehof et al. | Application of the Storm Erosion Index (SEI) to three unique storms | |
Olsson et al. | Statistics of sea-effect snowfall along the Finnish coastline based on regional climate model data | |
Bobanović et al. | Forecasting storm surges along the east coast of Canada and the North‐Eastern United States: The storm of 21 January 2000 | |
Pei et al. | Joint distributions of hurricane wind and storm surge for the city of Charleston in South Carolina | |
Freeman et al. | Development of a tropical storm surge prediction system for Australia | |
Singh | Tropical cyclones: Trends, forecasting and mitigation |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210716 |
|
RJ01 | Rejection of invention patent application after publication |