CN113552619A - 基于深度震相自动匹配的远震起震点深度精定位技术 - Google Patents
基于深度震相自动匹配的远震起震点深度精定位技术 Download PDFInfo
- Publication number
- CN113552619A CN113552619A CN202110996896.3A CN202110996896A CN113552619A CN 113552619 A CN113552619 A CN 113552619A CN 202110996896 A CN202110996896 A CN 202110996896A CN 113552619 A CN113552619 A CN 113552619A
- Authority
- CN
- China
- Prior art keywords
- seismic
- depth
- phase
- remote
- deep
- 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 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 208000035126 Facies Diseases 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000035939 shock Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G01V1/288—Event detection in seismic signals, e.g. microseismics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/10—Aspects of acoustic signal generation or detection
- G01V2210/12—Signal generation
- G01V2210/129—Source location
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Acoustics & Sound (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开一种基于深度震相自动匹配的远震起震点深度精定位技术。该技术在对远震记录波形数据进行预处理的基础上，从每个地震台站数据上自动搜寻并截取直达波震相，并基于该直达波震相构建地震台站对应的深度震相模板集，接着在后续波形搜寻可能的深度震相，将相关系数最大值所对应的时刻作为该深度震相的初至时刻，同时计算该深度震相与直达波的走时差；搜得所有可能的深度震相后，在已知震中位置由浅到深给定多个假设起震点，正演各假设起震点的理论深度震相到时，并计算这些深度震相与直达波的理论走时差；然后基于理论走时差与观测到的可能的深度震相的走时差确定出起震点，通过上述过程可实现远震起震点深度的快速精定位。
Description
技术领域
本发明属于远震起震点定位技术领域，具体涉及一种基于深度震相自动匹配的远震起震点深度精定位技术。
背景技术
世界测震权威机构通常采用震相走时方法确定地震起震点位置，进行地震速报和生成地震事件目录。例如美国地质调查局的国家地震信息中心、国际地震中心和国际数据中心，其主要通过短周期P波也即地震纵波来进行起震点定位。当地震台网密集且震中距较小时，起震点发震时刻以及经纬度和深度坐标均可通过基于走时的定位方法进行确定。但随着震中距增大，初至波走时对起震点深度变化开始变得不敏感。在只有远震台站数据可用的情况下，由于震中距远大于地震埋深，通过直达波走时确定的起震点深度存在很大的不确定性。
针对这个问题，现有技术通常使用深度震相约束的方法来解决。但是这些方法一般都无法实现远震的震源破裂起始点深度的快速全自动地重定位。而且有的因为需要人工介入深度震相筛选过程而导致地震目录更新周期非常长。
因此，如何准确快速自动地确定出远震起震点深度，是本领域一个亟需解决的技术问题。
发明内容
本发明的目的是为了解决现有技术难以快速全自动定位远震起震点深度的技术问题，提出了一种基于深度震相自动匹配的远震起震点深度精定位技术。
本发明的技术方案包括以下步骤：
S1、根据GCMT目录的远震事件获取可用的远震台站三分量波形数据；
S2、对每个远震台站的三分量波形数据进行预处理；
S3、对预处理后的三分量波形数据通过自动拾取技术确定直达波到时，并截取直达波震相，然后通过傅里叶变换与相位旋转对所述直达波震相处理形成一个深度震相模板集；
S4、将每个远震台站每个分量直达波之后的波形与对应的深度震相模板集进行比对，若相关系数不小于预设阈值，则将对应的深度震相模板作为观测到的深度震相，且将相关系数最大值对应的时刻作为该深度震相的初至时刻；
S5、在已知震中位置由浅到深设置多个假设起震点，通过初至正演计算出每个假设起震点的理论直达波震相到时与深度震相到时，并计算两者的走时差；
S6、从浅到深依次将各个假设起震点的理论走时差跟观测到的深度震相与直达波震相之间的走时差进行比对，基于设定的误差标准确定出对应起震点成功匹配的深度震相个数与走时差总和，将成功匹配个数大于预设匹配个数且走时差总和最小的对应假设起震点作为确定出的起震点。
进一步地，所述步骤S2的预处理具体为将每个远震台站的三个分量波形数据进行去均值、去趋势、消除仪器响应和滤波。
进一步地，所述步骤S3具体包括以下分步骤：
S31、根据震中和远震台站的位置关系，将每个台站的三分量波形数据旋转变换到垂直、径向和水平三个方向；
S32、通过改良的峰态函数震相自动拾取技术截取每个地震台站每个分量的直达波震相波形数据；
S33、将每个分量的直达波震相波形数据通过傅里叶正变换变换到频率域，然后从-180°到170°，以10°的间隔，将相位谱做旋转处理，并将所得的36个旋转结果经傅里叶逆变换变换回时间域，构成该分量的一组深度震相模板，对全部地震台站的各个分量进行相同处理，构成一个深度震相模板集。
进一步地，所述步骤S4具体包括以下分步骤：
S41、将每个远震台站对应的深度震相模板集与直达波后续波形进行比对；
S42、确定出每个地震台站对应的深度震相模板与直达波后续波形的相关系数，若相关系数不小于预设阈值，则将对应的深度震相模板作为观测到的深度震相，且将相关系数最大值对应的时刻作为该深度震相的初至时刻，若相关系数小于预设阈值，则继续向后选取扫描波形段并确定出对应相关系数。
进一步地，所述步骤S6具体包括以下分步骤：
S61、将各个假设起震点到达各个远震台站上的理论深度震相与观测到的深度震相进行比对，得到各假设起震点成功匹配的深度震相个数及走时差绝对值总和；
S62、在对所有假设起震点完成上述统计的基础上，将成功匹配个数大于预设匹配个数且走时差总和最小的对应假设起震点作为确定出的起震点。
与现有技术相比，本发明具备以下有益效果：
(1)本发明通过获取远震发生后可用台站的三个分量波形数据，并对这些台站波形数据进行预处理；然后通过傅里叶变换对直达波进行相位改造，构建深度震相模板；接着在直达波后面的波形搜寻与模板相似的波形段，将相关系数最大值所对应的时刻作为深度震相的初至时刻，计算深度震相与直达波的走时差；在已知震中位置由浅到深给定一系列假设起震点，通过初至正演计算每一假设起震点深度所有的理论深度震相到时，并计算这些深度震相与直达波的走时差；然后将理论走时差与观测走时差进行比对；最后根据地震台站走时差总和最小值对应的假设起震点作为最佳解。上述过程能够在起震点深度定位过程中大幅度节省人力物力，且可避免人为误差，为板块活动研究和地震灾害评价提供重要参考。
(2)本发明能够通过自动识别远震台站数据上的深度震相，并通过识别得到的深度震相自动确定出高精度的起震点深度，本发明在识别深度震相和确定起震点深度的过程中无需人工干预，能够完全自动识别深度震相和起震点深度定位。
附图说明
图1所示为本发明实施例提供的基于深度震相自动匹配的远震起震点深度精定位技术的流程示意图；
图2所示为本申请实施例中多个假设起震点深度示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请提出了一种基于深度震相自动匹配的远震起震点深度精定位技术，如图1所示为该技术的流程示意图，包括以下步骤：
步骤S1、根据GCMT目录的远震事件获取可用的远震台站三分量波形数据。
步骤S2、对每个远震台站的三分量波形数据进行预处理。
步骤S3、对预处理后的三分量波形数据通过自动拾取技术确定直达波到时，并截取直达波震相，然后通过傅里叶变换与相位旋转对所述直达波震相处理形成一个深度震相模板集。
在本申请实施例中，所述步骤S3具体包括：
S31、根据震中和远震台站的位置关系，将每个台站的三分量波形数据旋转变换到垂直、径向和水平三个方向；
S32、通过改良的峰态函数震相自动拾取技术截取每个地震台站每个分量的直达波震相波形数据；
S33、将每个分量的直达波震相波形数据通过傅里叶正变换变换到频率域，然后从-180°到170°，以10°的间隔，将相位谱做旋转处理，并将所得的36个旋转结果经傅里叶逆变换变换回时间域，构成该分量的一组深度震相模板，对全部地震台站的各个分量进行相同处理，构成一个深度震相模板集。
在本申请实施例中，所述步骤S2的预处理具体为将每个远震台站的三个分量波形数据进行去均值、去趋势、消除仪器响应和滤波。
步骤S4、将每个远震台站每个分量直达波之后的波形与对应的深度震相模板集进行比对，若相关系数不小于预设阈值，则将对应的深度震相模板作为观测到的深度震相，且将相关系数最大值对应的时刻作为该深度震相的初至时刻。
在本申请实施例中，所述步骤S4具体包括：
S41、将每个远震台站对应的深度震相模板集与直达波后续波形进行比对；
S42、确定出每个地震台站对应的深度震相模板与直达波后续波形的相关系数，若相关系数不小于预设阈值，则将对应的深度震相模板作为观测到的深度震相，且将相关系数最大值对应的时刻作为该深度震相的初至时刻，若相关系数小于预设阈值，则继续向后选取扫描波形段并确定出对应相关系数。
步骤S5、在已知震中位置由浅到深设置多个假设起震点(如图2所示)，通过初至正演计算出每个假设起震点的理论直达波震相到时与深度震相到时，并计算两者的走时差。
在本申请实施例中，所述步骤S5是由浅到深设置多个假设起震点计算对应理论深度震相集及通过初至正演计算具体走时。
步骤S6、从浅到深依次将各个假设起震点的理论走时差跟观测到的深度震相与直达波震相之间的走时差进行比对，基于设定的误差标准确定出对应起震点成功匹配的深度震相个数与走时差总和，将成功匹配个数大于预设匹配个数且走时差总和最小的对应假设起震点作为确定出的起震点。
在本申请实施例中，所述步骤S6具体包括以下分步骤：
S61、将各个假设起震点到达各个远震台站上的理论深度震相与观测到的深度震相进行比对，得到各假设起震点成功匹配的深度震相个数及走时差绝对值总和；
S62、在对所有假设起震点完成上述统计的基础上，将成功匹配个数大于预设匹配个数且走时差总和最小的对应假设起震点作为确定出的起震点。
在具体应用场景中，从观测波形匹配出所有可能的深度震相及其初至时刻之后，在已知震中位置基础上由浅到深设置多个假设起震点，如图2所示为本申请实施例中多个假设起震点的示意图。然后通过初至正演计算出每个扫描深度所有的理论深度震相到时，并计算这些深度震相与直达波的理论走时差；然后将这些理论走时差与观测到的深度震相走时差进行比对，得到每个扫描深度上所有台站的深度震相匹配成功的总数与相应的走时差绝对值总和。然后选择深度震相匹配成功总数≥90％，而且走时差绝对值总和最小的对应假设起震点作为确定出的起震点。
以发生在智利的一个远震事件为例，本发明通过GCMT目录信息自动搜索和下载该事件的地震数据，然后利用直达波自动扫描得到远震深度震相，再通过这些深度震相的走时信息自动完成震源破裂起始点深度扫描，最后获得的起震点深度解非常接近于ISC-EHB的定位结果，验证了本专利技术的可行性和实用性。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (6)
1.基于深度震相自动匹配的远震起震点深度精定位技术，包括以下步骤：
S1、根据GCMT目录的远震事件获取可用的远震台站三分量波形数据；
S2、对每个远震台站的三分量波形数据进行预处理；
S3、对预处理后的三分量波形数据通过自动拾取技术确定直达波到时，并截取直达波震相，然后通过傅里叶变换与相位旋转对所述直达波震相处理形成一个深度震相模板集；
S4、将每个远震台站每个分量直达波之后的波形与对应的深度震相模板集进行比对，若相关系数不小于预设阈值，则将对应的深度震相模板作为观测到的深度震相，且将相关系数最大值对应的时刻作为该深度震相的初至时刻；
S5、在已知震中位置由浅到深设置多个假设起震点，通过初至正演计算出每个假设起震点的理论直达波震相到时与深度震相到时，并计算两者的走时差；
S6、从浅到深依次将各个假设起震点的理论走时差跟观测到的深度震相与直达波震相之间的走时差进行比对，基于设定的误差标准确定出对应起震点成功匹配的深度震相个数与走时差总和，将成功匹配个数大于预设匹配个数且走时差总和最小的对应假设起震点作为确定出的起震点。
2.如权利要求1所述的基于深度震相自动匹配的远震起震点深度精定位技术，其特征在于，所述步骤S2的预处理具体为将每个远震台站的三个分量波形数据进行去均值、去趋势、消除仪器响应和滤波。
3.如权利要求1所述的基于深度震相自动匹配的远震起震点深度精定位技术，其特征在于，所述步骤S3具体包括以下分步骤：
S31、根据震中和远震台站的位置关系，将每个台站的三分量波形数据旋转变换到垂直、径向和水平三个方向；
S32、通过改良的峰态函数震相自动拾取技术截取每个地震台站每个分量的直达波震相波形数据；
S33、将每个分量的直达波震相波形数据通过傅里叶正变换变换到频率域，然后从-180°到170°，以10°的间隔，将相位谱做旋转处理，并将所得的36个旋转结果经傅里叶逆变换变换回时间域，构成该分量的一组深度震相模板，对全部地震台站的各个分量进行相同处理，构成一个深度震相模板集。
4.如权利要求1所述的基于深度真想自动匹配的远震起震点深度精定位技术，其特征在于，所述步骤S4具体包括以下分步骤：
S41、将每个远震台站对应的深度震相模板集与直达波后续波形进行比对；
S42、确定出每个地震台站对应的深度震相模板与直达波后续波形的相关系数，若相关系数不小于预设阈值，则将对应的深度震相模板作为观测到的深度震相，且将相关系数最大值对应的时刻作为该深度震相的初至时刻，若相关系数小于预设阈值，则继续向后选取扫描波形段并确定出对应相关系数。
5.如权利要求1所述的基于深度震相自动匹配的远震起震点深度精定位技术，其特征在于，所述步骤S5由浅到深设置多个假设起震点计算对应理论深度震相集及通过初至正演计算具体走时。
6.如权利要求1所述的基于深度震相自动匹配的远震起震点深度精定位技术，所述步骤S6具体包括以下分步骤：
S61、将各个假设起震点到达各个远震台站上的理论深度震相与观测到的深度震相进行比对，得到各假设起震点成功匹配的深度震相个数及走时差绝对值总和；
S62、在对所有假设起震点完成上述统计的基础上，将成功匹配个数大于预设匹配个数且走时差总和最小的对应假设起震点作为确定出的起震点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110996896.3A CN113552619A (zh) | 2021-08-27 | 2021-08-27 | 基于深度震相自动匹配的远震起震点深度精定位技术 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110996896.3A CN113552619A (zh) | 2021-08-27 | 2021-08-27 | 基于深度震相自动匹配的远震起震点深度精定位技术 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113552619A true CN113552619A (zh) | 2021-10-26 |
Family
ID=78106129
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110996896.3A Pending CN113552619A (zh) | 2021-08-27 | 2021-08-27 | 基于深度震相自动匹配的远震起震点深度精定位技术 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113552619A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114994754A (zh) * | 2022-05-18 | 2022-09-02 | 成都理工大学 | 基于直达波和深度震相初动极性的震源机制联合反演方法 |
| CN115184992A (zh) * | 2022-08-18 | 2022-10-14 | 成都理工大学 | 基于自动拾取震相的远震震源快速定位方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105759311A (zh) * | 2016-01-25 | 2016-07-13 | 西南交通大学 | 一种近实时地震震源位置定位方法 |
| CN107918152A (zh) * | 2017-11-20 | 2018-04-17 | 成都理工大学 | 一种地震相干层析成像方法 |
| CN108957552A (zh) * | 2018-07-17 | 2018-12-07 | 吉林大学 | 基于ss-pca的地震数据海浪噪声压制方法 |
-
2021
- 2021-08-27 CN CN202110996896.3A patent/CN113552619A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105759311A (zh) * | 2016-01-25 | 2016-07-13 | 西南交通大学 | 一种近实时地震震源位置定位方法 |
| CN107918152A (zh) * | 2017-11-20 | 2018-04-17 | 成都理工大学 | 一种地震相干层析成像方法 |
| CN108957552A (zh) * | 2018-07-17 | 2018-12-07 | 吉林大学 | 基于ss-pca的地震数据海浪噪声压制方法 |
Non-Patent Citations (2)
| Title |
|---|
| JIANLONG YUAN: "Depth-Scanning Algorithm: Accurate, Automatic, and Efficient Determination of Focal Depths for Local and Regional Earthquakes", 《JOURNAL OF GEOPHYSICAL RESEARCH: SOLID EARTH》, pages 2 * |
| 张莹莹;安艳茹;: "利用近震和远震波形快速测定地震震源深度――以2013年4月20日四川芦山M_S7.0级地震为例", 华南地震, no. 03 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114994754A (zh) * | 2022-05-18 | 2022-09-02 | 成都理工大学 | 基于直达波和深度震相初动极性的震源机制联合反演方法 |
| CN115184992A (zh) * | 2022-08-18 | 2022-10-14 | 成都理工大学 | 基于自动拾取震相的远震震源快速定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Drew et al. | Coalescence microseismic mapping | |
| Caffagni et al. | Detection and analysis of microseismic events using a Matched Filtering Algorithm (MFA) | |
| Schaff et al. | Waveform cross-correlation-based differential travel-time measurements at the Northern California Seismic Network | |
| Grigoli et al. | Pick-and waveform-based techniques for real-time detection of induced seismicity | |
| Paolucci et al. | BB‐SPEEDset: A validated dataset of broadband near‐source earthquake ground motions from 3D physics‐based numerical simulations | |
| CN113552619A (zh) | 基于深度震相自动匹配的远震起震点深度精定位技术 | |
| Scherwath et al. | Lithospheric structure across oblique continental collision in New Zealand from wide‐angle P wave modeling | |
| AU2013402493B2 (en) | Automated horizon auto-picking on multiple volumes | |
| RU2010103987A (ru) | Способы и системы для обработки микросейсмических данных | |
| Visser et al. | A comprehensive earthquake catalogue for northeastern British Columbia and western Alberta, 2014-2016 | |
| Negi et al. | Crustal velocity structure and earthquake processes of Garhwal-Kumaun Himalaya: Constraints from regional waveform inversion and array beam modeling | |
| CN106680869B (zh) | 微地震事件的检测和定位方法与装置 | |
| CN109100782B (zh) | 指定炮集记录获取方法、电子设备及计算机存储介质 | |
| Warren‐Smith et al. | High‐precision analysis of an aftershock sequence using matched‐filter detection: The 4 May 2015 ML 6 Wanaka earthquake, Southern Alps, New Zealand | |
| CN103492910A (zh) | 时域中的同步小波提取和反卷积 | |
| Stich et al. | The relative locations of multiplets in the vicinity of the Western Almería (southern Spain) earthquake series of 1993–1994 | |
| CN103105624A (zh) | 基于数据库技术的纵横波时差定位方法 | |
| D’Amico et al. | Fling effects from near‐source strong‐motion records: Insights from the 2016 Mw 6.5 Norcia, central Italy, earthquake | |
| Brüstle et al. | Focal mechanism and depth of the 1956 Amorgos twin earthquakes from waveform matching of analogue seismograms | |
| Boyce et al. | From relative to absolute teleseismic travel times: The Absolute Arrival‐time Recovery Method (AARM) | |
| CN109188515B (zh) | 微地震监测裂缝震源点位置计算方法及系统 | |
| Howe et al. | Improving relative earthquake locations using surface-wave source corrections | |
| Morton et al. | Preliminary event detection of earthquakes using the Cascadia Initiative data | |
| Dahal et al. | Method for determination of depths and moment magnitudes of small‐magnitude local and regional earthquakes recorded by a sparse seismic network | |
| CN109188516A (zh) | Radon域能量扫描叠加的微地震事件定位方法 |
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 |