一种选择错误代价较低的地震事件关联检测算法的方法

    公开(公告)号:CN109709604B

    公开(公告)日:2020-11-06

    申请号:CN201811506637.2

    申请日:2018-12-10

    Abstract: 本发明提供一种选择错误代价较低的地震事件关联检测算法的方法,属于检测算法性能评估领域,该方法通过多种地震时间自动关联检测算法进行地震事件检测,然后对各种方法地震事件检测的结果进行判断和评估,确定地震事件关联检测方法的查全率和查准率,通过在在查全率和查准率二维空间的代价函数曲线对各种方法的检测结果进行定量比较,从而得到一种性能较优的地震事件关联检测方法,用于地震事件的更好检测。

    一种选择错误代价较低的地震事件关联检测算法的方法

    公开(公告)号:CN109709604A

    公开(公告)日:2019-05-03

    申请号:CN201811506637.2

    申请日:2018-12-10

    Abstract: 本发明提供一种选择错误代价较低的地震事件关联检测算法的方法,属于检测算法性能评估领域,该方法通过多种地震时间自动关联检测算法进行地震事件检测,然后对各种方法地震事件检测的结果进行判断和评估,确定地震事件关联检测方法的查全率和查准率,通过在在查全率和查准率二维空间的代价函数曲线对各种方法的检测结果进行定量比较,从而得到一种性能较优的地震事件关联检测方法,用于地震事件的更好检测。

    一种基于Lg波地震矩的地下爆炸当量估算方法

    公开(公告)号:CN119322371A

    公开(公告)日:2025-01-17

    申请号:CN202411481481.2

    申请日:2024-10-23

    Abstract: 本发明涉及一种基于Lg波地震矩的地下爆炸当量估算方法,针对特定地区,利用频率‑波数积分方法进行理论地震图仿真并反演Lg波Q值,在此基础上反演Lg波地震矩源并标定其与地震矩关系,结合观测数据反演得到的Lg波地震矩和震源模型,可以建立起基于Lg波地震矩的当量估算方法;本发明充分利用了相对于源地震矩,Lg波地震矩可以通过源频谱快速反演的优势,通过对不同场地两者关系的预标定,结合震源模型实现了对地下爆炸当量的快速估算,标定结果考虑了不同震源类型组合,适用于多种情况;在求解Lg波地震矩反演方程时采用了L‑M算法,引入了迟滞因子,避免了求解时不收敛,提高了算法稳定性。实现了对特定地区地下爆炸当量的快速估算。

    一种采用单个台站检测特定地区核爆炸地震事件的方法

    公开(公告)号:CN105572738A

    公开(公告)日:2016-05-11

    申请号:CN201610064683.6

    申请日:2016-01-29

    CPC classification number: G01V1/30 G01V2210/1429 G01V2210/6167 G01V2210/65

    Abstract: 本发明公开了一种采用单个台站检测特定地区核爆炸地震事件的方法,基于特定地区历史核爆炸地震事件在台站监测记录的信号特征,先截取了历史核爆炸地震事件在选定台站上的信号记录,并进行了时频域频谱分析确定了滤波频带,在选定的台站的实时数据检测中发现检测信号后,截取了实时波形数据与历史数据进行信号相关计算,判定该特定地区发生了核爆炸地震。本发明解决了特定地区核爆炸地震事件不能使用单台进行检测的问题,能够对特定地区的天然地震事件进行过滤,实现针对特定地区核爆炸地震事件的单台监测报警,完善了对于特定地区核爆炸事件的监测能力。

    一种地震震相的拾取方法

    公开(公告)号:CN110032975B

    公开(公告)日:2021-09-07

    申请号:CN201910298841.8

    申请日:2019-04-15

    Abstract: 本发明公开了一种地震震相的拾取方法,该方法构建了基于多任务深度卷积神经网络模型,通过定义加权的分类损失函数,设计了分类和回归的联合损失函数,利用可获取的某个区域台网大规模三分向台站波形数据集对模型进行训练、验证和测试,实现对震相的检测识别和到时的精确拾取,然后采用迁移学习和数据增强方法,将模型应用于目标区域台网小规模数据集的训练、验证和测试中,实现对目标区域震相拾取。本发明提出利用多任务卷积神经网络同时实现地震震相的检测识别和到时估计,利用迁移学习实现对仅有小型数据集的目标区域的震相精确拾取,解决了地震震相的拾取难题。

    一种地震震相的拾取方法
    10.
    发明公开

    公开(公告)号:CN110032975A

    公开(公告)日:2019-07-19

    申请号:CN201910298841.8

    申请日:2019-04-15

    Abstract: 本发明公开了一种地震震相的拾取方法,该方法构建了基于多任务深度卷积神经网络模型,通过定义加权的分类损失函数,设计了分类和回归的联合损失函数,利用可获取的某个区域台网大规模三分向台站波形数据集对模型进行训练、验证和测试,实现对震相的检测识别和到时的精确拾取,然后采用迁移学习和数据增强方法,将模型应用于目标区域台网小规模数据集的训练、验证和测试中,实现对目标区域震相拾取。本发明提出利用多任务卷积神经网络同时实现地震震相的检测识别和到时估计,利用迁移学习实现对仅有小型数据集的目标区域的震相精确拾取,解决了地震震相的拾取难题。

Patent Agency Ranking