地震震中及临近区域的波传播过程图像模拟研究

发布时间：2020-09-27 19:25

　　天然地震事件为剪切源,震源深度一般几公里以上,震源物理过程持续时间较长,事件波形衰减较为缓慢;人工爆炸是膨胀源,震源深度一般不超过1公里,震源物理过程持续时间较短,由于这类事件波形主要在地表软土层内传播,事件波形衰减明显较快。因此,这两类不同事件的震中及临近区域的波传播过程应该存在明显差异。本文根据在一个事件附近一定区域平面内的多个观测台站(离散观测点)的波形信号数据,由同一时刻的离散观测点信号数据值,采用平面波形插值化方法,得到区域平面内所有其它非观测点位置在该时刻的波形信号数据模拟估计值,从而得到该时刻的事件震中附近一定区域平面内的波场分布图像。对事件全过程每一观测时刻数据点都采用这种方法得到波场分布图像,事件全过程的这种图像系列即是表达了波传播过程的特性。本文根据震源的衰减特性,以及监测台站收集的数据特点,充分利用各台站的数据,形成每个事件的多台站平面差值彩色图像,通过观察时间序列图像的变化特点,提取出序列图像的变化特征以试图对震源类型进行自动化识别。本文研究出了一种:多台站插值的可视化方法(Multi-stations interpolation Pattern,MIP)--使一区域内的全部观测台站的所有波形的任同一时刻可视化为一个彩色图像,前后不同时刻同一区域内的全部观测台站的所有波形转化为一变化的彩色图像系列,通过彩色图像系列的变化来观察地震是如何向周围区域传播,通过传播和变化的特点进行震源类型的快速有效识别。实验结果表明.:天然地震的MIP时空序列图像的平均亮度比人工爆破的高,整个图像的亮度波动变化情况低于人工爆破。震源在垂直方向上的MIP序列图像的特征识别率明显高于东西和南北方向。本文还对采样时间点对MIP时空序列图像的影响进行了研究,发现在天然地震和人工爆破在整个事件过程内某些时间段的MIP时空序列图像有很好的识别率,符合相应震源类型的形成原理和衰减特性。震源类型识别采用机器学习的逻辑回归算法,使用最小二乘来对62个地震事件进行自动化识别,平均识别率达到80%多,最高识别效果有90%。根据提取出来的彩色时间序列图像再次提取其随时间变化的变异系数特征,发现变异系数特征系列的峭度和方差2种特征能够很好识别归类震源类型。
【学位单位】：广西师范大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：P315.6
【文章目录】：
摘要
Abstract
第1章绪论
    1.1 过程可视化
        1.1.1 数据插值
        1.1.2 数据可视化
    1.2 天然地震和人工爆破
    1.3 波形可视化及其传播过程的研究发展状况
        1.3.1 可视化研究发展趋势
        1.3.2 三维波形映射
        1.3.3 彩色图像映射
    1.4 论文研究的意义及研究内容
        1.4.1 研究的意义
        1.4.2 研究内容
第2章常用插值算法
    2.1 简介
    2.2 线性插值
    2.3 多项式插值
    2.4 改进的多项式插值算法
    2.5 三次样条插值
    2.6 本章小结
第3章逻辑回归算法和图像特征提取
    3.1 逻辑回归算法分类器的分类原理
    3.2 特征提取
        3.2.1 直方图
        3.2.2 纹理特征
    3.3 基于sigmoid分类器的震源识别实验设计
    3.4 本章小结
第4章由有限个数据点重构全区域数据的模拟研究
    4.1 模拟台站数据
        4.1.1 正态分布数据点
        4.1.2 指数分布数据点
    4.2 不同插值算法的模拟实验设计
    4.3 实验结果分析
    4.4 本章小结
第5章震动事件的区域台网观测数据图像系列重构研究
    5.1 地图投影
    5.2 几何表面
    5.3 数据提取
    5.4 不同震源类型的图像系列
        5.4.1 多台站的平面插值时空序列图像
        5.4.2 MIP时空序列图
    5.5 不同震源的时空序列图像实验结果
    5.6 本章小结
第6章基于MIP时空图像系列分类实验
    6.1 基于EW通道的时空序列图像震源识别
    6.2 基于NS通道的时空序列图像震源识别
    6.3 基于UD通道的时空序列图像震源识别
    6.4 基于峭度和方差的震源识别
    6.5 本章小结
第7章结论与展望
参考文献
致谢

【相似文献】