波形数据可视化目前是很热门的科学数据可视化研究的主要领域之一,应用领域涵盖：地震勘探、人工爆炸监测、医学成像、语音识别、地球物理勘探、器械故障检测和电力系统故障识别等。通过把波形数据展现为可视化的形式,可以把晦涩、难以把握其规律的波形数据,变成直观明了的图形化形式,让研究人员很容易把握波形数据所代表的带时间标签的物理量或物理现象的总体概况和变化规律,便于研究者观察数据、改变算法甚至模拟计算出这些物理量。天然地震和人工爆破的波形数据在时间域较为相似,难以从时域波形直观辨别出数据来源事件的类型。若采用合适的可视化方法,将波形数据转化为某种形式的图形,不同震源类型的波形数据可视化图形之间具有显著不同的视觉效果,则可达到快速识别出己发生强烈震动事件的震源类型。本文根据强烈震动事件的震源力学机制,研究和探讨了地震波形数据的科学可视化方案。主要针对天然地震和人工爆炸这两类强烈震动事件展开研究。天然地震震源力学机制复杂,震源物理过程持续时间普遍较长,波形信号衰减较缓慢,信号频谱分布较宽。而人工爆炸是瞬间爆发,源点物理过程持续时间较短,因而波形信号衰减较快；另外,由于通常震源都较浅,波形信号的高频成分易被地表软土层吸收,信号频谱分布较狭小。据此,本文研究和探讨了一种波形数据的可视化方案：对称点模式(Symmetric Dot Pattern, SDP)。对于同一事件在不同地点获取的多份观测波形数据,都可绘制成SDP图形,这样一个事件对应于一组SDP图形(简称为SDP图阵)。本文的实验结果表明：天然地震的SDP图阵样式复杂多样,人工爆破的SDP图阵样式较为单一。为便于定量分析,我们还从SPD图阵中计算对称点模式变异系数作为一个识别震源类型的新特征。实验研究表明,对称点模式的变异系数可以作为区分事件震源类型的有效识别特征。本文还探讨SDP的控制参数：采样间隔和差值间隔对可视化效果和事件类型识别率的影响。最后,本文还得出结论：若采用经验模态分解(‘empirical mode decomposi-tion, EMD)和小波变换相结合的波形数据预处理方法,相当于对原始波形数据进行某种形式的降噪,则可以取得更好的可视化效果和更高的事件震源类型正确识别率。