CN1221811C - 全球尺度强地震趋势预警方法 - Google Patents
全球尺度强地震趋势预警方法 Download PDFInfo
- Publication number
- CN1221811C CN1221811C CN 99126227 CN99126227A CN1221811C CN 1221811 C CN1221811 C CN 1221811C CN 99126227 CN99126227 CN 99126227 CN 99126227 A CN99126227 A CN 99126227A CN 1221811 C CN1221811 C CN 1221811C
- Authority
- CN
- China
- Prior art keywords
- earthquake
- zone
- seismic
- probability
- doughtily
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000000977 initiatory effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 2
- 208000012788 shakes Diseases 0.000 description 79
- 230000000875 corresponding effect Effects 0.000 description 26
- 238000006467 substitution reaction Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 208000035126 Facies Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 241000221096 Simmondsia chinensis Species 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000032696 parturition Effects 0.000 description 1
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明全球尺度强地震趋势预警系统所述方法的步骤如下：由本世纪以全球大于等于6.0级地震历史目录选取地震三要素，按全球强地震震中分布划分29个区域，并对其编号以序列表示，同时假设每个地震与其发生前后发生的其他地震相关联，依次记录每个区域从本世纪发生每个地震的前后地震，统计其概率，将刚发生地震之后可能发生和发震前发生地震区域编号和发震概率以序列表示，某区域序列与图示地震区域编号相同情况越多，对应区域即为未来地震发震概率最高区域。
Description
本发明涉及一种全球尺度强地震趋势预警系统，也就是利用本世纪全球历史强地震数据通过统计相关性原理对全球未来强地震三要素做地震短临预测的方法。本方法可利用全球范围近日已经发生的数次6级以上地震的时空强三要素，得出未来一个月内在全球范围可能发生6级以上地震的区域。预测准确率在50％以上。本发明属统计地学领域。
对于强地震的发生，能否预测、是否存在关联性等问题专家们各持己见，颇有争论而无共识。本发明人是倾向于持客观看法的，在权威人士中例如中国科学家陈绍绪1986年提出中国发生的多数大地震都有很长的余震活动；美国加州大学地球物理学教授B.罗曼诺维奇1993年提出一次大地震能在20-30年后引发地球上其他地方发生一系列大地震；地震能量在全球转移，使一次地震与远距离的另一次地震连起来。中国物理学教授郑联达1996年证明了地震在全球尺度范围存在相互作用力；中国科学家强祖基教授1989年10月开始成功地利用卫星热红外遥感技术观测到强地震发生前地壳运动及其迁移直至发震的现象。
本发明人自1997年10月开始以全球尺度对1900年以来的强地震进行长时间的研究之后，从观察到的重要现象，认为地震有其自身的孕震和发震条件和发生的规律。同时，利用国际互联网及时对全球强地震三要素进行跟踪检索，发现强地震存在关联性。本发明人认为研究和预测地震的发生不应限于孤立的时、空、强概念，不仅以局部震情为分析样本对某一个孤立区域进行分析，而应以全球尺度整体地去观察强地震的孕震、发展与发震以及它们之间的一系列相关现象，从动态的分析角度，引入时间变量，即从地震动力学特征去分析和跟踪强地震。上述重要现象是指：
1、全球强地震的发生是按时间顺序依次进行的。
全球范围的强地震(特指破坏性大的等于和高于6级地震)每月一般发生10-20次，各次强地震的发生都存在时间间隔，平均在2-3天，至少1小时以上或者说不在同一时刻。这说明全球范围发生的强地震是遵从单一的时间坐标依次发生的自然现象(灾害)，即强地震是先后相继发生。
2、强地震之间存在相关性。
通过观察分析研究发现全球强地震的发生和走向存在某种相关现象，即强地震之间能量和力的转移能导致未来地震震中沿地震带的位移或转移：
(1)本人通过长期纵观全球强地震发生的现象之后，发现全球范围的地震其主震源区有时在太平洋中部，即印尼东部至斐济一带。相对而言，每次强地震的发生大多开始于此区域，然后向东西两方向扩展，特别是向西部扩展，影响到印尼西部及菲律宾并引发一系列的地震，然后由菲律宾北上，进而引发中国台湾、琉球群岛和日本的地震，最后延伸和触发日本北部乃至俄罗斯远东堪察加一带的地震。
(2)太平洋板块与欧亚大陆东部板块的相互挤压导致上述地震的相继发生，地震的发生又进一步触发和加速新的地震的形成，进而引发中国大陆及阿富汗、巴基斯坦以及伊朗的强地震。
(3)伊朗的强地震发生向周边释放和转移能量，引发地中海东岸及北岸的地震，包括土耳其、希腊和意大利的地震。
(4)地中海一带的强地震、欧亚大陆的强地震的发生，其能量转移可能以较快的速度穿过地心诱发地心对面的处于中、南美洲的强地震。例如：1998年1月10日中国张北6.2级地震之后仅1小时，地心对面的秘鲁发生一次强地震。
(5)整个美洲的地震大多是在欧亚大陆包括地中海强地震发生之后通过地心传递而来的能量所激发，由南向北引发一系列强地震，即由南美洲发展到中美洲，直至通过美国、加拿大到达美国的阿拉斯加。南北美洲的强地震还存在相互呼应发生的形象。
本发明的目的在于提出一种全球尺度强地震趋势预警系统，该系统是指根据观察到的现象，根据各个强地震之间存在相关性，特别是每个强地震发生之前所受其他强地震的影响和它发生之后引发其他强地震特征，如近期发生的几个强地震之间的相关性及其与未来地震之间的关联性特征，利用本世纪以来的强地震目录(1900-1999)，应用统计归纳比较的方法找出全球强地震发生的规律，并通过计算方法得出未来强地震的预警系统。
实施本发明全球尺度强地震趋势预警系统所述方法采取的具体步骤如下所述：
由1900年以来全球大于等于6.0级地震历史目录，选取其中地震三要素，即发震时间、震中位置和震级。
根据美国P.K.Dunbar等人编制的2150B.C.-1991A.D.全球强地震目录中给出的按全球强地震震中分布情况划分的25个地震区，并将其修改29个区域，并对每个区域编号。
设A表示地震区域，这29个地震区域可表达为一个序列：
A(i)，i＝1，2……29
同时假设每个地震与其发生之前和之后发生的其他地震相关联。
按区域序号，依次记录每个区域从1900年以来所发生的每个地震的前后地震事件。
统计每个区域发生地震之前和之后发生地震事件的概率。
地震预测
设近日全球范围发生的6次地震依次为： A6，A5，A4，A3，A2，A1，其中A1是刚发生的地震所对应的区域编号，A6是最先发生的。将A1之后可能发生地震的区域及发震概率表示为一个序列：
A1(i，jh)，jh＝1，2，3，……20，i为已知定值。
在A1之后所有可能发震的区域序列中确认出未来地震发生的区域，有必要找出A1(i，jh)序列中每个区域发震前发生地震的区域编号及发震概率，可将其表示为：
A1[A1(i，jh)，jq]，i为已知定值；jh＝jq＝1，2，3，……20。
将上式中每个序列的前几项分别与A1至A6序列比较，如果其中某个序列的区域编号与A1至A6序列的区域编号相同的情况越多，该区域序列A1[A1(i，jh)，jq]所对应的区域A1(i，jh)即为未来地震发震概率最高的区域，此时可将发震概率最高的几个区域确定为未来地震的发震区域。
为提高预测准确率由统计引入强地震区域的月份(季节)与发震概率的参数。按本发明预警系统预测强地震三要素的范围为：震级：大于等于6级地震；发震时间：1-30日之内；震中：某个强地震区域。
现结合附图对本发明全球尺度强地震趋势预警系统所述的方法作进一步的说明。
图1为按全球强地震震中分布情况划分为29个地震区的示意图。
未来强地震的预警系统预测基本步骤
1、由1900年以来(近百年)全球大于等于6.0级(Ms)地震历史目录，选取其中地震三要素，即发震时间、震中位置和震级。
2、根据美国P.K.Dunbar等人编制的2150B.C.-1991A.D.全球强地震目录中给出的按全球强地震震中分布情况划分的25个地震区，并将其修改为29个区域(见图1)，并对每个区域编号，设A表示地震区域，这29个地震区域可表达为一个序列：
A(i)，i＝1，2，3，…，29 (1)
同时，假设每个地震与其发生之前和之后发生的其他地震相关联。
3、按区域序号，依次记录每个区域从1900年以来所发生的每个地震的前后地震事件。
3-1、首先是依次记录被记录区域每个地震发生之前的地震事件。
将该区域每次地震发生之前所发生的五个地震按其对应的区域编号记录下来，这五个地震所对应的区域可能是其他地震区域，也可能是该区域所发生的地震。例如所记录的区域其编号为29，它包括中国东部地区，则对应于1976年7月28日中国唐山7.8级地震，按上述记录法可得：19，27，5，26，21，29。这里的19，27，5，26，21五个区域编号标志被记录的29号区域在1976年7月28日地震发生之前发生的其他地震所对应的区域编号。
3-2、按相同方法记录被记录区域每个地震发生之后的地震事件。
将该区域每次地震发生之后所发生的五个地震按其对应的区域编号记录下来，这五个地震所对应的区域可能是其他地震区域，也可能是被统计的区域所发震的地震。例如所记录的区域其编号为29，则对应1976年中国唐山7.8级地震，按记录法可得出：29，20，16，11，26，18。这里的20，16，11，26，18五个区域编号标志被记录的29号区域在1976年唐山地震发生之后发生的其他地震所对应的区域编号。
4、统计每个区域发生地震之前和之后发生地震事件的概率。
4-1、每个区域地震之前已发生的其他地震出现的概率。
利用对某个区域从1900年以来所发生的每个地震之前的地震事件(利用3-1节中记录的结果)，统计该区域发生地震之前所发生的各地震的概率(以区域编号出现的概率大小排序，概率最大者在前，由左向右递减)。
例如：29号区域，其统计结果为：jq＝1，2，3，…，20。该区域发生地震之前的统计排序(q表示之前)：
统计序号：jq＝1，2，3，4，5，6，7，8，9，10，11，12，13，14，15，16，17，18，19，20 (2)
区域编号：23，3，26，6，12，21，14，27，5，16，1，2，11，18，8，22，7，19，28，20
这项统计结果说明29号区域发生地震之前所发生的其他地震，其发震区域和发震概率大小的关系。如近百年来的统计显示，在29号区域发震之前，23号区域发生地震的概率最大，其次是3号和26号区域，依次不等差递减。
此时，根据(1)式可将某区域地震前已发生的其他地震的区域编号和发震概率表示为：
A(i，jq) i＝1，2，3，…，29；jq＝1，2，3，…，20 (3)
4-2、每个区域地震之后将发生的其他地震出现的概率。
利用对某个区域从1900年以来所发生的每个地震之后的地震事件(利用3-2节中记录的结果)，统计该区域发生地震之后所发生的各地震的概率(以区域编号出现的概率大小排序，概率最大者在前，由左向右递减)。
例如：包括中国东部地区的29号区域，其统计结果为：jh＝1，2，3，…，20。该区域发生地震之后的统计排序(h表示之后)：
统计序号：jh＝1，2，3，4，5，6，7，8，9，10，11，12，13，14，15，16，7，18，19，20 (4)
区域编号： 3，11，6，26，27，18，23，21，16，14，12，5，7，19，20，28，25，10，2，8
这项统计结果说明29号区域发生地震之后所发生的其他地震所在区域和发震概率的关系。如近百年来的统计显示，在29号区域发震之后，3号区域发生地震的概率最大，其次是11号和6号区域。
此时，根据(1)式可将某区域地震后发生其他地震的区域编号和发震概率表示为：
A(i，jh)， i＝1，2，3，…，29；jh＝1，2，3，…，20 (5)
5、地震预测
5-1、设近日全球范围发生的6次地震依次为：
A6，A5，A4，A3，A2，A1(当然也可选择更多的区域，要根据预测准确率而定)其中A1是刚发生的地震所对应的区域编号，A2是在A1之前发生的，…，相比之下A6是最先发生的。这里A＝A(i)，i＝1，2，3，…，29。即A1至A6是全球29个强地震区域中随机发生的地震所对应的区域编号。
根据前而的假设，A1至A6序列与未来地震及其发生的区域相关联。
将A1之后可能发生地震的区域及发震概率表示为一个序列：
A1(i，jh)， jh＝1，2，3，…，20 (6)这里i是已知的定值，即A1表示为29个区域中的某个区域。假设此时i＝29，则在A1之后可能发生地震的区域及发震概率构成一个序列，与(4)式相同。
5-2、这一步是要在A1之后所有可能发生地震的区域序列中确认出未来地震发生的区域，因未来地震区域可能发生在A1(i，jh)序列之中。按照这个推理，有必要找出A1(i，jh)序列中每个区域发震前发生地震的区域编号及发震概率，根据(5)式可将其表示为：
A1[A1(i，jh)，jq]，i为已知定值；jh＝jq＝1，2，3，…，20 (7)
5-3、(7)式反映了A1区域发震之后可能发生的其他地震所对应的区域序列以及该区域序列中各区域发震前发生其他地震的区域序列及其发震概率，或者说(7)式由左向右描述了未来地震发生之前发生地震可能性或发震概率大小的区域序列。这时可以看出，(7)式中的前几项与A1至A6序列存在相似性，即(7)式中的前几项也反映出与未来地震相关联。
将(7)式中的每个序列的前几项分别与A1至A6序列比较，即区域编号之间进行比较，如果(7)式中某一个序列的区域编号与A1至A6序列的区域编号相同的情况越多，则说明该区域序列A1[A1(i，jh)，jq]所对应的区域A1(i，jh)即为未来地震发震概率最高的区域。这时可将发震概率最高的几个区域确定为未来地震的发震区域。
本发明人按照上述步骤对1998年以来的地震进行跟踪式(滚动式)预测分析，即设每次刚发生过的地震为A1，A1以前发生的几个地震依次排序得到A1至A6序列，然后进行分析，分析结果给出了未来强地震可能发生的区域及其发震概率。将发震概率最高的区域记录下来并与A1以后实际发生的地震进行统计和比较，发现实发地震所在区域与预测结果给出的发震概率最高的区域存在对应关系，其吻合程度在50％以上。
为了提高预测准确率，可以考虑区域性地震与季节的关系，因为每个强地震区域都有其月份(季节)与发震概率大小的关系。将本世纪6级以上地震按29个区域分别统计每年地震发生的月份，即可得出每个区域每年按月份的发震概率。按照上述方法得出的预测结果，一般是给出发震概率最高的地震发生区域，为在这些区域中进一步确定是哪一个或哪几个区域可能发生地震，可将季节(月份)参数引入，用以参考判断提高预测准确率。
以上预测方法可能给出未来地震发震区域，这是地震预测三要素之一。因为本发明所讨论的样本空间限定在震级大于等于6级地震的范围，所以预测结果反映出未来地震的震级也是在6级以上。又因为本预测方法是根据刚发生过的地震和近期发生的地震作为计算依据，加之全球每个月6级以上地震一般要发生10至20次左右，即平均每两至三天将发生一次6级以上地震，因此按这个方法预测的未来地震发震时段一般在几日至一个月之内。因此可以给出该预测方法预测强地震三要素的范围是：
震级(Ms)： 大于等于6级地震
发震时间： 1-30日之内
震 中： 某个强地震区域
尽管本发明给出的地震预测三要素不能达到更精确的数值，例如没能得出具体的震级、发震时间和震中经纬度。但是，这样的地震预测结果仍具有地震短临预测的性质。这种方法实际上是一个全球尺度强地震趋势性短临预警专家智能系统，通过它不仅可能及时反映全球强地震的走向和发展趋势，还可能减少在应用其他预测方法时所发生的虚报漏报现象。专家可参考此预测结果，再结合相关的地球物理参数，可能作出更为准确的预测判断。如果与卫星热红外地震短临预测技术、地震能量积累法等预测技术相结合，有可能提高地震短临预测三要素的准确度。
本系统的特点
1、经过实发地震对预测结果的检验可以看出预测结果与实发地震存在对应关系。预测应验结果的统计分析表明，预测准确率在50％以上。
2、该方法为滚动式预测方法：每当在全球范围内新发生一个强地震，则可将这个地震作为A1代入预测系统计算，并可立刻得出若干个未来强地震的相关信息。该方法能及时预测出在全球29个强地震区域中将要发生强地震的区域，从而显示全球强地震的发震趋势和走向。
3、预测要素和范围：强地震震级大于等于6级；发震时间在1-30日之内；给出若干个发震概率最大的未来强地震区域。
4、该方法计算过程中始终贯穿和保留强地震样本的随机性特征和非线性内涵，包括预测结果给出的并非一个定值，而是发震概率最大的若干个区域，然后进行综合判断。
5、计算方法简单，计算速度快捷(通常一次预测仅需要十分钟时间，包括输入数据时间)。
本发明将这项预测技术作为一种新的分析手段应用到全球强地震趋势预测研究和防震减灾之中。这对于解开当今世界所而临的地震预测问题，特别是短临预测难题具有重要的社会意义和实际应用价值。
预测结果与实发地震对照
以下是应用新发明的全球尺度强地震专家智能系统对将要发生的强地震的预测和应验结果，其中区域编号一栏中的数字表示被预测出的未来强地震发震区域编号(该编号可与图1对照得出发震区域在全球中的位置)，这些区域是在预测计算中由系统给出的发震概率最大的区域，而且其排列顺序也显示出其发震概率的大小程度，即越靠左边的编号，其发震概率越大。因为可能发生强地震的区域编号大都集中在编号系列的左边，故靠右一些的编号被省略掉，用“…”表示。数字下面的横线表示该次强地震预测之后一个月之内得到应验的区域编号，即表示该区域在被预测之后确实发生了强地震。A1下面对应的数字表示刚发生的强地震区域编号，编号右侧括号里的数字表示该区域在本月发生的第几次强地震。例如：A1如果对应的区域编号是29(2)，则表示出29号区域在当月发生的第2次强地震。预测计算结果中的序号从小到大的顺序表示A1随时间坐标更临近本例讨论的强地震发生的时间。计算使用的全球历史强地震数据采用日本东京大学地震研究所通过互联网在全球全天候公布的强地震目录，该目录在国际上具有权威性。
例1、利用历史强地震数据验证本方法的效果(之一)
对1997年11月9日中国西藏玛尼7.9级地震(35.0N，87.3E)，利用地震发生之前的强地震数据代入本方法可得出以下结果。在区域编号一栏给出的区域有些在计算之后的几日至一个月内发生了强地震，这些实际发震区域如编号下的横线所示。其中27号区域覆盖中国西南部包括西藏地区(如图所示)，对应1997.11.9.西藏玛尼7.9级强烈地震。
序号 年、月 A1 区域编号
1 1997.10. 7(1) 20.2.1.
3.
27.19.
12.
22.
8.…
2 1997.11. 8(1)
7.20.
21.2.
3.
23.
12.19.
27.…
3 1997.11. 12(1)
7.2.
3.
23.
27.8.20.
21.…
例2、利用历史强地震数据验证本方法的效果(之二)
将1998年1月10日中国河北省张北6.2级地震之前的强地震数据代入本方法可得出如下结果。在区域编号一栏给出的区域有些在计算之后的几日至一个月内发生了强地震，这些发震区域如编号下的横线所示。其中29号区域覆盖中国东部地区(如图所示)，对应1998.1.10.中国张北6.2级地震(41.3N，114.7E)。
序号 年、月 A1 区域编号
1 1997.12. 6(2)
14.12.20.11.21.
29.
6.…
2 1998.1. 14(1)
1.21.12.11.
29.…
3 1998.1. 22(1)
1.11.12.21.
7.27.
29.…
例3、对1998年7月17日中国台湾嘉义市6.2级地震的预测
以下是对台湾嘉义市地震的预测结果。在地震发生前，利用全球已发生的强地震数据代入本方法计算可得出以下结果。在区域编号一栏给出的区域有些在计算之后的几日至一个月内发生了强地震，这些发震区域如编号下的横线所示。其中28号区域覆盖中国东南部包括台湾地区(如图所示)，对应1998.7.17.台湾嘉义6.2级地震(23.5N，120.7E)。
序号 年、月 A1 区域编号
1 1998.7. 25(1) 7.
26.
23.
22.
27.
28.
18.…
2 1998.7. 3(2) 11.
18.10.
23.16.
28.…
3 1998.7. 24(1) 11.16.
18.
23.
8.
21.7.
28.
22.…
例4、对1998年8月27日中国新疆伽师6.6级地震的预测
以下是对1998年8月27日中国新疆伽师6.6级地震的预测结果。在地震发生前，利用全球已发生的强地震数据代入本方法计算可得出以下结果。在区域编号一栏给出的区域有些在计算之后的几日至一个月内发生了强地震，这些发震区域如编号下的横线所示。其中19号区域覆盖中国西北部地区(如图所示)，对应1998.8.27.中国新疆伽师6.6级地震(39.7N，77.4E)。
序号 年、月 A1 区域编号
1 1998.8. 22(1) 11.
14.12.
6.18.
19.…
2 1998.8. 6(2) 11.
14.12.29.
19.…
例5、对1999年8月1日美国加州东北部6.0级地震的预测
以下是对1999年8月1日美国加州东北部6.0级地震的预测结果。在地震发生前，利用全球已发生的强地震数据代入本方法计算可得出以下结果。在区域编号一栏给出的区域有些在计算之后的几日至一个月内发生了强地震，这些发震区域如编号下的横线所示。其中2号区域覆盖美国西部地区(如图所示)，对应1999.8.1.美国加州西部发生的6.0级地震(37.4N，117.1W)。
序号 年、月 A1 区域编号
1 1999.7. 6(1)
21.12.
27.11.19.
2.
7.
14.…
2 1999.7. 27(1) 12.
21.11.
2.23.…
3 1999.7. 24(2)
21.12.
1.23.
14.11.
2.…
例6、对1999年8月17日土耳其7.8级地震的预测
这是在土耳其大地震之前应用该方法对全球强地震进行滚动式跟踪预测的过程和结果。结果表明，自21(1)号区域发震之后，16号区域始终被显示，其位置在预测结果的顺序中偏左，直至该地震发生。16号区域对应的强地震即为1999.8.17.土耳其7.8级地震(40.6N，29.8E)。同时，从区域编号一栏中可以看出，除了16号区域以外，其他一些区域在预测之后也发生了强地震。
序号 年、月 A1 区域编号
1 1999.7. 21(1) 11.29.
23.
16.18.
12.
14.…
2 1999.7. 3(2) 11.
16.18.10.29.…
3 1999.7. 24(3) 11.
16.18.
23.29.…
4 1999.7. 3(3) 11.
16.10.18.
23.19.
14.…
5 1999.8. 1(1) 11.
16.18..
23.…
6 1999.8. 2(1) 18.11.
16.
23.
21.…
7 1999.8. 1(2) 18.11.
16.
21.…
8 1999.8. 26(1) 18.19.11.
16.5.
8.
20.…
9 1999.8. 21(1) 19.11.
16.18.
8.5.
20.…
例7、对1999年9月7日希腊5.9级地震的预测
这是在希腊强地震之前应用该方法对全球强地震进行滚动式跟踪预测的过程和结果。结果表明，自6(2)号区域发震之后，12号区域始终被显示，其位置在预测结果的顺序中偏左，直至该地震发生。12号区域对应的强地震即为1999.9.7.希腊5.9级地震(38.1N，23.5E)。同时，从区域编号一栏中可以看出，除了12号区域以外，其他一些区域在预测之后也发生了强地震。
序号 年、 月 A1 区域编号
1 1999.8. 6(2)
14.26.
7.
16.21.
12.…
2 1999.8. 27(1) 26.
12.
22.25.
3.…
根据对百年来全球强地震进行数以百计的预测试验结果可以认为该方法与自然强地震之间存在一定的对应关系。然而，地震的发生富有极强的随机属性、非线性和不确定性，本方法只能给出将要发生强地震区域的概率。而地震的发生属小概率事件，即发震概率小的不等于不发生。因此，尽管本方法给出的结果不是一个唯一的预测值，或者说本方法在整个计算过程中始终保留自然现象的随机、相关的属性，但是其预测结果与实发地震还是存在某种程度的不一致性，这也许是大自然固有的属性使然，尚须人们进一步探索。
Claims (2)
1、一种全球尺度强地震趋势预测方法，其特征在于，该方法具备如下步骤：
A、初始化步骤，其包括
A1、区域划分步骤，将全球尺度按全球强震震中分布情况划分出用以地震预测的29个地震区域；
A2、数据采集步骤，采集用以进行地震预测的历史地震现象数据，所采集的历史地震现象数据要具备的时间要素为1900年以来的某个时间，空间要素为29个地震区域中的某个区域，强度要素为6级及以上的某个震级；
A3、数据统计步骤，根据每个区域从1900年以来发生的所有地震事件次数，以及其中每次地震事件发生前和发生后时间间隔最近的一次地震事件所处的区域，分别统计并得出每个区域的地震现象受其它区域地震现象影响的概率数据，以及每个地震区域引发的地震现象位于其它各区域的概率的数据；
B、序列确定步骤
B1、第一地震区域序列确定步骤，按照时间远近顺序，列出由最近发生的6次地震现象所处区域组成的第一地震区域序列；
B2、第二地震区域序列确定步骤，根据最近发生的一次地震现象所处的区域，利用步骤A3所得到的由该区域引发的地震现象位于其它各区域的概率的数据，按照概率大小列出由其它各区域中前20个区域组成的第二地震区域序列；
B3、第三地震区域序列确定步骤，对于第二地震区域序列中的每一区域，根据步骤A3所得到的每个区域的地震现象受其它区域地震现象影响的概率数据，针对第二地震区域序列中的每一地震区域，分别按照概率大小列出由其它区域中前20个区域组成的每一第三地震区域序列；
C、结果分析步骤
将步骤B3中得到的所述每一第三地震序列分别与步骤B1中得到的第一地震区域序列对比，相同区域数量越多的第三地震区域序列所对应的位于第二地震区域序列中的地震区域，其未来发生地震现象的概率越大。
2、如权利要求1所述的全球尺度强地震趋势预测方法，其特征在于，其中引入含有强地震区域的月份和发震概率的参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 99126227 CN1221811C (zh) | 1999-12-16 | 1999-12-16 | 全球尺度强地震趋势预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 99126227 CN1221811C (zh) | 1999-12-16 | 1999-12-16 | 全球尺度强地震趋势预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1304049A CN1304049A (zh) | 2001-07-18 |
| CN1221811C true CN1221811C (zh) | 2005-10-05 |
Family
ID=5284338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 99126227 Expired - Fee Related CN1221811C (zh) | 1999-12-16 | 1999-12-16 | 全球尺度强地震趋势预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1221811C (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102010011186B4 (de) * | 2010-03-12 | 2014-09-04 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zur Visualisierung von räumlich verteilten Informationen in einem Frühwarnsystem |
| CN104749632A (zh) * | 2015-04-16 | 2015-07-01 | 徐州工程学院 | 地震趋势的k线分析方法 |
| CN105183942B (zh) * | 2015-07-28 | 2018-06-19 | 中国地震局地球物理研究所 | 一种新型地震目录持久化及可视化方法 |
| CN107045140A (zh) * | 2017-02-22 | 2017-08-15 | 中国科学院寒区旱区环境与工程研究所 | 地震中期预测的地气图方法 |
| CN112800390B (zh) * | 2020-12-30 | 2023-12-26 | 湖北省地震局(中国地震局地震研究所) | 一种基于构造分区的震后趋势概率分析方法 |
-
1999
- 1999-12-16 CN CN 99126227 patent/CN1221811C/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN1304049A (zh) | 2001-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Basili et al. | The making of the NEAM tsunami hazard model 2018 (NEAMTHM18) | |
| Pallister et al. | Broad accommodation of rift-related extension recorded by dyke intrusion in Saudi Arabia | |
| Ambraseys et al. | Internet site for European strong-motion data | |
| Ma et al. | Response of seismicity to Coulomb stress triggers and shadows of the 1999 Mw= 7.6 Chi‐Chi, Taiwan, earthquake | |
| Selva et al. | Probabilistic tsunami forecasting for early warning | |
| Aagaard et al. | Ground-motion modeling of the 1906 San Francisco earthquake, part II: Ground-motion estimates for the 1906 earthquake and scenario events | |
| Erdik et al. | Assessment of seismic hazard in the Middle East and Caucasus: EMME (Earthquake Model of Middle East) project | |
| Aldama-Bustos et al. | Probabilistic seismic hazard analysis for rock sites in the cities of Abu Dhabi, Dubai and Ra's Al Khaymah, United Arab Emirates | |
| Cagnan et al. | Seismic hazard assessment for Cyprus | |
| Chieffo et al. | Induced seismic-site effects on the vulnerability assessment of a historical centre in the molise Region of Italy: Analysis method and real behaviour calibration based on 2002 earthquake | |
| Smith et al. | Predicting the distribution and relative abundance of fishes on shallow subtidal reefs around New Zealand | |
| Løvholt et al. | Urgent tsunami computing | |
| CN1221811C (zh) | 全球尺度强地震趋势预警方法 | |
| Kim et al. | GIS-based optimum geospatial characterization for seismic site effect assessment in an inland urban area, South Korea | |
| Mansouri et al. | A Platform for earthquake risk assessment in Iran case studies: Tehran scenarios and Ahar-Varzeghan earthquake | |
| Trionfera et al. | The 2013–2018 matese and beneventano seismic sequences (Central–Southern Apennines): new constraints on the hypocentral depth determination | |
| Forte et al. | Slope stability in a multi-hazard eruption scenario (Santorini, Greece) | |
| Pesicek et al. | Indicators of volcanic eruptions revealed by global M4+ earthquakes | |
| Sicali et al. | Volcanic unrest leading to the July–August 2001 lateral eruption at Mt. Etna: seismological constraints | |
| Doyle et al. | The earliest occurrence of the ichnogenus Psilonichnus: a new record from the Mississippian of the West of Ireland | |
| CN115036040A (zh) | 融合发热人数和人口背景数据的流行病疫情时空预警方法 | |
| Liu et al. | Probabilistic tsunami hazard assessment for the Southeast Coast of China: Consideration of both regional and local potential sources | |
| Heap et al. | Automated pre-processing strategies for species occurrence data used in biodiversity modelling | |
| White | Time matters on shallow open sites: An example from Western Sydney, Australia | |
| Belvaux et al. | Combined geophysical and geotechnical approaches for microzonation studies in Hispaniola Island |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C06 | Publication | ||
| PB01 | Publication | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| ASS | Succession or assignment of patent right |
Owner name: ZHAO GENLIANG; SONG QI Free format text: FORMER OWNER: SONG QI Effective date: 20070615 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20070615 Address after: 050000 Hebei city of Shijiazhuang province Changan District tower Meng electric District 3 Building 2 unit 403 room Co-patentee after: Song Qi Patentee after: Zhao Genliang Address before: 100045 No. 2, gate 8, building 1, Three Mile River, Beijing Patentee before: Song Qi |
|
| C57 | Notification of unclear or unknown address | ||
| DD01 | Delivery of document by public notice |
Addressee: Zhao Haisheng Document name: Notification that Application Deemed not to be Proposed |
|
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20051005 Termination date: 20181216 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |