CN118033744B - 实时计算震源参数方法和系统 - Google Patents
实时计算震源参数方法和系统 Download PDFInfo
- Publication number
- CN118033744B CN118033744B CN202410430542.6A CN202410430542A CN118033744B CN 118033744 B CN118033744 B CN 118033744B CN 202410430542 A CN202410430542 A CN 202410430542A CN 118033744 B CN118033744 B CN 118033744B
- Authority
- CN
- China
- Prior art keywords
- seismic
- time
- target
- event
- source mechanism
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000007246 mechanism Effects 0.000 claims abstract description 141
- 238000004364 calculation method Methods 0.000 claims abstract description 98
- 230000000007 visual effect Effects 0.000 claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims description 25
- 238000010276 construction Methods 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000003058 natural language processing Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 230000002265 prevention Effects 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000004044 response Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 2
- 208000035126 Facies Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011081 inoculation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G01V1/28—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
-
- 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
- G01V2210/65—Source localisation, e.g. faults, hypocenters or reservoirs
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
本发明涉及震源计算技术领域，本发明公开了实时计算震源参数方法和系统；包括判定目标地震事件是否满足计算需求，截取目标地震事件在目标时段内的观测数据，构建出震源机制反演模型，并反演出目标地震事件的震源机制，建立可视化发布通道并向外发布；相对于现有技术，能够对目标地震事件进行准确且快速的识别，构建出实时震源机制反演模型，并通过在目标时段内采集目标地震事件的地震波形数据，实现自动化的地震事件检测、波形截取和震源机制反演的效果，提高了对地震事件的响应速度和监测效率，使得在地震发生后能够迅速、准确地获取有关地震的详细信息，为防灾减灾提供有力支持，极大的降低了地震造成的经济损失。
Description
技术领域
本发明涉及震源计算技术领域，更具体地说，本发明涉及实时计算震源参数方法和系统。
背景技术
地震的震源机制是描述震源特性及其破裂过程的，可靠的震源机制解对于地震孕育、发震断层、孕震机理的解释以及区域构造动力学环境等都具有十分重要的意义，利用实时波形数据构建地震的震源机制波形自动反演系统，不仅可实现地震震源机制解的自动、快速反演，更重要的是它能及时从波形数据中提取有效的震源信息，为震情分析、余震趋势预测、震后救援等工作的展开提供及时的帮助。
申请公开号为CN115373029A的中国专利申请公开了基于深度学习的实时微地震震源机制计算方法及系统，其利用训练数据集训练震源机制计算模型，使震源机制计算模型学习DAS微地震应变数据和震源机制二者之间的关系，以准确地通过DAS微地震应变数据计算得到震源机制，提高了震源机制计算的效率；而且本发明中DAS微地震应变数据选择的是P波信息和/或S波信息，相较于现有的震源机制反演策略，使用的信息不再局限于单独一种，最终计算得到的震源机制更加准确。另外本发明通过震源机制模拟生成对应的DAS微地震应变数据，使能够参与震源机制计算模型训练的数据量有所提高，避免了实际能够获取到的数据量过少，对震源机制计算模型的训练不到位的问题发生；
现有技术存在以下不足：
现有的震源机制在反演计算时，通过采集过往较长时间段内地震事件的地震波形数据，并导入建立好的反演模型后进行震源机制的反演计算，由于一次地震事件所包含的地震波形数据较为繁杂，使得采集的大量繁杂波形数据在导入反演模型进行反演计算时，一方面会增加反演模型的计算负担，另一方面也增大了反演计算出现错误的概率，从而无法快速、准确的获取有关地震事件的震源机制信息。
鉴于此，本发明提出实时计算震源参数方法和系统以解决上述问题。
发明内容
为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：实时计算震源参数方法，应用于地震服务器，包括：
S1：获取地震实时数据，构建出地震事件，并生成自动计算结果库；
S2：基于筛选准则，从自动计算结果库中筛选出目标地震事件，并判定目标地震事件是否满足计算需求；若满足计算需求，执行S3-S6；若不满足计算需求，重复执行S2；
S3：基于目标地震事件的发生时刻，生成目标时段，并截取目标地震事件在目标时段内的观测数据，调取自动计算结果库的震相文件；
S4：基于观测数据和震相文件，构建出震源机制反演模型；
S5：采集目标地震事件在波形采集时长内的实时数据，反演出目标地震事件的震源机制；
S6：基于互通准则，建立可视化发布通道，并将反演出的震源机制向外发布。
进一步的，自动计算结果库的生成方法包括：
通过地震台站的数据库获取地震实时数据；
按照采集时刻的先后顺序对地震实时数据进行排列，并将处于同一时刻下的地震实时数据汇总，获得待标注事件；
将待标注事件标注上对应的采集时刻，构建出地震事件；
将地震事件按照采集时刻的先后顺序排列后，生成自动计算结果库。
进一步的，目标地震事件的筛选方法包括：
按照由后往前的时间顺序，标记自动计算结果库中过往个时刻的事件信息，获得/>个地震事件；
逐一对个地震事件进行编号，获得/>个地震事件的编号；
遍历自动计算结果库中的个计算结果，识别/>个计算结果的编号；
将个地震事件的编号与/>个计算结果的编号逐一对比，剔除掉与地震事件的编号一致的计算结果的编号所对应的地震事件；
将余下的地震事件标记为目标地震事件；
目标地震事件是否满足计算需求的判定方法包括：
通过地震台站数据库查询目标地震事件的地震震级，标记为目标震级；
将目标震级与预设的震级阈值/>比较；
当小于等于/>时，判定目标地震事件不满足计算需求；
当大于/>时，判定目标地震事件满足计算需求。
进一步的，观测数据的截取方法包括：
从地震波形数据库内筛选出目标地震事件对应的归档文件；
将归档文件中的地震波形数据按照监测时间的先后顺序依次排列，并标注上监测时间，获得带有时间标注的归档文件；
将目标地震事件的发生时刻记为基准时刻，以提前第一预设时长所在时刻为起点，以延后第二预设时长/>所在时刻为终点，将起点至终点之间的时段标记为目标时段/>，/>小于/>；
在带有时间标注的归档文件中分别标记目标时段的起点对应的时刻和终点对应的时刻，获得截取区域；
从带有时间标注的归档文件中截取出截取区域内的地震波形数据，获得观测数据。
进一步的，震源机制反演模型的构建方法包括：
波形数据预处理：识别观测数据中的P波和S波，并对P波和S波进行去噪和滤波处理；
设置模型参数：搭建实时震源机制反演模型，设定震源模型参数；
震源机制反演：根据先验信息初始化震源机制参数和震源机制类型，利用全波形反演算法预处理后的地震波形数据进行拟合，优化震源机制参数；
参数优化迭代：迭代调整震源机制参数，重复进行拟合和震源机制参数优化，直到达到最佳拟合结果或收敛时停止。
进一步的，采集时长的获取包括：
标记第一次监测到目标地震事件出现P波的时刻，记为P波起始时刻，将最后一次监测到目标地震事件出现P波的时刻，记为P波结束时刻；
将P波结束时刻与P波起始时刻作差比较，获得P波采集时长；
P波采集时长的表达式为：
；
式中，为P波采集时长，/>为P波结束时刻，/>为P波起始时刻；
标记第一次监测到目标地震事件出现S波的时刻，记为S波起始时刻，当预设时长内不再监测到S波时，将最后一次监测到目标地震事件出现S波的时刻，记为S波结束时刻；
将S波结束时刻与S波起始时刻作差比较，获得S波采集时长；
S波采集时长的表达式为：
；
式中，为S波采集时长，/>为S波结束时刻，/>为S波起始时刻；
将P波采集时长与S波采集时长分别赋予不同权重因子后并累加求平均，获得波形采集时长；
波形采集时长的表达式为：
；
式中，为波形采集时长，/>、/>为权重因子。
进一步的，震源机制的反演方法包括：
在数据库内识别出目标地震事件，并标记目标地震事件首次出现地震波形数据的时间；
以首次出现地震波形数据的时间为开始时刻，以一个波形采集时长后的时间为终止时刻，获取目标地震事件的地震波形数据和震相文件；
将地震波形数据和震相文件导入到震源机制反演模型中，反演出目标地震事件的震源机制。
进一步的，互通准则为：任意相邻两个子通道之间均保持互通；
可视化发布通道的建立方法包括：
构建个等容量的子通道，并对/>个子通道依次升序编号；
在个子通道的首尾两端分别标记首连接点和尾连接点；
以编号最小值对应的子通道为基点，按照编号升序方式，将个子通道顺时针环形排列；
调整个子通道的角度，直至第/>个子通道的尾连接点与第/>个子通道的首连接点之间的间距达到标准间距时停止调整；
在第个子通道的尾连接点与第/>个子通道的首连接点之间搭建通道，获得个交互通道；
逐一对个子通道和/>个交互通道进行震源类型标注，获得可视化发布通道。
进一步的，反演出的震源机制向外发布的方法包括：
通过自然语言处理技术识别反演出的震源机制，获得个子类型；
将个子类型分别转换为PNG的图片格式，获得/>个发布图片；
将个发布图片逐一导入到子通道内，进行可视化分布。
实时计算震源参数系统，应用于地震服务器，用于实现所述的实时计算震源参数方法，包括事件构建模块、事件判断模块、数据截取模块、模型构建模块、震源机制反演模块和可视化发布模块，其中，各个模块之间通过有线或无线网络方式连接；
事件构建模块，用于获取地震实时数据，构建出地震事件，并生成自动计算结果库；
事件判断模块，用于基于筛选准则，从自动计算结果库中筛选出目标地震事件，并判定目标地震事件是否满足计算需求；
数据截取模块，用于基于目标地震事件的发生时刻，生成目标时段，并截取目标地震事件在目标时段内的观测数据；
模型构建模块，用于基于观测数据，构建出震源机制反演模型；
震源机制反演模块，用于采集目标地震事件在波形采集时长内的实时数据，反演出目标地震事件的震源机制；
可视化发布模块，用于基于互通准则，建立可视化发布通道，并将反演出的震源机制向外发布。
本发明实时计算震源参数方法和系统的技术效果和优点：
本发明通过基于筛选准则，从自动计算结果库中筛选出目标地震事件，并判定目标地震事件是否满足计算需求，基于目标地震事件的发生时刻，生成目标时段，并截取目标地震事件在目标时段内的观测数据，基于观测数据，构建出震源机制反演模型，采集目标地震事件在波形采集时长内的实时数据，并反演出目标地震事件的震源机制，基于互通准则，建立可视化发布通道，并将反演出的震源机制向外发布；相对于现有技术，能够对目标地震事件进行准确且快速的识别，构建出实时震源机制反演模型，并通过在目标时段内采集目标地震事件的地震波形数据，降低繁琐且不必要的地震波形数据，降低数据量，实现自动化的地震事件检测、波形截取和震源机制反演的效果，提高了对地震事件的响应速度和监测效率，使得在地震发生后能够迅速、准确地获取有关地震的详细信息，为防灾减灾提供有力支持，极大的降低了地震造成的经济损失。
附图说明
图1为本发明实施例1提供的实时计算震源参数方法的流程示意图；
图2为本发明实施例1提供的实时计算震源参数方法的逻辑示意图；
图3为本发明实施例2提供的实时计算震源参数系统的示意图：
图4为本发明实施例3提供的一种电子设备的结构示意图的示意图；
图5为本发明实施例4提供的一种计算机可读存储介质的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，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。
实施例1：请参阅图1所示，本实施例所述实时计算震源参数方法，应用于地震服务器，包括：
S1：获取地震实时数据，构建出地震事件，并生成自动计算结果库；
地震事件是指能够描述地震的各种特征的数据集合，地震事件包括地震的震源深度、震级、震中位置、发震时刻、地震波传播速度和震相文件等，并将同一个地震在同一个采集时刻下的各种特征进行集合后，构成一个地震事件，而多个地震事件即可生成自动计算结果库；
自动计算结果库的生成方法包括：
通过地震台站的数据库获取地震实时数据；
按照采集时刻的先后顺序对地震实时数据进行排列，并将处于同一时刻下的地震实时数据汇总，获得待标注事件；
将待标注事件标注上对应的采集时刻，构建出地震事件；
将地震事件按照采集时刻的先后顺序排列后，生成自动计算结果库；
S2：基于筛选准则，从自动计算结果库中筛选出目标地震事件，并判定目标地震事件是否满足计算需求；若满足计算需求，执行S3-S6；若不满足计算需求，重复执行S2；
目标地震事件是指自动计算结果库中没有进行过震源机制反演的地震事件，当地震事件进行过震源机制反演时，则该地震事件则无需再次进行相同操作，从而将其剔除，避免同一目标地震事件发生重复反演的现象；
而在从自动计算结果库中筛选目标地震事件时，需要基于筛选准则进行筛选，以确保目标地震事件筛选结果的准确性；
筛选准则为：剔除计算结果的编号比对一致时对应的地震事件；
目标地震事件的筛选方法包括：
按照由后往前的时间顺序，标记自动计算结果库中过往个时刻的事件信息，获得/>个地震事件；通过由后往前的时间顺序方式，可以基于当前时间点向前依次标记，使得标记的事件信息在时间上保持倒序且连续的状态，确保相邻时间信息之间的持续性；
逐一对个地震事件进行编号，获得/>个地震事件的编号；
遍历自动计算结果库中的个计算结果，识别/>个计算结果的编号；
将个地震事件的编号与/>个计算结果的编号逐一对比，剔除掉与地震事件的编号一致的计算结果的编号所对应的地震事件；当编号对比一致时，说明自动计算结果库内存在于地震事件相对应的计算结果，则表明该目标地震事件已经进行了震源机制的反演；
将余下的地震事件标记为目标地震事件；
满足计算需求是指目标地震事件的地震级别达到了触发地震机制反演的最低要求，从而可以将地震级别较小的地震事件进行有效的过滤，一方面避免了地震级别较小的地震事件的震源机制无法被准确的反演，另一方面也能够提高震源机制反演的台阶，规避掉对地质、生活和生产不造成负面影响或造成负面影响极小的地震事件；
目标地震事件是否满足计算需求的判定方法包括：
通过地震台站数据库查询目标地震事件的地震震级，标记为目标震级；
将目标震级与预设的震级阈值/>比较；预设的震级阈值是用于对目标地震事件满足计算需求时的最低震级的数值表示，从而可以将目标地震事件的目标震级划分为负面影响轻和负面影响重的两个范围，进而对目标地震事件的目标震级进行准确区分；预设的震级阈值通过地震烈度数值表查询可知，示例性的，预设的震级阈值为3，即目标震级大于3时，目标地震事件造成的负面影响重；
当小于等于/>时，说明目标震级小于等于预设的震级阈值，此时目标地震事件造成的负面影响轻，则判定目标地震事件不满足计算需求；
当大于/>时，说明目标震级大于预设的震级阈值，此时目标地震事件造成的负面影响重，则判定目标地震事件满足计算需求；
需要说明的是，在地震波的传播过程中，由于高频地震波的衰减要远远大于低频地震波，当地震仪距离震中较远时，地震仪的记录能力变得有限，用近震震级就无法测定全球范围远震的大小，为了弥补上述缺陷就需要使用面波震级Ms来表示目标地震事件的震级大小；
S3：基于目标地震事件的发生时刻，生成目标时段，并截取目标地震事件在目标时段内的观测数据，调取自动计算结果库的震相文件；
当目标地震事件满足计算需求时，此时需要对目标地震事件的地震波形数据进行采集，从而获得能够全面且准确表示目标地震事件的观测数据，并方便后续震源模型的构建，而在观测数据截取时，需要设定观测数据的截取时长，即目标时段；
观测数据的截取方法包括：
从地震波形数据库内筛选出目标地震事件对应的归档文件；归档文件是指目标地震事件所包含的地震波形数据和震相文件的集合体，可以对目标地震事件进行全面的描述；
将归档文件中的地震波形数据按照监测时间的先后顺序依次排列，并标注上监测时间，获得带有时间标注的归档文件；按照监测时间的先后顺序依次排列的方式既能够将大量的归档文件中的数据进行独立且有序排列，防止出现数据之间交叉混乱的现象，同时也体现了地震波形数据的监测时间的先后顺序，从而方便后续对观测数据的准确截取；
将目标地震事件的发生时刻记为基准时刻，以提前第一预设时长所在时刻为起点，以延后第二预设时长/>所在时刻为终点，将起点至终点之间的时段标记为目标时段/>，/>小于/>；第一预设时长是指基准时刻向前延伸的最大幅度，第二预设时长是指基准时刻向后延伸的最大幅度，即可对出现目标地震事件之前和之后的时间进行限定，从而对归档文件的时间跨度进行前后补偿，使得基准时刻前后一定范围内的归档文件都能够全面获取，避免出现数据遗漏的现象，确保可以包含完整的地震波形；第一预设时长和第二预设时长通过历史大量的目标地震事件对应的归档文件截取时前后时间跨度后，经由系数优化得到的；示例性的，第一预设时长为1分钟，第二预设时长为9分钟；
在带有时间标注的归档文件中分别标记目标时段的起点对应的时刻和终点对应的时刻，获得截取区域；
从带有时间标注的归档文件中截取出截取区域内的地震波形数据，获得观测数据；
需要说明的是，当截取到观测数据后，需要确保观测数据能够包含目标时段内对应的完整地震波形，并将截取到的震相文件自动存储到指定目录，防止观测数据发生丢失、不完整的现象；
在截取到观测数据后，需要从自动计算结果库内调取与目标地震事件相对应的震相文件，实现目标地震事件的数据完整性；
S4：基于观测数据和震相文件，构建出震源机制反演模型；
震源机制反演模型是指能够对目标地震事件的震源机制进行准确反演的模型，通过采集目标地震事件实时的地震波形数据，并利用特定的反演算法即可实现对目标地震事件的震源机制的反演；
震源机制反演模型的构建方法包括：
波形数据预处理：识别观测数据中的P波和S波，并对P波和S波进行去噪和滤波处理；
设置模型参数：搭建实时震源机制反演模型，设定震源模型参数；震源模型参数包括地震震源深度范围、时间窗口选择，地震震源深度范围是根据研究区域的地质构造、地震活动情况和地震定位技术而设定合理的地震震源深度范围，选择适当的时间窗口以包含主要的地震波形信息，确保能够有效反演震源机制，时间窗口的选择应考虑地震波的传播时间和震源机制反演的需要；
震源机制反演：根据先验信息初始化震源机制参数和震源机制类型，利用全波形反演算法预处理后的地震波形数据进行拟合，优化震源机制参数；震源机制参数包括如走向、倾角、滑动角等，使得走向、倾角、滑动角可以描述目标地震事件发生时断层的运动情况；
参数优化迭代：迭代调整震源机制参数，重复进行拟合和震源机制参数优化，直到达到最佳拟合结果或收敛时停止；在迭代震源机制参数时，需要定义收敛准则，如残差的变化趋势、震源机制参数的变化等，用于判断是否达到最佳拟合结果，且当残差趋于稳定或震源机制参数变化较小时，可以认为反演已经收敛；
当构建出震源机制反演模型时，即可对目标地震事件的震源机制进行准确且快速的反演，获取目标地震事件带来的负面影响的数据，极大的提高了地震监测与预警的效率，使得在地震发生后能够更迅速、更准确地获取有关地震的详细信息，为防灾减灾提供有力支持；
S5：采集目标地震事件在波形采集时长内的实时数据，反演出目标地震事件的震源机制；
采集时长是用于对目标地震事件的实时数据采集时间长短的限定，确保采集时长内能够采集到目标地震事件的足量实时数据，既能够减少实时数据的采集量，降低后续的计算负担，同时也能够避免大量不相关的数据带来的干扰影响，提高震源机制的反演准确性；
采集时长的获取包括：
标记第一次监测到目标地震事件出现P波的时刻，记为P波起始时刻，将最后一次监测到目标地震事件出现P波的时刻，记为P波结束时刻；
将P波结束时刻与P波起始时刻作差比较，获得P波采集时长；
P波采集时长的表达式为：
；
式中，为P波采集时长，/>为P波结束时刻，/>为P波起始时刻；
标记第一次监测到目标地震事件出现S波的时刻，记为S波起始时刻，当预设时长内不再监测到S波时，将最后一次监测到目标地震事件出现S波的时刻，记为S波结束时刻；预设时长是指两个两侧监测到S波的最大间隔时长，当预设时长内不再监测到S波时，说明目标地震事件的S波已经结束，则无需再次监测；预设时长通过采集历史大量的相邻两个S波监测时长的平均值后，经由系数优化获得的；
将S波结束时刻与S波起始时刻作差比较，获得S波采集时长；
S波采集时长的表达式为：
；
式中，为S波采集时长，/>为S波结束时刻，/>为S波起始时刻；
将P波采集时长与S波采集时长分别赋予不同权重因子后并累加求平均，获得波形采集时长；
波形采集时长的表达式为：
；
式中，为波形采集时长，/>、/>为权重因子；
其中，，示例性的，/>为0.56，/>为0.44；需要说明的是，权重因子的大小是为了将各个数据进行量化得到的一个具体的数值，便于后续比较，关于权重因子的大小，取决于P波采集时长与S波采集时长的多少及本领域技术人员对每一组P波采集时长与S波采集时长初步设定对应的权重因子；
当构建出了震源机制反演模型后，即可利用震源机制反演模型对目标地震事件的实时数据进行反演，从而获取到当前目标地震事件的震源机制，依据反演出的震源机制对目标地震事件进行相应的处理；
震源机制的反演方法包括：
在数据库内识别出目标地震事件，并标记目标地震事件首次出现地震波形数据的时间；
以首次出现地震波形数据的时间为开始时刻，以一个波形采集时长后的时间为终止时刻，获取目标地震事件的地震波形数据和震相文件；
将地震波形数据和震相文件导入到震源机制反演模型中，反演出目标地震事件的震源机制；
S6：基于互通准则，建立可视化发布通道，并将反演出的震源机制向外发布；
当目标地震事件的震源机制被反演出后，需要对反演出的震源机制进行向外展示和发布，提供给用户观看，从而方便用户对目标地震事件的了解，并基于震源机制制定相应的应急措施；
而在对震源机制进行展示发布时，为了确保震源机制可以被准确且全面的展示，需要建立可视化发布通道，从而对震源机制进行可视化发布，在建立可视化发布通道时，需要确保建立过程的准确以及建立结果的独立，因此就需要确保可视化发布通道在互通准则的基础上建立；
互通准则为：任意相邻两个子通道之间均保持互通；
可视化发布通道的建立方法包括：
构建个等容量的子通道，并对/>个子通道依次升序编号；等容量的子通道方便对所有子通道的容量大小进行统一限定，确保每一个子通道内能够容纳的数据量一致，并经过升序编号的方式，可以对每一个子通道进行单独区分，避免出现相似子通道之间混淆的现象；
在个子通道的首尾两端分别标记首连接点和尾连接点；首连接点和尾连接点是指子通道上的外部数据的接入点，从而实现子通道内数据的导入和导出效果；
以编号最小值对应的子通道为基点，按照编号升序方式，将个子通道顺时针环形排列；
调整个子通道的角度，直至第/>个子通道的尾连接点与第/>个子通道的首连接点之间的间距达到标准间距时停止调整；当上一个子通道的尾连接点与下一个子通道的首连接点之间的间距达到标准间距时，说明相邻两个子通道之间处于相对独立、安全且靠近的位置，使得相邻两个子通道之间可以保持有序且稳定的状态，从而方便后续交互通道的建立和连接；标准间距通过采集历史大量的子通道的容量与子通道的数量后，经由系数优化且多次调试而来的；
在第个子通道的尾连接点与第/>个子通道的首连接点之间搭建通道，获得个交互通道；
逐一对个子通道和/>个交互通道进行震源类型标注，获得可视化发布通道；通过获得环形结构的发布通道，可以将子通道构成首尾连接的封闭结果，确保震源机制能够在相对封闭的环境下向外发布，避免震源机制在发布时发生丢失或泄露的现象；
反演出的震源机制向外发布的方法包括：
通过自然语言处理技术识别反演出的震源机制，获得个子类型；子类型是指震源机制语义识别处理后得到的数据，子类型包括但不限于震源深度、走向、倾角和滑动角，即可对震源机制进行明确且直观的显示；
将个子类型分别转换为PNG的图片格式，获得/>个发布图片；通过转换为图片格式，方便对震源机制的多个子类型进行直观发布显示，提高用户对震源机制的了解便捷性；
将个发布图片逐一导入到可视化发布通道中的子通道内，即可进行可视化分布；
以下是将上述实时计算震源参数方法具体应用到实际实验场景中的说明介绍，并对实际应用的相关数据进行计算和分析；
具体的，从地震波形数据库内筛选过往原始K组目标地震事件的地震波形数据、震相、震源深度、走向、倾角和滑动角，其中，K组目标地震事件的地震震级均大于3；
将原始的K组震源深度、走向、倾角、滑动角导入表格，获得原始表，如表1所示：
表1：原始表
采用上述S1-S5的方法，将K组目标地震事件的地震波形数据和震相导入震源机制反演模型中，并设定波形采集时长，获得第一次反演后的K组震源深度、走向、倾角、滑动角和反演时长，将第一次反演后的K组震源深度、走向、倾角和滑动角分别与原始K组震源深度、走向、倾角和滑动角作差比较，获得K组震源深度差值、走向差值、倾角差值和滑动角差值，将K组震源深度差值、走向差值、倾角差值和滑动角差值分别与原始K组震源深度、走向、倾角和滑动角逐一比较，根据比较结果，获得第一次反演后的K组震源深度、走向、倾角和滑动角误差率和准确率，同时记录第一次反演后的K组反演时长；
将第一次反演后的K组震源深度、走向、倾角、滑动角、准确率和反演时长导入表格，获得第一反演表，如表2所示；
表2：第一反演表
将表2中的K组准确率和反演时长进行累加后求平均，获得第一反演的准确率均值和第一反演的反演时长均值，其中，第一反演的准确率均值为98.575%，第一反演的反演时长均值为0.23S；
使用现有技术中的震源机制反演模型，将K组目标地震事件的地震波形数据和震相导入震源机制反演模型中，获得第二次反演后的K组震源深度、走向、倾角、滑动角和反演时长，将第二次反演后的K组震源深度、走向、倾角和滑动角分别与原始K组震源深度、走向、倾角和滑动角作差比较，获得K组震源深度差值、走向差值、倾角差值和滑动角差值，将K组震源深度差值、走向差值、倾角差值和滑动角差值分别与原始K组震源深度、走向、倾角和滑动角逐一比较，根据比较结果，获得第二次反演后的K组震源深度、走向、倾角和滑动角误差率和准确率，同时记录第二次反演后的K组反演时长；
将第二次反演后的K组震源深度、走向、倾角、滑动角、准确率和反演时长，获得第二反演表，如表3所示；
表3：第二反演表
将表3中的K组准确率和反演时长进行累加后求平均，获得第二反演的准确率均值和第二反演的反演时长均值，其中，第二反演的准确率均值为94.75%，第二反演的反演时长均值为0.39S；
将第一反演的准确率均值和第一反演的反演时长均值与第二反演的准确率均值和第二反演的反演时长均值比较后发现，经过上述S1-S5的方法获得震源机制的准确率高于现有技术中震源机制的准确率，上述S1-S5的方法获得震源机制的反演时长低于现有技术中震源机制的反演时长，则说明经过上述S1-S5的方法后获得震源机制反演模型，相对于现有技术，能够在地震发生后能够迅速、准确地获取有关地震的详细信息，提高震源机制的反演计算准确度，并降低反演计算时长；
本实施例中，通过获取地震实时数据，构建出地震事件，并生成自动计算结果库，基于筛选准则，从自动计算结果库中筛选出目标地震事件，并判定目标地震事件是否满足计算需求，基于目标地震事件的发生时刻，生成目标时段，并截取目标地震事件在目标时段内的观测数据，基于观测数据，构建出震源机制反演模型，采集目标地震事件在波形采集时长内的实时数据，并反演出目标地震事件的震源机制，基于互通准则，建立可视化发布通道，并将反演出的震源机制向外发布；相对于现有技术，能够对目标地震事件进行准确且快速的识别，构建出实时震源机制反演模型，并通过在目标时段内采集目标地震事件的地震波形数据，实现自动化的地震事件检测、波形截取和震源机制反演的效果，提高了对地震事件的响应速度和监测效率，使得在地震发生后能够迅速、准确地获取有关地震的详细信息，为防灾减灾提供有力支持，极大的降低了地震造成的经济损失。
实施例2：请参阅图3所示，本实施例未详细叙述部分见实施例1描述内容，提供实时计算震源参数系统，应用于地震服务器，用于实现实时计算震源参数方法，包括事件构建模块、事件判断模块、数据截取模块、模型构建模块、震源机制反演模块和可视化发布模块，其中，各个模块之间通过有线或无线网络方式连接；
事件构建模块，用于获取地震实时数据，构建出地震事件，并生成自动计算结果库；
事件判断模块，用于基于筛选准则，从自动计算结果库中筛选出目标地震事件，并判定目标地震事件是否满足计算需求；
数据截取模块，用于基于目标地震事件的发生时刻，生成目标时段，并截取目标地震事件在目标时段内的观测数据；
模型构建模块，用于基于观测数据，构建出震源机制反演模型；
震源机制反演模块，用于采集目标地震事件在波形采集时长内的实时数据，反演出目标地震事件的震源机制；
可视化发布模块，用于基于互通准则，建立可视化发布通道，并将反演出的震源机制向外发布。
实施例3：请参阅图4所示，本实施例公开提供了一种电子设备，包括处理器和存储器；
其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行实现所述的实时计算震源参数方法。
由于本实施例所介绍的电子设备为实施本申请实施例1中实时计算震源参数方法所采用的电子设备，故而基于本申请实施例中所介绍的实时计算震源参数方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍。只要本领域所属技术人员实施本申请实施例中实时计算震源参数方法所采用的电子设备，都属于本申请所欲保护的范围。
实施例4：请参阅图5所示，本实施例公开提供了一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当所述计算机程序被运行时，执行实现所述的实时计算震源参数方法。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.实时计算震源参数方法，应用于地震服务器，其特征在于，包括：
S1：获取地震实时数据，构建出地震事件，并生成自动计算结果库；
S2:基于筛选准则，从自动计算结果库中筛选出目标地震事件，并判定目标地震事件是否满足计算需求；若满足计算需求，执行S3-S6；若不满足计算需求，重复执行S2；目标地震事件是指自动计算结果库中没有进行过震源机制反演的地震事件，当地震事件进行过震源机制反演时，则该地震事件则无需再次进行相同操作，从而将其剔除；
S3：基于目标地震事件的发生时刻，生成目标时段，并截取目标地震事件在目标时段内的观测数据，调取自动计算结果库的震相文件；
S4：基于观测数据和震相文件，构建出震源机制反演模型；
S5：采集目标地震事件在波形采集时长内的实时数据，反演出目标地震事件的震源机制；
S6：基于互通准则，建立可视化发布通道，并将反演出的震源机制向外发布；
步骤S2中所述目标地震事件的筛选方法包括：
按照由后往前的时间顺序，标记自动计算结果库中过往i个时刻的事件信息，获得i个地震事件；
逐一对i个地震事件进行编号，获得i个地震事件的编号；
遍历自动计算结果库中的p个计算结果，识别p个计算结果的编号；
将i个地震事件的编号与p个计算结果的编号逐一对比，剔除掉与地震事件的编号一致的计算结果的编号所对应的地震事件；
将余下的地震事件标记为目标地震事件；
目标地震事件是否满足计算需求的判定方法包括：
通过地震台站数据库查询目标地震事件的地震震级，标记为目标震级ZJmb；
将目标震级ZJmb与预设的震级阈值ZJyz比较；
当ZJmb小于等于ZJyz时，判定目标地震事件不满足计算需求；
当ZJmb大于ZJyz时，判定目标地震事件满足计算需求；
步骤S4中所述震源机制反演模型的构建方法包括：
波形数据预处理：识别观测数据中的P波和S波，并对P波和S波进行去噪和滤波处理；
设置模型参数：搭建实时震源机制反演模型，设定震源模型参数；
震源机制反演：根据先验信息初始化震源机制参数和震源机制类型，利用全波形反演算法预处理后的地震波形数据进行拟合，优化震源机制参数；
参数优化迭代：迭代调整震源机制参数，重复进行拟合和震源机制参数优化，直到达到最佳拟合结果或收敛时停止；
步骤S5中所述震源机制的反演方法包括：
在数据库内识别出目标地震事件，并标记目标地震事件首次出现地震波形数据的时间；
以首次出现地震波形数据的时间为开始时刻，以一个波形采集时长后的时间为终止时刻，获取目标地震事件的地震波形数据和震相文件；
将地震波形数据和震相文件导入到震源机制反演模型中，反演出目标地震事件的震源机制；
步骤S6中所述互通准则为：任意相邻两个子通道之间均保持互通；
可视化发布通道的建立方法包括：
构建m个等容量的子通道，并对m个子通道依次升序编号；
在m个子通道的首尾两端分别标记首连接点和尾连接点；
以编号最小值对应的子通道为基点，按照编号升序方式，将m个子通道顺时针环形排列；
调整m个子通道的角度，直至第m个子通道的尾连接点与第m+1个子通道的首连接点之间的间距达到标准间距时停止调整；
在第m个子通道的尾连接点与第m+1个子通道的首连接点之间搭建通道，获得m-1个交互通道；
逐一对m个子通道和m-1个交互通道进行震源类型标注，获得可视化发布通道。
2.根据权利要求1所述的实时计算震源参数方法，其特征在于，步骤S1中的所述自动计算结果库的生成方法包括：
通过地震台站的数据库获取地震实时数据；
按照采集时刻的先后顺序对地震实时数据进行排列，并将处于同一时刻下的地震实时数据汇总，获得待标注事件；
将待标注事件标注上对应的采集时刻，构建出地震事件；
将地震事件按照采集时刻的先后顺序排列后，生成自动计算结果库。
3.根据权利要求1所述的实时计算震源参数方法，其特征在于，步骤S3中的所述观测数据的截取方法包括：
从地震波形数据库内筛选出目标地震事件对应的归档文件；
将归档文件中的地震波形数据按照监测时间的先后顺序依次排列，并标注上监测时间，获得带有时间标注的归档文件；
将目标地震事件的发生时刻记为基准时刻，以提前第一预设时长SCyz1所在时刻为起点，以延后第二预设时长SCyz2所在时刻为终点，将起点至终点之间的时段标记为目标时段SDmb，SCyz1小于SCyz2；
在带有时间标注的归档文件中分别标记目标时段的起点对应的时刻和终点对应的时刻，获得截取区域；
从带有时间标注的归档文件中截取出截取区域内的地震波形数据，获得观测数据。
4.根据权利要求1所述的实时计算震源参数方法，其特征在于，步骤S5中的所述采集时长的获取包括：
标记第一次监测到目标地震事件出现P波的时刻，记为P波起始时刻，将最后一次监测到目标地震事件出现P波的时刻，记为P波结束时刻；
将P波结束时刻与P波起始时刻作差比较，获得P波采集时长；
P波采集时长的表达式为：
SCp＝JSp-QSp；
式中，SCp为P波采集时长，JSp为P波结束时刻，QSp为P波起始时刻；
标记第一次监测到目标地震事件出现S波的时刻，记为S波起始时刻，当预设时长内不再监测到S波时，将最后一次监测到目标地震事件出现S波的时刻，记为S波结束时刻；
将S波结束时刻与S波起始时刻作差比较，获得S波采集时长；
S波采集时长的表达式为：
SCs＝JSs-QSs；
式中，SCs为S波采集时长，JSs为S波结束时刻，QSs为S波起始时刻；
将P波采集时长与S波采集时长分别赋予不同权重因子后并累加求平均，获得波形采集时长；
波形采集时长的表达式为：
式中，SCbx为波形采集时长，为权重因子。
5.根据权利要求1所述的实时计算震源参数方法，其特征在于，步骤S6中的所述反演出的震源机制向外发布的方法包括：
通过自然语言处理技术识别反演出的震源机制，获得n个子类型；
将n个子类型分别转换为PNG的图片格式，获得n个发布图片；
将n个发布图片逐一导入到子通道内，进行可视化分布。
6.实时计算震源参数系统，用于实现权利要求1-5中任一项所述的实时计算震源参数方法，其特征在于，包括事件构建模块、事件判断模块、数据截取模块、模型构建模块、震源机制反演模块和可视化发布模块，其中，各个模块之间通过有线或无线网络方式连接；
事件构建模块，用于获取地震实时数据，构建出地震事件，并生成自动计算结果库；
事件判断模块，用于基于筛选准则，从自动计算结果库中筛选出目标地震事件，并判定目标地震事件是否满足计算需求；
数据截取模块，用于基于目标地震事件的发生时刻，生成目标时段，并截取目标地震事件在目标时段内的观测数据；
模型构建模块，用于基于观测数据和震相文件，构建出震源机制反演模型；
震源机制反演模块，用于采集目标地震事件在波形采集时长内的实时数据，反演出目标地震事件的震源机制；
可视化发布模块，用于基于互通准则，建立可视化发布通道，并将反演出的震源机制向外发布。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410430542.6A CN118033744B (zh) | 2024-04-11 | 2024-04-11 | 实时计算震源参数方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410430542.6A CN118033744B (zh) | 2024-04-11 | 2024-04-11 | 实时计算震源参数方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118033744A CN118033744A (zh) | 2024-05-14 |
| CN118033744B true CN118033744B (zh) | 2024-06-11 |
Family
ID=90989674
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410430542.6A Active CN118033744B (zh) | 2024-04-11 | 2024-04-11 | 实时计算震源参数方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118033744B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118244340B (zh) * | 2024-05-23 | 2024-08-09 | 山东省地震局 | 基于深度学习的地震事件类型识别判定方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106814391A (zh) * | 2015-11-27 | 2017-06-09 | 中国石油化工股份有限公司 | 基于菲涅尔体层析反演的地面微地震事件定位方法 |
| CN114063153A (zh) * | 2021-12-01 | 2022-02-18 | 中国地震局地球物理研究所 | 一种自动反演震源机制解的方法与装置 |
| CN115267900A (zh) * | 2022-08-16 | 2022-11-01 | 中国矿业大学 | 一种震动波ct反演震源数据的筛选方法 |
| CN115373029A (zh) * | 2022-10-25 | 2022-11-22 | 中国科学院地质与地球物理研究所 | 基于深度学习的实时微地震震源机制计算方法及系统 |
| CN115826042A (zh) * | 2022-11-22 | 2023-03-21 | 中国地震局地球物理研究所 | 一种边云端结合的分布式地震数据处理方法与装置 |
| JP7282305B2 (ja) * | 2019-08-20 | 2023-05-29 | 日本電気株式会社 | 地震観測装置、地震観測方法および地震観測プログラム |
| CN116701820A (zh) * | 2023-07-03 | 2023-09-05 | 山东省地震局 | 一种使用多点源震源机制描述大地震震源的快速计算方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110235464A1 (en) * | 2010-03-24 | 2011-09-29 | John Brittan | Method of imaging the earth's subsurface during marine seismic data acquisition |
| CN114298100B (zh) * | 2021-12-27 | 2022-07-12 | 成都理工大学 | 地震波信息确定方法及装置、计算机可读存储介质 |
| CN115291281B (zh) * | 2022-09-30 | 2022-12-20 | 中国科学院地质与地球物理研究所 | 基于深度学习的实时微地震震级计算方法及装置 |
-
2024
- 2024-04-11 CN CN202410430542.6A patent/CN118033744B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106814391A (zh) * | 2015-11-27 | 2017-06-09 | 中国石油化工股份有限公司 | 基于菲涅尔体层析反演的地面微地震事件定位方法 |
| JP7282305B2 (ja) * | 2019-08-20 | 2023-05-29 | 日本電気株式会社 | 地震観測装置、地震観測方法および地震観測プログラム |
| CN114063153A (zh) * | 2021-12-01 | 2022-02-18 | 中国地震局地球物理研究所 | 一种自动反演震源机制解的方法与装置 |
| CN115267900A (zh) * | 2022-08-16 | 2022-11-01 | 中国矿业大学 | 一种震动波ct反演震源数据的筛选方法 |
| CN115373029A (zh) * | 2022-10-25 | 2022-11-22 | 中国科学院地质与地球物理研究所 | 基于深度学习的实时微地震震源机制计算方法及系统 |
| CN115826042A (zh) * | 2022-11-22 | 2023-03-21 | 中国地震局地球物理研究所 | 一种边云端结合的分布式地震数据处理方法与装置 |
| CN116701820A (zh) * | 2023-07-03 | 2023-09-05 | 山东省地震局 | 一种使用多点源震源机制描述大地震震源的快速计算方法 |
Non-Patent Citations (2)
| Title |
|---|
| Real-time monitoring and massive inversion of source parameters of very long period seismic signals: An application to Stromboli Volcano, Italy;Auger, E等;《GEOPHYSICAL RESEARCH LETTERS》;20060222;第33卷(第4期);全文 * |
| 基于微震在线监测的实时震源波速反演技术应用;王元杰;《中国煤炭》;20231130;第49卷(第11期);第31-38页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118033744A (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN118033744B (zh) | 实时计算震源参数方法和系统 | |
| CN108805269B (zh) | 一种基于lstm循环神经网络拾取震相到时的方法 | |
| CN111123355B (zh) | 一种基于微震监测数据的岩爆预测方法及系统 | |
| Kuyuk et al. | Real-time classification of earthquake using deep learning | |
| Rubin et al. | Aftershock asymmetry/rupture directivity among central San Andreas fault microearthquakes | |
| CN114063153B (zh) | 一种自动反演震源机制解的方法与装置 | |
| CN110472729B (zh) | 基于综合cnn-lstm的岩爆状态预测方法 | |
| CN107393555B (zh) | 一种低信噪比异常声音信号的检测系统及检测方法 | |
| CN113568043B (zh) | 基于深度卷积神经网络的三阶段震相拾取方法 | |
| US9239395B2 (en) | Method and system of determining earthquake parameters, earthquake search engine | |
| CN111158045B (zh) | 油藏改造微地震事件散点聚类分析方法及系统 | |
| US11789173B1 (en) | Real-time microseismic magnitude calculation method and device based on deep learning | |
| CN110632662A (zh) | 一种利用DCNN-Inception网络自动识别微地震信号的算法 | |
| CN114152980B (zh) | 一种快速自动化产出震源机制解的方法与装置 | |
| CN111458746A (zh) | 一种基于U-Net神经网络的隧道微震波形到时拾取方法 | |
| CN111983676A (zh) | 一种基于深度学习的地震监测方法及装置 | |
| CN106886044A (zh) | 一种基于剪切波与Akaike信息准则的微地震初至拾取方法 | |
| US20240078413A1 (en) | Massive data-driven method for automatically locating mine microseismic source | |
| CN112782762A (zh) | 一种基于深度学习的地震震级判定方法 | |
| US20170343691A1 (en) | Distributed seismic node computing | |
| Li et al. | Real-time characterization of finite rupture and its implication for earthquake early warning: application of FinDer to existing and planned stations in Southwest China | |
| CN117250670A (zh) | 矿震一体化监测台网的检测能力评估方法、系统及设备 | |
| CN115826042A (zh) | 一种边云端结合的分布式地震数据处理方法与装置 | |
| CN114896548B (zh) | 一种边坡稳定性判断方法、装置、设备及可读存储介质 | |
| CN116088050A (zh) | 一种基于微震监测破裂源时空强参数的岩爆预测方法 |
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 |