导读:本文包含了地震事件检测论文开题报告文献综述及选题提纲参考文献，主要关键词:事件自动检测,频谱特征,深度学习技术
地震事件检测论文文献综述
赵明,陈石,房立华,张贝[1]（2019）在《基于深度学习技术和波形频谱的地震事件自动检测》一文中研究指出地震观测数据的自动化和智能化处理,是地震科技创新工程的重要组成部分。首都圈地区(包括北京市、天津市及河北省)为中国防震减灾重点示范区,由178个台站组成,台间距约为30—50 km。由于台间距比较稀疏,仪器类型也不统一(长周期和短周期都有),其数据质量和信噪比水平各异,再加上95%以上都是低于2.0级的小震微震,对任何自动识别算法都是一个艰(本文来源于《国际地震动态》期刊2019年08期）
余杨[2]（2019）在《基于深度学习的地震事件检测及波形初至拾取方法研究》一文中研究指出近年来,随着国家在防震减灾投入的不断增加,地震监测网络逐步完善,地震台站记录了大量的波形数据,这些波形数据为地震定位、地震分析等研究提供了数据支撑。在处理连续波形数据时,首先从连续的波形数据中检测包含地震事件的波形片段,然后在包含地震事件的波形片段中拾取波形初至时间。相关处理最初由受培训的专业人员人工完成,需要耗费大量的人力成本和时间成本,因此自动化的地震事件检测和波形初至拾取方法成为学术研究的热点。地震台站接收波形数据,收集连续不断的波形记录。在处理波形记录时,首先检测地震事件,然后拾取波形初至。地震事件检测是指从连续的波形数据中找出含有地震事件的波形片段,波形初至拾取是指在地震事件中识别出地震波P波(横波)和S波(纵波)首次到达观测台站的时间。目前流行的自动化处理方法STA/LTA(长短窗均值比法)以及AR-AIC(自回归赤池信息准则法)主要从信号处理的角度出发,通过设计波形相关的属性、设置阈值并进行大量的调参工作以达到最优效果。STA/LTA以及AR-AIC方法不仅需要设计者具备专业的地震知识,而且需要大量的调参工作,虽然处理速度快但其效果受噪声影响大。随着人工神经网络的发展,有学者开始研究基于人工神经网络的自动化处理方法。尽管这些方法省去人工调参的工作,但仍然需要人工设计输入到人工神经网络的特征,人工设计的输入难以完全利用波形数据中包含的信息。本文首先阐述地震事件检测和波形初至拾取的研究背景,介绍和分析了地震事件检测和波形初至拾取的相关算法以及深度学习研究进展。针对地震事件检测任务,目前大多数利用卷积神经网络的方法忽视台站之间因地理位置可能导致的差异,针对所有台站只训练一个检测网络,利用大量数据训练,取得了良好的效果,但是在数据量减少时效果会大幅退化。针对波形初至拾取任务,传统的STA/LTA和AR-AIC方法不能完全利用波形数据的序列性,且受噪声影响大,一些基于深度学习的方法以波形数据为输入取得了良好的拾取效果,但是由于地震数据序列较长,其方法只能用于微小地震。针对上述挑战,结合地震数据的特点,本文主要贡献点如下:(1)针对少样本的地震事件检测问题,本文考虑到地震台站因所处地理位置所导致的差异性,提出了一个基于多任务学习的地震事件检测模型。首先,本文以台站间距离作为聚类的标准,对各地震台站进行聚类并将各地震台站簇检测地震事件视为单个学习任务。其次,对多个任务使用基于硬共享的深度多任务学习方法,联合多台站数据对每个学习任务建立单独的地震事件检测网络。实验表明该方法提高少样本情况下使用卷积神经网络检测地震事件的效果。(2)针对波形初至拾取任务,本文充分利用地震数据的序列性,借助序列标注的思想,提出了一个基于深度学习的拾取模型。首先,本模型设计了一个网络,以序列数据为输入,对序列数据实现降维并利用序列标注得到波形初至的大致到时。其次,利用大致波形初至到时切分波形,并将传统拾取方法应用于切分出的波形数据,从而精确拾取波形初至到时。实验表明该拾取模型鲁棒性好,拾取成功率高,拾取误差小,且所提出的网络具有良好的迁移性。(本文来源于《中国科学技术大学》期刊2019-05-27）
闫坤,王伟君[3]（2018）在《基于地震波形模板扫描的呼图壁地震震源区事件检测和地震活动性分析(摘要)》一文中研究指出北天山中段位于盆山过渡地带,是地震活动十分活跃的地区。上新世以来的北天山逆冲隆升对准噶尔盆地的挤压形成了如今的逆冲褶皱带。历史上这一区域曾发生过M7.7级的玛纳斯地震,如今仍然有较高地震活动性。2016年12月8日的呼图壁M6.2地震,就发生在这一强构造变形带上。本文以这次地震的震源区和余震区为研究对象,检测、定位并分析其余震序列,为深入理解该地区的地震活动性特征和发震构造提供依据。呼图壁地震是一次低角度(dip～22°)逆冲断层活动,发震位置43.83°N,86.35°E(台网中心),震中100Km范围内有5个固定台站,对该区域地震事件有较好的监测和定位能力。震后一个月内在研究区架设了流动台站进行高密度观测,随后又进行了加密,形成了由110个短周期流动台站和9个宽频台组成的台网。首先用地震波形模板扫描的方法检测研究区的地震事件,用目录中的事件作为模板,扫描2014至2018年的连续波形,得到了比初始目录多叁倍的新事件,使地震目录更完整。然后排除其中的人为事件(矿震)影响,分析所得目录的完备性和b值分布。最后,利用HypoDD双差定位方法将检测到的事件重新定位,分析其时空展布和迁移过程。重点分析呼图壁地震余震区(A区:86°E-86.5°E,43.65°N-43.9°N)、石梯子台站附近(B区:86°E-86.5°E,43.5°N-43.73°N)和硫磺沟(C区:87°E-87.3°E,43.5°N-43.9°N)叁个区域。A区的地震活动受发震断层控制,检测这一区域地震事件并精定位有助于解释发震构造。C区以一级以下的小震为主,研究时需要去除爆破和矿震等人为活动的影响。B区在近期出现了一系列震群,因为靠近余震区,对比震群和呼图壁主震的关系,可以深入理解研究区地震活动的迁移规律和演化过程。模板扫描的方法丰富了地震目录,降低了最小完备震级,有助于更准确地评价区域地震活动性。从完备震级的分布上看,研究区西侧要高于东侧,表明西侧的监测能力较东侧低,震后布设的流动台站提高了该区域的监测能力。呼图壁地区的微震识别工作在完善了该地区地震目录的同时为后续研究的开展奠定了基础。(本文来源于《2018年中国地球科学联合学术年会论文集（十二）——专题22：震震源物理与断层力学研究进展、专题23：中国地震科学实验场》期刊2018-10-21）
陈依伲[4]（2018）在《利用台阵技术进行微地震事件检测和定位》一文中研究指出地震台阵最初在上世纪50年代是为了检测和识别核爆炸而建立的,并且自那以后就一直被用于检测弱信号和研究地下精细结构。与单一地震台站相比,地震台阵的主要优点之一是利用阵列台站信号的相关性通过迭加提高信号的信噪比(SNR)。另外地震台阵还可以确定地震信号的方向信息。本论文主要是把台阵分析技术应用于页岩气水力压裂开发诱发的微震检测和定位,以及智利俯冲带弱地震事件的检测和定位。对于页岩气开发水力压裂微震检测,微震事件检测的完备性对于压裂裂缝的刻画至关重要。而微震事件信噪比较低,因此微震事件的检测仍然是一个较大的挑战。与传统的长短时窗平均值相比的地震事件检测方法相比,基于模板匹配的M&L算法利用模板和检测事件的波形相似性以及台阵台站之间的相关性,实现对微弱事件的监测和定位。我们把M&L算法应用于一个实际的页岩气水力压裂开发地面微地震监测数据,检测出比模板事件多叁倍的事件,并同时初步确定了这些事件的位置。对于智利北部俯冲带产生的地震事件,发展了基于叁个小台阵波束成型的微弱事件检测流程。与地震目录事件相比较,基于台阵分析检测出多两倍的事件数。而且基于台阵分析还初步检测出了疑似非火山型的震颤信号。不同台阵分析方法在不同类型事件的检测和定位结果表明,基于台阵的微弱事件检测和定位是一种有效的方法。(本文来源于《中国科学技术大学》期刊2018-05-30）
詹小艳,王恒知,王俊,缪发军,薛莹莹[5]（2018）在《基于波谱包络特征的地震事件检测》一文中研究指出以声谱图像模式识别为基本思想,改进了基于地震波波谱包络分布特征的初至震相检测方法。改进后的算法,首先将波形记录特征转换为谱能量分布,以台站固有背景噪声的时频特征为基准,提取出记录信号的时频包络特征作为事件触发检测的目标函数。为降低主震尾波对检测后续余震的影响,采用非线性标度缩放因子对大于台站背景噪声水平的能量进行归一化处理。通过2组密集余震序列的实测结果表明:相对STA/LTA算法自动检测结果,新方法正确触发率提高约19.6%,漏触发率则降低了22.6%,表现出更强的抗干扰能力和触发效率,且运行速度快,能够满足地震实时处理系统的技术要求。(本文来源于《地震研究》期刊2018年02期）
李小光[6]（2017）在《基于手机加速度计的地震事件检测方法研究》一文中研究指出地震事件检测是地震预警系统中的关键环节。传统的地震检测技术通过地震台站的高精度加速度计判别地震发生与否。近年来,随着智能手机的普及和性能提升,基于手机内置加速度计进行地震事件检测成为地震预警研究领域的新方向。有别于传统的检测技术,基于手机加速度计的地震事件检测方法不再侧重于从强噪声中提取地震事件数据,而是聚焦在挖掘人类活动数据模式和地震事件数据模式的差异。因此,传统地震事件检测方法在手机地震事件检测中并不完全适用。本论文从典型的人类活动模式特点出发,设计了手机固定姿态下的地震事件分层检测框架,并在此基础上通过加速度计和磁力计的数据融合,提出一种手机非固定姿态下的地震事件检测方法。主要工作和贡献如下:首先,本论文给出了一种新的基于地震体验屋的地震事件模拟方法,以更好地再现真实地震场景下的手机加速度数据模式。在此基础上,建立了地震事件检测样本库,该样本库覆盖了多种设备、手机姿态、手机载体、正负样本类型、和传感器类型。其次,通过传统门限方法和MyShake检测方法的融合,重点研究了手机固定姿态下的地震事件分层检测算法框架。在算法的较低层次,使用门限算法,提取STA/LTA和SMC特征,考虑与地震事件区分度较高的典型人类活动事件;在算法较高层次,使用随机森林分类算法,提取时频域特征,考虑与地震事件难以区分的典型人类活动事件。实验结果验证了分层算法在手机固定姿态下地震事件检测中的有效性。最后,在分层算法框架的基础上,通过加速度计和磁力计数据的融合,实现了不同手机设备数据坐标的归一化,并提出了地理相关的数据特征以更加高效地区分地震事件和人类日常活动事件。在此基础上,给出了手机非固定姿态下的地震事件检测策略:坐标归一化数据+地理特征+随机森林算法。实验结果表明,在该策略下,正负样本查准率均超过90%,且算法使用的总数据特征维数大大降低。(本文来源于《武汉大学》期刊2017-05-01）
陈依伲,张海江[7]（2016）在《用MatchU&Locate方法进行微地震事件检测和定位》一文中研究指出1.引言水力压裂改造可以提高非常规储层的渗透率,是提高非常规油气采收率的关键技术之一。压裂改造过程中岩石破裂会产生大量的微地震事件,对这些微小事件进行检测和定位对于研究裂缝的发展,压裂改造效果的评估等都具有很大的意义。地面微地震监测系统通常具有方位角覆盖较好,信号信噪比较低,成本较低的特点。因此应用也较为广泛。我们将匹配定位(Match&Locate)方法用于地面系统的页岩气层水力压裂微震监测。该方法利用互相关技术和迭加对齐各台站互相关波形的办法,十分有利于地面系统的微小事件的检测,而且(本文来源于《2016中国地球科学联合学术年会论文集（二十七）——专题51：微地震监测与反演》期刊2016-10-15）
梁建宏,刘杰,杨文,邓菲[8]（2015）在《一种低频地震事件的检测方法——在汶川地震和芦山地震前的初步应用》一文中研究指出本文发展了一种单台检测低频地震事件的方法,并用其检测2008年汶川MS8.0地震、2013年芦山MS7.0地震震前的低频事件。使用汶川地震、芦山地震前周边的宽频带台站数月的垂直向连续波形,经过2~8 Hz带通滤波、窗长为10s的包络平滑、窗长为20min的中值滤波,去除近场天然地震及远场大震与低频噪声的影响后,发现这两个大地震前有少数台站在连续数天的时间内,出现持续时间长(数十分钟到数小时)、包络中值明显大于背景噪声的现象,其波形记录及包络特征与非火山震颤(NVT)的波形记录及包络特征具有较好的相似性,我们认为这是汶川地震和芦山地震前的疑似慢地震事件。初步应用表明,本文所用的方法对于从宽频带连续波形资料中提取NVT信号是可行的。(本文来源于《地震》期刊2015年01期）
余建华,段荣霞,周炜[9]（2014）在《地震事件检测及预警装置的设计》一文中研究指出针对我国地震灾害较严重的现象,以地震发生时的P波为检测对象,采用STA/LTA算法,设计了地震检测和预警装置。通过对STA/LTA算法的改进、硬件的设计及电路的调试,实现了地震数字信号的高精度采集,在破坏性地震波到来之前发出预警,及时采取相应措施,避免经济损失和人员伤亡。(本文来源于《测控技术》期刊2014年08期）
谭毅培,曹井泉,刘文兵,卞真付,孙安辉[10]（2014）在《2013年3月涿鹿微震群遗漏地震事件检测和发震构造分析》一文中研究指出震群活动时,短时间发生大量地震,不同地震事件的记录波形相互交迭影响,易造成地震目录的遗漏,对震群发震构造分析等研究带来不利的影响.本文针对2013年3月3日至5日在河北涿鹿发生的微震震群,利用匹配滤波技术,以地震台网观测目录所记录地震事件的波形为模板,在连续波形记录中搜索与模板相似的信号,从而检测台网目录遗漏的地震.利用波形互相关标定新检测到地震事件的P波和S波到时,进而对其震中位置和震级做出估计.计算结果显示,通过互相关扫描检测到52个地震台网常规分析遗漏的地震,约为地震目录给出的45个事件的1.16倍.检测到的遗漏地震震级估算为M_L0.1~0.9,通过震级-频次统计分析,加入遗漏地震后地震目录的完整性在M_L0.3~0.8范围内有较明显的改善.根据地震事件精定位结果,推测此次震群的发震构造为北西走向倾角较大的断层,施庄断裂为发震构造的可能性较大.(本文来源于《地球物理学报》期刊2014年06期）
地震事件检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,随着国家在防震减灾投入的不断增加,地震监测网络逐步完善,地震台站记录了大量的波形数据,这些波形数据为地震定位、地震分析等研究提供了数据支撑。在处理连续波形数据时,首先从连续的波形数据中检测包含地震事件的波形片段,然后在包含地震事件的波形片段中拾取波形初至时间。相关处理最初由受培训的专业人员人工完成,需要耗费大量的人力成本和时间成本,因此自动化的地震事件检测和波形初至拾取方法成为学术研究的热点。地震台站接收波形数据,收集连续不断的波形记录。在处理波形记录时,首先检测地震事件,然后拾取波形初至。地震事件检测是指从连续的波形数据中找出含有地震事件的波形片段,波形初至拾取是指在地震事件中识别出地震波P波(横波)和S波(纵波)首次到达观测台站的时间。目前流行的自动化处理方法STA/LTA(长短窗均值比法)以及AR-AIC(自回归赤池信息准则法)主要从信号处理的角度出发,通过设计波形相关的属性、设置阈值并进行大量的调参工作以达到最优效果。STA/LTA以及AR-AIC方法不仅需要设计者具备专业的地震知识,而且需要大量的调参工作,虽然处理速度快但其效果受噪声影响大。随着人工神经网络的发展,有学者开始研究基于人工神经网络的自动化处理方法。尽管这些方法省去人工调参的工作,但仍然需要人工设计输入到人工神经网络的特征,人工设计的输入难以完全利用波形数据中包含的信息。本文首先阐述地震事件检测和波形初至拾取的研究背景,介绍和分析了地震事件检测和波形初至拾取的相关算法以及深度学习研究进展。针对地震事件检测任务,目前大多数利用卷积神经网络的方法忽视台站之间因地理位置可能导致的差异,针对所有台站只训练一个检测网络,利用大量数据训练,取得了良好的效果,但是在数据量减少时效果会大幅退化。针对波形初至拾取任务,传统的STA/LTA和AR-AIC方法不能完全利用波形数据的序列性,且受噪声影响大,一些基于深度学习的方法以波形数据为输入取得了良好的拾取效果,但是由于地震数据序列较长,其方法只能用于微小地震。针对上述挑战,结合地震数据的特点,本文主要贡献点如下:(1)针对少样本的地震事件检测问题,本文考虑到地震台站因所处地理位置所导致的差异性,提出了一个基于多任务学习的地震事件检测模型。首先,本文以台站间距离作为聚类的标准,对各地震台站进行聚类并将各地震台站簇检测地震事件视为单个学习任务。其次,对多个任务使用基于硬共享的深度多任务学习方法,联合多台站数据对每个学习任务建立单独的地震事件检测网络。实验表明该方法提高少样本情况下使用卷积神经网络检测地震事件的效果。(2)针对波形初至拾取任务,本文充分利用地震数据的序列性,借助序列标注的思想,提出了一个基于深度学习的拾取模型。首先,本模型设计了一个网络,以序列数据为输入,对序列数据实现降维并利用序列标注得到波形初至的大致到时。其次,利用大致波形初至到时切分波形,并将传统拾取方法应用于切分出的波形数据,从而精确拾取波形初至到时。实验表明该拾取模型鲁棒性好,拾取成功率高,拾取误差小,且所提出的网络具有良好的迁移性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
地震事件检测论文参考文献
[1].赵明,陈石,房立华,张贝.基于深度学习技术和波形频谱的地震事件自动检测[J].国际地震动态.2019
[2].余杨.基于深度学习的地震事件检测及波形初至拾取方法研究[D].中国科学技术大学.2019
[3].闫坤,王伟君.基于地震波形模板扫描的呼图壁地震震源区事件检测和地震活动性分析(摘要)[C].2018年中国地球科学联合学术年会论文集（十二）——专题22：震震源物理与断层力学研究进展、专题23：中国地震科学实验场.2018
[4].陈依伲.利用台阵技术进行微地震事件检测和定位[D].中国科学技术大学.2018
[5].詹小艳,王恒知,王俊,缪发军,薛莹莹.基于波谱包络特征的地震事件检测[J].地震研究.2018
[6].李小光.基于手机加速度计的地震事件检测方法研究[D].武汉大学.2017
[7].陈依伲,张海江.用MatchU&Locate方法进行微地震事件检测和定位[C].2016中国地球科学联合学术年会论文集（二十七）——专题51：微地震监测与反演.2016
[8].梁建宏,刘杰,杨文,邓菲.一种低频地震事件的检测方法——在汶川地震和芦山地震前的初步应用[J].地震.2015
[9].余建华,段荣霞,周炜.地震事件检测及预警装置的设计[J].测控技术.2014
[10].谭毅培,曹井泉,刘文兵,卞真付,孙安辉.2013年3月涿鹿微震群遗漏地震事件检测和发震构造分析[J].地球物理学报.2014