论文部分内容阅读
本研究利用小孔径乳山台阵记录的连续波形数据,以模板匹配法识别了乳山震群2014年6月至2015年6月的遗漏地震,又利用波形互相关法对检测出的遗漏地震进行震相检测,重新校正了震相到时,并去除了误检测地震.
山东乳山震群遗漏地震检测和发震构造初探
【摘 要】
：
本研究利用小孔径乳山台阵记录的连续波形数据,以模板匹配法识别了乳山震群2014年6月至2015年6月的遗漏地震,又利用波形互相关法对检测出的遗漏地震进行震相检测,重新校正了
【机 构】
：
山东省地震局,天津市地震局
【出 处】
：
国际地震动态
【发表日期】
：
2017年8期
其他文献
随着地震网络在全球范围大规模部署,每天产生的大量连续波形记录对数据处理的新方法提出了要求。传统的波形拾取算法都有一定的局限性,很难同时适用于复杂区域的不同类型地震事件的自动识别与到时挑选。机器学习和深度学习神经网络方法由于具有较强的泛化能力,近些年来受到越来越多关注。本研究使用汶川地震的10 000多个余震和专家手动挑取的P、
小波分析具有时频高分辨率的特征,能够分离出不同频带的信号,从而识别和凸显地震异常。已有研究表明,小波分析细节1阶主要为高频成分,如突跳等;细节2—4阶主要为固体潮信息;从细节5阶开始为去除潮汐成分的非潮汐信息。前人研究发现,小波细节的第6—9阶,在震前2—5个月会有异常波动出现。2016年5月18日在云南省大理州云龙县发生M_S5.0地震(26.1°N,99.5°E),地震震中距云