CN114839669A - 基于高频gnss的地震预警方法、装置、电子设备及存储介质 - Google Patents
基于高频gnss的地震预警方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114839669A CN114839669A CN202210413877.8A CN202210413877A CN114839669A CN 114839669 A CN114839669 A CN 114839669A CN 202210413877 A CN202210413877 A CN 202210413877A CN 114839669 A CN114839669 A CN 114839669A
- Authority
- CN
- China
- Prior art keywords
- earthquake
- fault
- frequency gnss
- seismic
- early warning
- 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 79
- 238000006073 displacement reaction Methods 0.000 claims abstract description 192
- 239000011159 matrix material Substances 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 6
- 230000000903 blocking effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 14
- 230000008569 process Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 239000013505 freshwater Substances 0.000 description 4
- 239000002023 wood Substances 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241001061260 Emmelichthys struhsakeri Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect 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
- G01V1/01—Measuring or predicting earthquakes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Acoustics & Sound (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本公开涉及一种基于高频GNSS的地震预警方法、装置、电子设备及存储介质,其中,所述方法包括:获取地震预警网络中的多个GNSS站点采集的观测数据;根据所述观测数据和预先建立的高频GNSS位移波形数据库,确定所述观测数据与所述高频GNSS位移波形数据库中的每组高频GNSS位移波形之间的相似度;根据所述相似度,从所述高频GNSS位移波形数据库中确定出相似度最高的一组高频GNSS位移波形,作为目标高频GNSS位移波形;基于所述目标高频GNSS位移波形对应的目标地震破裂模型,确定地震的预警信息。通过本公开的方案,能够利用地震破裂模型中包含的丰富的地震信息进行地震预警,预警地震震中、震级、破裂方向等信息,提高了地震预警效果。
Description
技术领域
本公开涉及地震预警技术领域,尤其涉及一种基于高频GNSS的地震预警方法、装置、电子设备及存储介质。
背景技术
在地震预测难以短期实现的情况下,地震预警就成为减轻地震灾害的一种关键技术。
目前,地震预警已经在多个国家建立并投入使用,但是目前采用的地震预警系统多是基于传统地震仪和强震仪实现的,例如,我国正准备投入使用的全国地震预警系统。
然而,传统的基于地震仪和强震仪的地震预警系统存在两个问题亟待解决:一是地震仪和强震仪信号记录限幅导致的震级饱和问题,即遇到大地震时震级估计偏低;二是对地震进行点源近似导致的无法判断大地震的破裂方向,从而削弱了预警的实际效果。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开的至少一个实施例提供了一种基于高频GNSS的地震预警方法、装置、电子设备及存储介质。
第一方面,本公开提供了一种基于高频GNSS的地震预警方法,包括:
获取地震预警网络中的多个GNSS站点采集的观测数据;
根据所述观测数据和预先建立的高频GNSS位移波形数据库,确定所述观测数据与所述高频GNSS位移波形数据库中的每组高频GNSS位移波形之间的相似度,其中,一组高频GNSS位移波形对应一个地震破裂模型;
根据所述相似度,从所述高频GNSS位移波形数据库中确定出相似度最高的一组高频GNSS位移波形,作为目标高频GNSS位移波形;
基于所述目标高频GNSS位移波形对应的目标地震破裂模型,确定地震的预警信息。
第二方面,本公开提供了一种基于高频GNSS的地震预警装置,包括:
获取模块,用于获取地震预警网络中的多个GNSS站点采集的观测数据;
第一确定模块,用于根据所述观测数据和预先建立的高频GNSS位移波形数据库,确定所述观测数据与所述高频GNSS位移波形数据库中的每组高频GNSS位移波形之间的相似度,其中,一组高频GNSS位移波形对应一个地震破裂模型;
第二确定模块,用于根据所述相似度,从所述高频GNSS位移波形数据库中确定出相似度最高的一组高频GNSS位移波形,作为目标高频GNSS位移波形;
第三确定模块,用于基于所述目标高频GNSS位移波形对应的目标地震破裂模型,确定地震的预警信息。
第三方面,本公开提供了一种电子设备,包括:处理器和存储器;所述处理器通过调用所述存储器存储的程序或指令,用于执行本公开实施例提供的任一所述的基于高频GNSS的地震预警方法。
第四方面,本公开提供了一种计算机可读存储介质,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行本公开实施例提供的任一所述的基于高频GNSS的地震预警方法。
第五方面,本公开提供了一种计算机程序产品,所述计算机程序产品用于执行本公开实施例提供的任一所述的基于高频GNSS的地震预警方法。
本公开实施例提供的技术方案与现有技术相比至少具有如下优点:
在本公开实施例中,通过获取地震预警网络中的多个GNSS站点采集的观测数据,根据观测数据和预先建立的高频GNSS位移波形数据库,确定观测数据与高频GNSS位移波形数据库中的每组高频GNSS位移波形之间的相似度,再根据相似度,从高频GNSS位移波形数据库中确定出相似度最高的一组高频GNSS位移波形作为目标高频GNSS位移波形,进而基于目标高频GNSS位移波形对应的目标地震破裂模型,确定地震的预警信息。采用上述技术方案,利用GNSS站点采集的观测数据与预先建立的高频GNSS位移波形数据库中的各个波形进行匹配,选取相似度最高的波形数据作为最优匹配结果,从而确定出最优地震破裂模型用于确定地震的预警信息,实现地震预警,由此,能够利用地震破裂模型中包含的丰富的地震信息进行地震预警,预警地震震中、震级、破裂方向等信息,提高了地震预警效果,并且,高频GNSS位移波形数据库是预先建立的,当地震发生时,只需将采集的观测数据与高频GNSS位移波形数据库中的波形数据进行匹配即可预测出地震的相关地震信息,极大地提高了预警效率,能够给出更长的预警时间。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开一实施例提供的基于高频GNSS的地震预警方法的流程示意图;
图2为采用本公开实施例的方法以鲜水河-安宁河-则木河走滑断裂为例建立的断层三维几何模型的示意图;
图3为以川滇地震试验区为测试区域设置的高频GNSS站点的示例图;
图4为本公开实施例生成的一个虚拟地震的滑动分布模型的示意图;
图5为本公开实施例生成的虚拟地震所对应的部分站点上的高频GNSS位移波形的示意图;
图6为本公开实施例提供的基于高频GNSS的地震预警方法的过程示意图;
图7为采用本公开实施例的基于高频GNSS的地震预警方法进行部分测试的收敛效果示意图;
图8(a)为采用本公开的方案匹配确定的目标地震破裂模型的示意图;
图8(b)为真实的地震破裂情形的示意图;
图9为对本公开实施例的基于高频GNSS的地震预警方法进行100次测试的统计效果示意图;
图10为本公开一实施例提供的基于高频GNSS的地震预警装置的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,所描述的实施例是本公开的一部分实施例,而不是全部的实施例,此处所描述的具体实施例仅仅用于解释本公开,而非对本公开的限定,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。基于所描述的本公开的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本公开保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
在地震预测难以短期实现的情况下,地震预警就成为减轻地震灾害的一种关键技术。地震预警的基本思想是利用了电磁波传播速度远高于地震波传播速度的这一物理常识。地震预警的核心技术是在地震发生的过程中,基于地震仪、强震仪和高频的全球导航卫星系统(Global Navigation Satellite System,GNSS)等实时采集的地震观测数据,实现地震参数的实时获取,包括地震的震级、震中位置和破裂方向等。
目前,地震预警已经在多个国家建立并投入使用,但是除了G-LARM地震预警系统纳入了高频GNSS设备之外,有报道的其他预警系统均是基于传统地震仪和强震仪的,例如,我国正准备投入使用的全国地震预警系统。
传统的基于地震仪和强震仪的地震预警系统的工作原理是,当地震发生时,地震仪/强震仪检测到P波到时,开始触发预警系统,当超过4台地震仪/强震仪检测到P波时,便可以根据三角定位方法实时计算地震的震中位置,并根据峰值位移或者峰值加速度计算地震震级。在确定地震震中位置之后,根据P波的传播速度,以震中为圆心,向外播发不同地点的P波到达时间,达到预警的目的。
G-LARM地震预警系统包含了地震仪、强震仪和高频GNSS三种设备,可以同时进行两种方式的地震参数获取。第一种方式与传统地震预警系统类似,即,将地震破裂近似为点源,实时估计地震震中和地震震级;第二种方式是将地震破裂近似为一条直线,利用高频GNSS实时估计地震破裂的长度和方向,同时估计地震的震级。
然而,现有的地震预警系统还存在一些不足。对于传统的基于地震仪和强震仪的地震预警系统,存在两个问题亟待解决:一是地震仪和强震仪信号记录限幅导致的震级饱和问题,即遇到大地震时震级估计偏低;二是对地震进行点源近似导致的无法判断大地震的破裂方向,从而削弱了预警的实际效果。融合了高频GNSS的G-LARM地震预警系统在使用一维线段近似地震破裂进行大地震预警时也存在问题:该方法使用的是非线性反演算法,需要消耗大量的计算资源,难以在短时间内完成计算,得到预警效果。为了提高预警效率,G-LARM对断层模型进行过度简化损失了大量有效信息。
因此,在保证效率的前提下,尽可能多的提取地震参数信息是基于高频GNSS的地震预警系统的难点。
针对上述问题,本公开提供了一种基于高频GNSS的地震预警方法,通过获取地震预警网络中的多个GNSS站点采集的观测数据,根据观测数据和预先建立的高频GNSS位移波形数据库,确定观测数据与高频GNSS位移波形数据库中的每组高频GNSS位移波形之间的相似度,再根据相似度,从高频GNSS位移波形数据库中确定出相似度最高的一组高频GNSS位移波形作为目标高频GNSS位移波形,进而基于目标高频GNSS位移波形对应的目标地震破裂模型,确定地震的预警信息。采用上述技术方案,利用GNSS站点采集的观测数据与预先建立的高频GNSS位移波形数据库中的各个波形进行匹配,选取相似度最高的波形数据作为最优匹配结果,从而确定出最优地震破裂模型用于确定地震的预警信息,实现地震预警,由此,能够利用地震破裂模型中包含的丰富的地震信息进行地震预警,预警地震震中、震级、破裂方向等信息,提高了地震预警效果,并且,高频GNSS位移波形数据库是预先建立的,当地震发生时,只需将采集的观测数据与高频GNSS位移波形数据库中的波形数据进行匹配即可预测出地震的相关地震信息,极大地提高了预警效率,能够给出更长的预警时间。
图1为本公开一实施例提供的基于高频GNSS的地震预警方法的流程示意图,该基于高频GNSS的地震预警方法可以由本公开实施例提供的基于高频GNSS的地震预警装置执行,该基于高频GNSS的地震预警装置可以采用软件和/或硬件实现,并可集成在任意具有处理能力的电子设备上,例如电脑、服务器等设备。
如图1所示,本公开实施例提供的基于高频GNSS的地震预警方法,可以包括以下步骤:
步骤101,获取地震预警网络中的多个GNSS站点采集的观测数据。
本公开实施例中,地震预警网络中包含多个GNSS站点,用于采集观测数据,每个GNSS站点采集的观测数据是该GNSS站点的位移数据。
示例性地,GNSS站点可以对数据进行实时采集,GNSS站点的采样率可以预先设置,比如设置为1Hz,即1秒钟采集一次观测数据。
步骤102,根据所述观测数据和预先建立的高频GNSS位移波形数据库,确定所述观测数据与所述高频GNSS位移波形数据库中的每组高频GNSS位移波形之间的相似度,其中,一组高频GNSS位移波形对应一个地震破裂模型。
其中,高频GNSS位移波形数据库是通过正向模拟高频GNSS观测站点上的波形数据预先建立的,高频GNSS位移波形数据库中包括多组高频GNSS位移波形,一组高频GNSS位移波形对应一个地震破裂模型,即地震破裂过程,每组高频GNSS位移波形由对应的地震破裂过程模拟产生的GNSS站点位移波形组成。
本公开实施例中,获取了多个GNSS站点采集的观测数据之后,可以将获取的观测数据分别与高频GNSS位移波形数据库中的每组高频GNSS位移波形进行匹配,计算观测数据分别与每组高频GNSS位移波形之间的相似度。
示例性地,可以根据获取的观测数据和每组高频GNSS位移波形,判断观测数据中落在每组高频GNSS位移波形上的数据量,落在高频GNSS位移波形上的数据量越多,表明观测数据与该组高频GNSS位移波形的相似度越高。
步骤103,根据所述相似度,从所述高频GNSS位移波形数据库中确定出相似度最高的一组高频GNSS位移波形,作为目标高频GNSS位移波形。
本公开实施例中,确定了观测数据与每组高频GNSS位移波形之间的相似度之后,可以根据各个相似度,从高频GNSS位移波形数据库中确定出与观测数据之间的相似度最高的一组高频GNSS位移波形,作为目标高频GNSS位移波形。
步骤104,基于所述目标高频GNSS位移波形对应的目标地震破裂模型,确定地震的预警信息。
其中,一组高频GNSS位移波形对应一个地震破裂模型,地震破裂模型也是预先建立的,地震破裂模型中包含丰富的地震参数,不仅包含了地震震中和地震震级,还可以从中提取地震的破裂方向、最大破裂位置等关键信息。这些信息将能够在地震结束甚至是未结束时刻,帮助预测详细的地表加速度分布,从而预测地表烈度和建筑物破坏情况,为地震救援提供完备信息。
本公开实施例中,确定了与观测数据最匹配的目标高频GNSS位移波形之后,即可确定出最佳的地震破裂模型,该模型将非常接近地震的真实破裂过程,称为目标地震破裂模型,进而从目标地震破裂模型中提取出地震参数,比如地震震中、地震震级、破裂方向等地震参数,并将提取的地震参数作为地震的预警信息,用于地震预警,实现了基于高频GNSS的断层破裂模型实时反演。
本公开实施例的基于高频GNSS的地震预警方法,通过获取地震预警网络中的多个GNSS站点采集的观测数据,根据观测数据和预先建立的高频GNSS位移波形数据库,确定观测数据与高频GNSS位移波形数据库中的每组高频GNSS位移波形之间的相似度,再根据相似度,从高频GNSS位移波形数据库中确定出相似度最高的一组高频GNSS位移波形作为目标高频GNSS位移波形,进而基于目标高频GNSS位移波形对应的目标地震破裂模型,确定地震的预警信息。采用上述技术方案,利用GNSS站点采集的观测数据与预先建立的高频GNSS位移波形数据库中的各个波形进行匹配,选取相似度最高的波形数据作为最优匹配结果,从而确定出最优地震破裂模型用于确定地震的预警信息,实现地震预警,由此,能够利用地震破裂模型中包含的丰富的地震信息进行地震预警,预警地震震中、震级、破裂方向等信息,提高了地震预警效果,并且,高频GNSS位移波形数据库是预先建立的,当地震发生时,只需将采集的观测数据与高频GNSS位移波形数据库中的波形数据进行匹配即可预测出地震的相关地震信息,极大地提高了预警效率,能够给出更长的预警时间。
本公开实施例中,高频GNSS位移波形数据库以及各高频GNSS位移波形对应的地震破裂模型是预先建立的,因此,在本公开的一种可选实施方式中,所述方法还包括:
获取地震断层的断层数据,所述断层数据包括断层水平位置数据、断层倾角的空间变化数据和断层的闭锁程度数据;
对所述断层数据进行空间线性拟合,生成重新差值后的断层空间位置;
对所述重新差值后的断层空间位置进行三角剖分,建立断层三维几何模型,其中,所述断层三维几何模型包含断层的空间几何特征及地震破裂区域;
基于所述断层三维几何模型,建立地震破裂模型数据库及对应的高频GNSS位移波形数据库。
断层的三维几何结构是合成目标断层地震破裂模型的基本输入参数。断层几何模型的建立需要搜集断层的水平位置数据、断层倾角的空间变化数据和断层的闭锁程度数据。本公开实施例中,获取地震断层的断层水平位置数据、断层倾角的空间变化数据和断层的闭锁程度数据,这些数据是离散的,之后对获取的上述断层数据进行空间线性拟合,生成重新差值后的断层空间位置,进而利用三角剖分算法,对重新差值后的断层空间位置进行三角剖分,建立相对光滑的断层三维几何模型,其中,建立的断层三维几何模型包含断层的空间几何特征及地震破裂区域。
能够理解的是,根据震间GNSS数据约束得到的断层面闭锁状态和滑动亏损分布,可以在断层面上预先定义能够发生地震破裂的区域,即闭锁程度高滑动亏损大的区域更容易发生地震破裂,反之则不发生地震破裂。因此,利用断层数据建立的断层三维几何模型,不仅包含断层的空间几何特征,还定义了能够发生地震破裂的区域。
以川滇地震试验场中的鲜水河(Xianshuihe)-安宁河(Anninghe)-则木河(Zemuhe)走滑断裂为例,利用该断层的断层数据,建立了该断层的断层三维几何模型如图2所示。
之后,基于建立的断层三维几何模型,可以建立地震破裂模型数据库及对应的高频GNSS位移波形数据库。
其中,地震破裂模型数据库中包含多个地震破裂模型,每个地震破裂模型对应一个高频GNSS位移波形,多个高频GNSS位移波形组成了高频GNSS位移波形数据库。
本公开实施例中,地震破裂模型包含三类信息:三维断层几何信息、地震破裂范围内的滑动分布信息和时间函数。其中,滑动分布是断层在地震发生前后断层面上的相对运动量,在断层三维几何模型上是静态物理量;时间函数是滑动分布的时间信息,描述了地震发生过程当中断层面上的滑动如何随时间变化。在建立了断层三维几何模型之后,可以通过指定不同的震级,随机生成断层三维几何模型上的滑动分布和时间函数。
在本公开的一种可选实施方式中,在基于断层三维几何模型,建立地震破裂模型数据库及对应的高频GNSS位移波形数据库时,可以先基于预设的地震震级与破裂面长宽之间的函数关系,确定不同的地震震级对应的破裂面长度和宽度;之后根据所述断层三维几何模型以及所述不同的地震震级对应的破裂面长度和宽度,确定不同的震中位置分别对应的地震破裂面在所述断层三维几何模型上的位置和范围;基于预设的地震震级与断层面滑动量之间的函数关系,确定不同的地震震级对应的断层面上的最大滑动量;根据所述最大滑动量和破裂区域滑动量的分布特征,生成所述地震破裂面的滑动分布;基于所述地震破裂面的滑动分布以及在所述地震破裂面范围内随机选择的起始破裂点,确定地震破裂时间函数;根据所述地震破裂面在所述断层三维几何模型上的位置和范围、所述地震破裂面的滑动分布和所述地震破裂时间函数,建立所述地震破裂模型数据库;之后,基于所述地震破裂模型数据库和弹性位错理论,建立与所述地震破裂模型数据库对应的高频GNSS位移波形数据库。
其中,地震震级与破裂面长宽之间的函数关系,以及地震震级与断层面滑动量之间的函数关系,均是预先建立的,可以根据前人总结的大量的数据进行回归分析得到。
断层面上地震破裂的长度与宽度依赖于地震震级的大小,且破裂面的长宽与地震震级之间存在函数关系。本公开实施例中,可以根据前人总结的大量数据,回归分析得到地震震级与破裂面长宽之间的函数关系,如果指定地震的震级,就可以获得对应的断层三维几何模型当中的破裂面长度和宽度,因此可以基于预设的地震震级与破裂面长宽之间的函数关系,确定不同的地震震级对应的破裂面长度和宽度,进而根据断层三维几何模型以及不同的地震震级对应的破裂面长度和宽度,通过在断层三维几何模型的断层面上指定地震的震中位置,便可以确定不同的震中位置分别对应的地震破裂面在断层三维几何模型上的位置和范围。
在确定了地震破裂的位置与范围之后,如何确定破裂面上的滑动量是另一个关键点。断层面上的滑动量与地震震级之间存在一定的函数关系,该函数关系前人已经进行了很好地回归分析,本公开实施例中,可以基于预设的地震震级与断层面滑动量之间的函数关系,确定不同的地震震级对应的断层面上的最大滑动量,进而根据最大滑动量和破裂区域滑动量的分布特征,生成地震破裂面的滑动分布。例如,假设破裂区域的滑动量具有正态分布特征,则在得到最大破裂滑动量之后,根据确定的最大滑动量和正态分布特征,可以在破裂区域内随机生成滑动分布。
在本公开的一种可选实施方式中,为了防止相邻三角形之间滑动量出现阶跃,在生成地震破裂面的滑动分布之后,可以对地震破裂面的滑动分布施加高斯平滑操作,由此,能够确保相邻破裂面之间的滑动量平滑过渡,进而确保断层面上应力分布的连续性,使得生成的滑动分布在物理上更合理。
接着,在生成地震破裂面的滑动分布之后,可以基于地震破裂面的滑动分布以及在地震破裂面范围内随机选择的起始破裂点,确定地震破裂时间函数。本公开实施例中,在起始破裂点,时间函数为0,假设地震破裂速度不变,就可以计算地震破裂过程中每个位置发生破裂的时间,得到地震破裂时间函数。
最后,根据地震破裂面在断层三维几何模型上的位置和范围、地震破裂面的滑动分布和地震破裂时间函数,建立地震破裂模型数据库。
本公开实施例中,通过指定地震震级,能够获得断层三维几何模型上的破裂位置、滑动的分布范围、滑动量大小和对应的时间函数,这些参数共同组成了断层三维几何模型上的一次地震事件的破裂过程,得到一个地震破裂模型,多次地震事件的破裂过程即构成了地震破裂模型数据库。
进一步地,得到地震破裂模型数据库之后,基于地震破裂模型数据库和弹性位错理论,可以建立与地震破裂模型数据库对应的高频GNSS位移波形数据库。
能够理解的是,地震破裂模型数据库中包含多个地震破裂模型,每个地震破裂模型代表一次地震事件的破裂过程,在得到地震事件的破裂过程之后,依据弹性位错理论,可以模拟弹性地壳地表的位移时间序列,即GNSS站点的位移波形数据,从而建立高频GNSS位移波形数据库。
图3为以川滇地震试验区为测试区域设置的高频GNSS站点的示例图,图3中,黑色粗线条为鲜水河(Xianshuihe)-安宁河(Anninghe)-则木河(Zemuhe)断裂,黑色方块为试验区使用的高频GNSS站点,灰色方块为该区域的GNSS流动站点位置。以鲜水河-安宁河-则木河断层三维几何模型为试验断层,生成了600次震级(Mw)7.0-7.9走滑地震,合成了其对应的地表位移波形数据库。图4为本公开实施例生成的一个虚拟地震的滑动分布模型的示意图,展示了代表性的合成地震破裂情形,图5为本公开实施例生成的虚拟地震所对应的部分站点上的高频GNSS位移波形的示意图,展示了图4所示的地震破裂情形对应的部分GNSS站点上的波形数据。图4中,自上到下依次是(a)滑动量(slip)分布,(b)时间函数(rise time)分布,以及(c)破裂起始时间(rupture onset)分布。图5中,不同颜色的线条代表不同的站点,De代表GNSS位移的东向分量,Dn代表GNSS位移的北向分量。
在本公开实施例中,通过基于断层三维几何模型,建立地震破裂模型数据库及对应的高频GNSS位移波形数据库,为后续进行地震预警提供了数据支撑。由于地震预警过程当中的地震破裂模型反演一定需要消耗大量的运算,这是其本质特征,无法改变,而本公开提供的方案并没有试图采用新的策略改变这一本质特征,而是对运算量进行了重新分配,将最大的运算量放在了预警触发之前,即,虚拟地震破裂模型的生成和相关高频GNSS位移波形数据库的建立,这一策略确保了地震预警过程当中仅仅需要较小的运算量即可实现断层破裂模型的实时筛选确定,相较于传统的反演算法,本公开的方案实现地震预警所需要的运算量较小,能够有效提高地震预警的效率,给出更长的预警时间。
在建立了地震破裂模型数据库和对应的高频GNSS位移波形数据库之后,当地震发生时,只需要将高频GNSS站点的真实观测数据与数据库中的波形进行对比,就可以从数据库中筛选出最佳的地震破裂模型,这个模型将非常接近地震的真实破裂过程,从而实现了基于高频GNSS的断层破裂模型实时反演。
在本公开的一种可选实施方式中,可以借用数字图像匹配的思想,对真实观测的GNSS数据和高频GNSS位移波形数据库中的高频GNSS位移波形进行互相关,从而建立两者之间的联系,将计算得到的互相关系数作为观测数据与高频GNSS位移波形之间的相似度。
具体地,在根据观测数据和预先建立的高频GNSS位移波形数据库,确定观测数据与高频GNSS位移波形数据库中的每组高频GNSS位移波形之间的相似度时,可以先对观测数据和高频GNSS位移波形数据库中的每组高频GNSS位移波形分别进行矩阵化表示,得到观测数据波形矩阵和每组高频GNSS位移波形的GNSS波形矩阵,再计算观测数据波形矩阵与每个GNSS波形矩阵的互相关系数,将互相关系数确定为观测数据与高频GNSS位移波形数据库中的各组高频GNSS位移波形之间的相似度。
本公开实施例中,对获取的观测数据进行矩阵化表示,得到观测数据波形矩阵,以及对高频GNSS位移波形数据库中的每组高频GNSS位移波形进行矩阵化表示,得到每组高频GNSS位移波形的GNSS波形矩阵。
示例性地,对获取的观测数据进行矩阵化表示,可以表示为如下形式:
其中,A为获取的GNSS站点的观测数据,数据矩阵包含k个GNSS站点m个历元的水平分量(南北分量dn和东西分量de)。
本公开实施例中,在对高频GNSS位移波形数据库中的每组高频GNSS位移波形进行矩阵化表示时,可以先根据观测数据包括的历元数目(一个历元为1秒),从每组高频GNSS位移波形中提取出所有GNSS站点的相同历元数目的位移数据,进而根据提取的位移数据进行矩阵化表示得到各组高频GNSS位移波形分别对应的GNSS波形矩阵。
举例而言,假设获取的观测数据为地震发生后的10秒内所有GNSS站点的位移数据,则对于GNSS位移波形数据库中的任一组高频GNSS位移波形,从该组高频GNSS位移波形中,提取每个GNSS站点的位移波形前10秒的位移数据,得到该组高频GNSS位移波形中所有GNSS站点的相同历元数目的位移数据,进而对提取的该组高频GNSS位移波形中所有GNSS站点的相同历元数目的位移数据进行矩阵化表示,得到该组高频GNSS位移波形的GNSS波形矩阵。
之后,可以计算矩阵化表示的观测数据波形矩阵和各GNSS波形矩阵之间的互相关系数,并将计算得到的互相关系数作为观测数据与相应组的高频GNSS位移波形之间的相似度。
示例性地,本公开实施例中,在计算观测数据波形矩阵与任一GNSS波形矩阵的互相关系数时,可以通过如下公式计算得到:
其中,A是真实观测数据的观测数据波形矩阵,是观测数据波形矩阵的均值,B是高频GNSS位移波形数据库中的任一组高频GNSS位移波形的GNSS波形矩阵,是其均值;r为皮尔逊相关系数,用于表示A与B之间的相关性,即A与B之间的相似程度,r越大,表明A与B的相似度越高;m是指参与预警的GNSS站点的数目,n是指参与地震预警的历元数目(一个历元为1秒)。
在本公开实施例中,通过将观测数据与高频GNSS位移波形数据库中的每组高频GNSS位移波形分别进行矩阵化表示,并计算观测数据波形矩阵与各个GNSS波形矩阵之间的互相关系数来作为观测数据与各组高频GNSS位移波形之间的相似度,由此,建立了观测数据与高频GNSS位移波形数据库之间的联系,通过检测GNSS预警网络的观测波形与地震破裂模型数据库当中的GNSS位移波形的相关系数大小,便可以在地震发生的过程当中实时判断地震破裂模型的特征,比如震级。
能够理解的是,本公开提供的方案,在互相关的过程中可以实时输出地震破裂模型的参数用于地震预警。在地震预警过程的早期阶段,虽然互相关结果并不稳定,但是地震震级的估计并不需要地震破裂过程的细节信息,因此在地震预警过程的早期阶段,仍能给出十分接近真实情况的地震震级,达到提前预估地震的大小的目的。随着互相关结果趋于稳定,匹配得到的地震破裂模型将与真实地震破裂模型近似,地震破裂的其他参数也逐渐更加准确,因此当互相关系数稳定时,可以从匹配到的地震破裂模型中提取地震的震源参数用于地震预警,比如震级、震中、破裂方向等,达到准确预测地震信息的目的。
图6为本公开实施例提供的基于高频GNSS的地震预警方法的过程示意图。如图6所示,基于高频GNSS的地震预警方法包括三部分,分别是:断层三维几何模型的建立、地震破裂模型数据库及对应的高频GNSS位移波形数据库的建立,以及地震预警。其中,在断层三维几何模型的建立过程中,根据活动断层的断层水平位置数据、断层倾角的空间变化数据和断层的闭锁程度数据,建立断层三维几何模型。在地震破裂模型数据库及对应的高频GNSS位移波形数据库的建立过程中,通过指定地震震级以及震级与地震破裂面的长宽经验关系,基于建立的断层三维几何模型,建立地震破裂模型数据库,进而建立高频GNSS位移波形数据库。在地震预警过程中,当真实地震破裂发生时,获取地震预警网络的GNSS站点的观测数据,并通过指纹匹配算法将观测数据与高频GNSS位移波形数据库进行匹配,从而从预先建立的地震破裂模型数据库中确定出最佳的地震破裂模型,进而基于最佳的地震破裂模型确定地震预警信息并发布。本公开的方案,借用图像匹配技术快速实现观测数据与备选模型之间的匹配,从而在客观上达到了地震破裂模型反演的效果。与传统的反演方法相比,本方案的优点是运算量小。本方案由于使用了完整的地震破裂模型,因此匹配得到的地震破裂模型能够为地震预警提供更加完备的预警信息(比如,地震震级、破裂方向、破裂分布、最大破裂位置等);另外,由于地震预警过程中所需的运算量较小,因此能够极大地提高预警效率,给出更长的预警时间,避免计算量过大而导致预警时间太短的问题。
为了验证本公开的使用效果,申请人以川滇试验场为例,开展了部分测试工作:从合成的高频GNSS位移波形数据库中任意选出一个地震破裂模型作为真实地震进行测试,当申请人将真实地震的高频GNSS数据流逐秒输入到本公开的方案中之后,可以实时监测测试过程中的震级变化和互相关系数。图7为采用本公开实施例的基于高频GNSS的地震预警方法进行部分测试的收敛效果示意图,其中,corr为地震预警过程当中皮尔逊相关系数的演化情况,Mw为地震震级确定情况,三角形标注了地震破裂结束的时刻;图8(a)为采用本公开的方案匹配确定的目标地震破裂模型的示意图,图8(b)为真实的地震破裂情形的示意图;图9为对本公开实施例的基于高频GNSS的地震预警方法进行100次测试的统计效果示意图,展示了地震破裂时间长度和本公开提供的地震预警算法实现收敛所需时间的关系。结果表明,本公开的方案产出的效果相较于现有的地震预警算法当中使用的震源参数获取方法具有多方面的改进提高:
1)与同类预警算法相比,提供的预警时间相当
基于高频GNSS的一维断层模型非线性反演需要的时间在20s-40s之间。本公开提出的算法均能够在地震结束前给出稳定的收敛结果。也就是说,获取最终地震破裂模型的时间远小于地震破裂的持续时间,本公开的方案在地震预警中是有时间优势的,即在地震结束前,甚至是起始阶段预估地震的最终破裂状态。而且,本公开的方案获取最终地震破裂模型的时间与地震震级大小关系不明显。
2)与同类算法相比,提供的预警信息更加丰富详细
为了提高运算的效率,目前所有的地震预警算法均是点源近似或者是一维近似,这些极度简化的模型导致大量的震源信息被丢失,仅能够提供震中位置和震级等简单信息。本公开提出的算法能够在地震结束以前提供完整的二维地震破裂模型,该模型当中包含的信息无疑是最为丰富的,不仅包含了地震震中和地震震级,还可以从中提取地震的破裂方向、最大破裂位置等关键信息,这些信息将能够在地震结束甚至是未结束时刻,帮助预测详细的地表加速度分布,从而预测地表烈度和建筑物破坏情况,为地震救援提供完备信息。这是现有的地震预警算法无法实现的。
为了实现上述实施例,本公开还提供了一种基于高频GNSS的地震预警装置。
图10为本公开一实施例提供的基于高频GNSS的地震预警装置的结构示意图,该装置可以采用软件和/或硬件实现,并可集成在任意具有处理能力的电子设备上,例如电脑、服务器等设备。
如图10所示,本公开实施例提供的基于高频GNSS的地震预警装置20可以包括:获取模块201、第一确定模块202、第二确定模块203和第三确定模块204,其中:
获取模块201,用于获取地震预警网络中的多个GNSS站点采集的观测数据;
第一确定模块202,用于根据所述观测数据和预先建立的高频GNSS位移波形数据库,确定所述观测数据与所述高频GNSS位移波形数据库中的每组高频GNSS位移波形之间的相似度,其中,一组高频GNSS位移波形对应一个地震破裂模型;
第二确定模块203,用于根据所述相似度,从所述高频GNSS位移波形数据库中确定出相似度最高的一组高频GNSS位移波形,作为目标高频GNSS位移波形;
第三确定模块204,用于基于所述目标高频GNSS位移波形对应的目标地震破裂模型,确定地震的预警信息。
可选地,所述基于高频GNSS的地震预警装置,还包括:
数据获取模块,用于获取地震断层的断层数据,所述断层数据包括断层水平位置数据、断层倾角的空间变化数据和断层的闭锁程度数据;
拟合模块,用于对所述断层数据进行空间线性拟合,生成重新差值后的断层空间位置;
第一建立模块,用于对所述重新差值后的断层空间位置进行三角剖分,建立断层三维几何模型,其中,所述断层三维几何模型包含断层的空间几何特征及地震破裂区域;
第二建立模块,用于基于所述断层三维几何模型,建立地震破裂模型数据库及对应的高频GNSS位移波形数据库。
可选地,所述第二建立模块,具体用于:
基于预设的地震震级与破裂面长宽之间的函数关系,确定不同的地震震级对应的破裂面长度和宽度;
根据所述断层三维几何模型以及所述不同的地震震级对应的破裂面长度和宽度,确定不同的震中位置分别对应的地震破裂面在所述断层三维几何模型上的位置和范围;
基于预设的地震震级与断层面滑动量之间的函数关系,确定不同的地震震级对应的断层面上的最大滑动量;
根据所述最大滑动量和破裂区域滑动量的分布特征,生成所述地震破裂面的滑动分布;
基于所述地震破裂面的滑动分布以及在所述地震破裂面范围内随机选择的起始破裂点,确定地震破裂时间函数;
根据所述地震破裂面在所述断层三维几何模型上的位置和范围、所述地震破裂面的滑动分布和所述地震破裂时间函数,建立所述地震破裂模型数据库;
基于所述地震破裂模型数据库和弹性位错理论,建立与所述地震破裂模型数据库对应的高频GNSS位移波形数据库。
可选地,所述基于高频GNSS的地震预警装置,还包括:
处理模块,用于对所述地震破裂面的滑动分布施加高斯平滑操作。
可选地,所述第一确定模块,具体用于:
对所述观测数据和所述高频GNSS位移波形数据库中的每组高频GNSS位移波形分别进行矩阵化表示,得到观测数据波形矩阵和每组高频GNSS位移波形的GNSS波形矩阵;
计算所述观测数据波形矩阵与每个所述GNSS波形矩阵的互相关系数;
将所述互相关系数确定为所述观测数据与所述高频GNSS位移波形数据库中的各组高频GNSS位移波形之间的相似度。
本公开实施例所提供的可配置于电子设备上的高频GNSS的地震预警装置,可执行本公开实施例所提供的任意高频GNSS的地震预警方法,具备执行方法相应的功能模块和有益效果。本公开装置实施例中未详尽描述的内容可以参考本公开任意方法实施例中的描述。
本公开实施例还提供了一种电子设备,包括处理器和存储器;所述处理器通过调用所述存储器存储的程序或指令,用于执行如前述实施例所述高频GNSS的地震预警方法各实施例的步骤,为避免重复描述,在此不再赘述。
本公开实施例还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如前述实施例所述高频GNSS的地震预警方法各实施例的步骤,为避免重复描述,在此不再赘述。
本公开实施例还提供了一种计算机程序产品,所述计算机程序产品用于执行如前述实施例所述高频GNSS的地震预警方法各实施例的步骤。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于高频GNSS的地震预警方法,其特征在于,包括:
获取地震预警网络中的多个GNSS站点采集的观测数据;
根据所述观测数据和预先建立的高频GNSS位移波形数据库,确定所述观测数据与所述高频GNSS位移波形数据库中的每组高频GNSS位移波形之间的相似度,其中,一组高频GNSS位移波形对应一个地震破裂模型;
根据所述相似度,从所述高频GNSS位移波形数据库中确定出相似度最高的一组高频GNSS位移波形,作为目标高频GNSS位移波形;
基于所述目标高频GNSS位移波形对应的目标地震破裂模型,确定地震的预警信息。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取地震断层的断层数据,所述断层数据包括断层水平位置数据、断层倾角的空间变化数据和断层的闭锁程度数据;
对所述断层数据进行空间线性拟合,生成重新差值后的断层空间位置;
对所述重新差值后的断层空间位置进行三角剖分,建立断层三维几何模型,其中,所述断层三维几何模型包含断层的空间几何特征及地震破裂区域;
基于所述断层三维几何模型,建立地震破裂模型数据库及对应的高频GNSS位移波形数据库。
3.根据权利要求2所述的方法,其特征在于,所述基于所述断层三维几何模型,建立地震破裂模型数据库及对应的高频GNSS位移波形数据库,包括:
基于预设的地震震级与破裂面长宽之间的函数关系,确定不同的地震震级对应的破裂面长度和宽度;
根据所述断层三维几何模型以及所述不同的地震震级对应的破裂面长度和宽度,确定不同的震中位置分别对应的地震破裂面在所述断层三维几何模型上的位置和范围;
基于预设的地震震级与断层面滑动量之间的函数关系,确定不同的地震震级对应的断层面上的最大滑动量;
根据所述最大滑动量和破裂区域滑动量的分布特征,生成所述地震破裂面的滑动分布;
基于所述地震破裂面的滑动分布以及在所述地震破裂面范围内随机选择的起始破裂点,确定地震破裂时间函数;
根据所述地震破裂面在所述断层三维几何模型上的位置和范围、所述地震破裂面的滑动分布和所述地震破裂时间函数,建立所述地震破裂模型数据库;
基于所述地震破裂模型数据库和弹性位错理论,建立与所述地震破裂模型数据库对应的高频GNSS位移波形数据库。
4.根据权利要求3所述的方法,其特征在于,在所述生成所述地震破裂面的滑动分布之后,所述方法还包括:
对所述地震破裂面的滑动分布施加高斯平滑操作。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述观测数据和预先建立的高频GNSS位移波形数据库,确定所述观测数据与所述高频GNSS位移波形数据库中的每组高频GNSS位移波形之间的相似度,包括:对所述观测数据和所述高频GNSS位移波形数据库中的每组高频GNSS位移波形分别进行矩阵化表示,得到观测数据波形矩阵和每组高频GNSS位移波形的GNSS波形矩阵;
计算所述观测数据波形矩阵与每个所述GNSS波形矩阵的互相关系数;
将所述互相关系数确定为所述观测数据与所述高频GNSS位移波形数据库中的各组高频GNSS位移波形之间的相似度。
6.一种基于高频GNSS的地震预警装置,其特征在于,包括:
获取模块,用于获取地震预警网络中的多个GNSS站点采集的观测数据;
第一确定模块,用于根据所述观测数据和预先建立的高频GNSS位移波形数据库,确定所述观测数据与所述高频GNSS位移波形数据库中的每组高频GNSS位移波形之间的相似度,其中,一组高频GNSS位移波形对应一个地震破裂模型;
第二确定模块,用于根据所述相似度,从所述高频GNSS位移波形数据库中确定出相似度最高的一组高频GNSS位移波形,作为目标高频GNSS位移波形;
第三确定模块,用于基于所述目标高频GNSS位移波形对应的目标地震破裂模型,确定地震的预警信息。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
数据获取模块,用于获取地震断层的断层数据,所述断层数据包括断层水平位置数据、断层倾角的空间变化数据和断层的闭锁程度数据;
拟合模块,用于对所述断层数据进行空间线性拟合,生成重新差值后的断层空间位置;
第一建立模块,用于对所述重新差值后的断层空间位置进行三角剖分,建立断层三维几何模型,其中,所述断层三维几何模型包含断层的空间几何特征及地震破裂区域;
第二建立模块,用于基于所述断层三维几何模型,建立地震破裂模型数据库及对应的高频GNSS位移波形数据库。
8.一种电子设备,其特征在于,包括:处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至5任一项所述的基于高频GNSS的地震预警方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至5任一项所述的基于高频GNSS的地震预警方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品用于执行如权利要求1至5任一项所述的基于高频GNSS的地震预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210413877.8A CN114839669B (zh) | 2022-04-14 | 2022-04-14 | 基于高频gnss的地震预警方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210413877.8A CN114839669B (zh) | 2022-04-14 | 2022-04-14 | 基于高频gnss的地震预警方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114839669A true CN114839669A (zh) | 2022-08-02 |
CN114839669B CN114839669B (zh) | 2023-01-06 |
Family
ID=82566188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210413877.8A Active CN114839669B (zh) | 2022-04-14 | 2022-04-14 | 基于高频gnss的地震预警方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114839669B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636806A (zh) * | 2012-05-10 | 2012-08-15 | 武汉大学 | 一种利用高频gnss数据确定地震震级的方法 |
US20160054460A1 (en) * | 2014-08-23 | 2016-02-25 | Trimble Navigation Limited | Earthquake and Displacement Early Warning System |
CN105911582A (zh) * | 2016-06-06 | 2016-08-31 | 中国地震局地壳应力研究所 | 一种自然灾害次声波监测系统 |
CN112068198A (zh) * | 2020-08-24 | 2020-12-11 | 西南科技大学 | 基于地震波全波形特征的裂缝破裂尺度的描述方法 |
CN112665730A (zh) * | 2020-12-30 | 2021-04-16 | 中国地震局地质研究所 | 震前温度异常检测方法、装置、设备和存储介质 |
-
2022
- 2022-04-14 CN CN202210413877.8A patent/CN114839669B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636806A (zh) * | 2012-05-10 | 2012-08-15 | 武汉大学 | 一种利用高频gnss数据确定地震震级的方法 |
US20160054460A1 (en) * | 2014-08-23 | 2016-02-25 | Trimble Navigation Limited | Earthquake and Displacement Early Warning System |
CN105911582A (zh) * | 2016-06-06 | 2016-08-31 | 中国地震局地壳应力研究所 | 一种自然灾害次声波监测系统 |
CN112068198A (zh) * | 2020-08-24 | 2020-12-11 | 西南科技大学 | 基于地震波全波形特征的裂缝破裂尺度的描述方法 |
CN112665730A (zh) * | 2020-12-30 | 2021-04-16 | 中国地震局地质研究所 | 震前温度异常检测方法、装置、设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
乔学军,等: "海底地壳形变监测现状与启示", 《地球物理学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114839669B (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
LeVeque et al. | Generating random earthquake events for probabilistic tsunami hazard assessment | |
Synolakis | Standards, criteria, and procedures for NOAA evaluation of tsunami numerical models | |
KR20190080712A (ko) | 임의 지진구역 대상 무작위 생성 지진학습데이터를 이용한 지진여부판별 방법 및 이에 의한 진도예측 시스템 | |
JP6429042B2 (ja) | 地盤特性を自動校正する現地型地震早期警報システム及び関連方法 | |
US9213100B1 (en) | Bearing-only tracking for horizontal linear arrays with rapid, accurate initiation and a robust track accuracy threshold | |
Mekjavić et al. | Damage assessment in bridges based on measured natural frequencies | |
CN111191696B (zh) | 一种基于深度学习算法的钢筋分层方法及系统 | |
Paul et al. | Phase space interrogation of the empirical response modes for seismically excited structures | |
Jankowski et al. | A simple method of conditional random field simulation of ground motions for long structures | |
Kim et al. | Temperature effects on frequency-based damage detection in plate-girder bridges | |
Kushnir et al. | Robustness of statistical algorithms for location of microseismic sources based on surface array data | |
JP7156613B2 (ja) | 津波予測装置、方法、及びプログラム | |
CN114839669B (zh) | 基于高频gnss的地震预警方法、装置、电子设备及存储介质 | |
CN116822285A (zh) | 一种边坡失稳规模的估算方法、装置、设备及存储介质 | |
JP7015523B2 (ja) | 地震警報システム | |
RU2010131268A (ru) | Способ оценки основных характеристик ожидаемого сильного цунамигенного землетрясения и система для его осуществления | |
Verachtert | Deterministic and probabilistic determination of dynamic soil characteristics | |
CN115598700A (zh) | 一种地震剖面成像的方法、装置、存储介质及电子设备 | |
JP2013053922A (ja) | 大地震の破壊領域の即時的推定方法 | |
JP2006105862A (ja) | リアルタイム地震危険度予測の方法 | |
Patrick et al. | Spatial variation of rainfall intensities for short duration storms | |
Wong et al. | Amplitude normalization for GPR data acquired from different instrumentations | |
JP6559578B2 (ja) | 地震の主要動の最大振幅を推定する方法ならびに最大振幅推定プログラムおよび最大振幅推定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 | |
CN111624655A (zh) | 初至波剩余静校正量的确定方法及装置 | |
Lippert et al. | On the estimation of prediction accuracy in numerical offshore pile driving noise modelling |
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 |