基于波形相关性的地震事件分类

地震波形的特征提取及分类算法研究地震波形特征提取及分类算法研究地震是一种典型的自然灾害事件，造成的人员伤亡和财产损失往往是巨大的。

地震预警技术的发展在一定程度上增强了人们应对地震灾害的能力。

其中的特征提取及分类算法是地震预警技术的核心内容。

地震波形的基本分类地震波形按照到达时间顺序和振幅大小，通常可以分为P波、S波和L波三种。

P波是一种纵波，速度最快，它的传播速度约为6-7km/s。

由于在地震发生时产生的压缩性波动，它是最先到达台站的波形。

S波是一种横波，速度仅次于P波，传播速度约为4-5km/s。

由于在地震发生时，在地壳中激发的横波，它在P波之后到达台站，并且它不能穿透液态物质。

L波是一种面波，速度较慢，传播速度同S波，但是强度更大。

在地震波到达后，它会在地球表面引起明显的震动和振荡。

地震波形特征提取地震波形特征提取是从复杂的地震波形中提取出对地震预测有意义的信息。

主要考虑的是在减少信息冗余的同时，保留包含关键信息的特征向量。

常用的特征提取算法包括主成分分析（PCA）和小波变换等。

PCA算法可以提取出必要的特征向量，然后使用这些特征向量来描述原始数据的最重要部分。

这个算法被广泛应用于信号处理、图像处理和地震波形分析等领域。

小波变换是把信号分解成一系列不同频率的小波。

小波变换不仅可以提取信号的频率信息，还可以从时间和幅度方面分析信号。

地震波形分类地震波形的分类可以根据波形形状、频率和振幅等特征进行分类。

常用的分类方法包括K-均值聚类和支持向量机等。

K-均值聚类是一种无监督的分类方法，可以将大量数据分为不同的类别。

该算法首先需要将数据集分为k个不同的聚类簇，然后通过迭代的方式使得每个数据点属于最近的聚类簇。

支持向量机是一种有监督的分类算法，它可以为数据集合找到最优的分类超平面。

该算法可以在低维和高维空间中构建分类模型，其分类效果非常优秀。

结论地震波形特征提取及分类算法在地震预警技术中有重要的应用价值，可以有效地减少地震预警误报率和漏报率。

VVA6.3培训手册郑雪兰 2010年5月目录第一：启动VVA： (1)第二、建工区及数据导入 (3)一、通过导入地震数据得到工区范围(Seismic) (3)二、导入层位数据(Horizon) (3)三、导入井的各项数据(Well) (4)第三、用层位来定义分析范围(Interval) (4)第四、对地震数据计算各种属性，包括分频计算，和多级属性计算 (4)第五、把已有的3D属性提到分析目标上 (4)第六、对各目标对象作属性分析 (4)1、直接分析某种属性： (4)2、多属性的主成份分析(PCA分析)： (5)3、颜色合并体分析(仅用于Strata-Grid和3D体)： (5)4、属性标定(仅用于Interval) (5)5、地震相分析(其中包含了波形相关分析、相的合并及相的继承性分类三种分析方法)概要： (5)一、根据已知点(井口位置或在某些线道号的位置)，做有约束性的波形分类图 (6)二、在Interval上用各种属性作无约束的地震相分类的步骤：(含模型道的合并) (6)三、在Strata-Grid中对单属性作地震相分类： (6)四、在Strata-Grid中对多属性作地震相分类： (7)五、在Strata-Grid中对多属性作地震相体分类： (7)六、对3D体作地震相分类： (7)七、对层面作地震相分类 (7)6、多属性交绘分析 (7)第一：启动VVA：1、双击桌面上的VVA快捷图标：；或2、开始 -> 程序-> Geomodeling Technology Corp ->VisualVoxAt-6.3.1499.0->VisaulVoxAt-6.3.1499.0弹出VVA主窗口，如下图，一、在下边有六页数据管理栏，分别是：1、Seismic(线)：导入的3D或2D地震及有各种方式计算的属性数据；2、Horizon(面)：3D层位及属性，和分布在各层面上的各种地震及或地震属性数据；3、Interval(层段)：对具有一定厚度的层段的两类分析方式：Interval(垂向上的统计分析)和Strata-Grid(垂向上的细化分析)，所得的各种属性；4、Well(井)：井数据的管理；5、Crossplot(交绘图)：交绘图及在交绘图上的各多边形的管理；6、Faultl(断层)：断层的管理；二、上边的四个快捷键分别是：1、新建或打开工区：2、保存工作工区： 3、打开工区底图： 4、打开三维图： 三、左边十二个快捷键分别是1、解释管理器（Interpretation Manager ）：层位、地质体、断层、平面上的多边形、剖面上多边形的显示方式的设置，和层段(Interval)的定义和是否显示的设置；2、井信息（Well Information ）：井基本信息的数据表；3、层位属性（Horizon Attributes ）：根据已经有的3D 地震数据或各种3D 属性数据，把它们在沿某层位置处的值提出来(沿层属性)； 3D 、2D 地震数据及属性管理栏3D 、2D 层位数据及属性管理栏 3D 、2D 层段数据及属性管理栏 井数据理栏 交绘图管理栏 断层管理栏各分析模块快捷按钮4、层段属性（Interval Attributes）：给已经定义好的某层段，按某种统计方式，计算已有的3D地震数据或各种3D属性数据的在该层段中的统计值；5、频谱分解（Spectral Decomposition）：对地震数据作分频计算，得多个单频分量和各道的频谱道集图；6、地层体定义（Strata-Grid）：根据层位定义地层体；7、主成份分析（Principal Component）：对层段属性、沿层属性、地层体属性作主成份分析；8、提指定点的模型道（Model Trace）：提在某层段或某地层体中的多个已知点(井点、或由线道号指定的点)的地震数据或某种属性的波形；9、地震相分析（Seismic Facies Classification）：对层段属性、沿层属性、地层体属性作地震相分析；10、波形相关分析（Waveform Correlation）：对已经提出有某种属性模型道的层段或地层体作该属性的波形相关分析；11、交绘图分析（Cross-plot）：可对有多种属性的剖面、3D体、层位、层段、地层体做交绘分析，及有多种测井曲线的井曲线做交绘分析；12、属性标定（Attribute Calibration）：对层段作属性标定；以上的5、7~12七项也可以在Tools下的子菜单中找到第二、建工区及数据导入(括号中的红色字为结果存放位置栏)一、通过导入地震数据得到工区范围(Seismic)1、导入3维地震数据：Import->3-D SEGY Data …2、导入2维地震数据：Import->2-D SEGY Data…二、导入层位数据(Horizon)1、导入3维层位数据：Import->Horizon->3-D Horizon…2、导入2维层位数据：Import->Horizon->2-D Horizon…三、导入井的各项数据(Well)通过Import->Well Data可以导入文本列格式的下列井数据：1、井头信息(ASCII Column-General Info)：井名、坐标、KB、完钻深度等；2、井斜(ASCII Column-Deviation)：每口井为单个文件，格式相同的可以一次导入；3、测井曲线(ASCII Column)：每口井为单个文件，一次只能倒入一个文件；4、LAS格式测井曲线(LAS Well Log)：每口井为单个文件，格式相同的可以一次导入；5、地质分层(ASCII Column-Formation Top(I))：层名层深度井名6、地质分层(ASCII Column-Formation Top(I))：井名层1名层2名层3名…7、井时深关系(Time-Depth Curve)：一个文件有多口井的时深关系，其格式：井名 TWT 深度第三、用层位来定义分析范围(Interval)1、统计方式来分析目标，定义层段(Interval)：—>Interval->Define2、看目标范围的细节变化，定义地层体(Strat-Grid)：第四、对地震数据计算各种属性，包括分频计算，和多级属性计算Seismic->单击对象名->鼠标右键->选要计算的属性。

微地震事件初至拾取SLPEA算法谭玉阳;于静;冯刚;何川【期刊名称】《地球物理学报》【年(卷),期】2016(59)1【摘要】微地震事件初至拾取是微地震数据处理的关键步骤之一.实际微地震监测资料中存在大量低信噪比事件,而传统方法对这些事件的应用效果并不理想.为了克服传统方法抗噪性弱的缺点,本文通过综合地震信号与环境噪声在振幅、偏振以及统计特征等方面的存在的差异,设计了一种针对低信噪比微地震事件的初至拾取方法——SLPEA算法.为了检验本文方法的可行性和有效性,分别对模型数据和实际资料进行了处理,并将处理结果与传统方法及手工拾取的结果进行了对比.分析表明,利用本文方法得到的初至到时与手工拾取结果的绝对误差平均值仅为1.33×10-3s,小于3个采样点;方差为3.21×10-6s2;初至到时在手工拾取结果±0.005 s误差范围内的个数占总数的95.8％.这些参数值均优于传统方法的同类参数,证明了本文方法的可靠性.【总页数】12页(P185-196)【作者】谭玉阳;于静;冯刚;何川【作者单位】北京大学地球与空间科学学院石油与天然气研究中心,北京 100871;中石化地球物理公司胜利分公司,山东东营 257086;中石化地球物理公司胜利分公司,山东东营 257086;北京大学地球与空间科学学院石油与天然气研究中心,北京100871【正文语种】中文【中图分类】P315;P631【相关文献】1.基于Shearlet-AIC算法的微地震初至拾取 [J], 巩佳琦;吴宁2.微地震事件不同初至拾取方法的对比分析 [J], 段建华3.低信噪比微地震事件初至拾取方法研究 [J], 宋维琪;喻志超;杨勤勇;郭全仕;王瑜4.基于波形相似特征的微地震事件初至拾取及全局校正 [J], 喻志超; 谭玉阳; 翟尚; 冯方方; 何川; 侯贵廷5.基于波形互相关的微地震事件自动识别及初至拾取 [J], 魏梦祎;谭玉阳;毛中华;冯刚;胡天跃;何川因版权原因，仅展示原文概要，查看原文内容请购买。

自然灾害知识：地震波形图和地形特征，对地质灾害的燃眉之急近年来，全球各地发生的自然灾害层出不穷，其中地质灾害扮演了重要的角色。

而地震波形图和地形特征便是这些灾害中的燃眉之急。

本文将从以下三个方面，分别探讨地震波形图和地形特征在地质灾害中的作用：提醒意识、研究灾害机制和应急管理。

首先，地震波形图和地形特征的作用是提醒意识。

常常听到“灾难来临时，谁都可能成为受害者”。

这是因为，我们对于灾害的认知来自于观察和感受，而这种方式却是十分不可靠的。

以地震为例，地震波形图是地震参数的真实反映，它通过记录地面的震动情况，展示出地震波的传播路径和能量分布；地形特征则从地形的高低差、坡度和地质结构等角度，描绘出地理局势的形状和特点。

这两者结合可大幅度提高我们对灾害的认知和预防的能力。

在提醒意识方面，一方面需要政府部门主导，强化公众教育和宣传；另一方面也需要个人自觉行动，关注世界各地的灾情，及时调整自我防范措施。

其次，地震波形图和地形特征的作用是揭示地质灾害发生的机制。

地震是地质灾害的一个重要因素，而地震波形图是地震研究中的至关重要的工具。

通过对地震波形图的深入研究，科学家们能够分析地震的发生规律和传播路径，推测不同类型的地震对地质灾害的影响。

以四川汶川地震为例，灾后科学家彻底分析了地震波形图，确认了地震是由区块活动引起的，其造成的巨大能量直接导致周围多座山体滑坡和岩崩坍塌，形成了构成绵延不断的地质灾害。

地形特征则可进一步补充对地质灾害发生机理的了解。

山区地质构造复杂，地质构造不平衡易造成山体滑坡、泥石流等灾难事件；而平坦地区地质构造相对单一，地层分布相对稳定，地质灾害发生概率相对较低。

最后，地震波形图和地形特征的作用是在地质灾害应急管理上发挥重要作用。

在自然灾害交织的环境下，外界环境往往十分复杂，地震波形图和地形特征的信息十分明确的被用于指导应急救援行动。

地震波形图可为应急救援人员提供一个清晰、详细的地图，以便进行快速准确的定位和人员布置。

自然灾害知识：地震波形与速度衰减曲线，对地质灾害的影响和预测研究地震波形与速度衰减曲线，对地质灾害的影响和预测研究地震是一种由地表和地源引起的物理现象，它是地球上最具有破坏性的自然灾害之一。

地震的发生不仅会带来巨大的人员和物质损失，还会导致各种地质灾害，伴随着干裂、塌陷、滑坡、泥石流等自然灾害的发生，对社会和经济造成巨大的影响。

在了解地震波形和速度衰减曲线的基础上，进行地质灾害的预测，也成为了一项非常重要的研究工作。

地震波形是指地震震源瞬间释放的能量在地球内部传播的过程中所产生的地表运动。

地震波形主要分为三种类型，即P波、S波和L波。

其中，P波全称为纵波，具有向前传播和压缩膨胀变形两个方向，速度最快也最具穿透力。

S波全称为横波，只有横向振动方向，不能穿透液体和气体，速度比P波慢。

L波全称为面波，具有沿地表水平传播的特点，是产生地震本体和受害最严重的波形。

地震波形的传播速度和传播路径不同，对地震带来的破坏程度也大不相同。

速度衰减曲线是指地震波形在传播过程中传播距离增加时，波形振幅逐渐减小的曲线图。

速度衰减曲线与地质构造、地震震级、震源距离、地震波形类型等因素密切相关。

不同类型的地震波形，其速度衰减曲线的形态也会有所不同。

通过对不同类型的速度衰减曲线的研究，可以更加准确地估算地震的震级和震源距离，从而提高地震预测的准确性。

地震波形和速度衰减曲线对地质灾害的影响非常显著。

一方面，由于不同波形的速度和传播路径的差异，会引起地表运动的不同，进而导致地表各种形态的变化。

例如，P波不易在岩层间断面上反射，而S波能够在岩层间断面上反射甚至折射，在断层的形成和滑动活动中发挥了重要的作用。

另一方面，速度衰减曲线还能在预测地震的同时预测一些弱化地质体产生滑动的可能性，如地面干裂、陆滑、岩质滑坡等自然灾害。

在地震预测和地质灾害预测中，地震波形和速度衰减曲线都起着非常重要的作用。

科学家们通过对地震波形和速度衰减曲线的研究，不断改进地球物理和地震学领域的研究方法和技术手段，提高了地震预测的准确性和可靠性，同时也可为地质环境的合理开发和防灾减灾提供科学依据。

地震相分类⼀、引⾔地震相分类是地震勘探中的⼀项重要技术，通过对地震波的传播特征进⾏分析，可以将地震数据划分为不同的相，进⽽推断地下岩层的性质、结构和构造。

地震相分类的研究对于油⽓勘探、矿产资源调查、⼯程地质等领域具有重要意义。

本⽂将对地震相分类进⾏详细阐述。

⼆、地震相的定义地震相是指地震波在地下岩层中传播时所表现出的特征，包括波的传播速度、振幅、频率等。

通过对地震波的这些特征进⾏分析，可以对地下岩层的性质、结构和构造进⾏推断。

地震相分类就是将这些特征相似的地震波归为同⼀相，以便更好地研究和了解地下岩层。

三、地震相分类的依据地震相分类的依据主要包括以下⼏个⽅⾯：1.波速变化：地震波在地下岩层中的传播速度会因为岩层的性质、结构和构造的不同⽽发⽣变化。

通过对地震波速的测量和分析，可以推断出地下岩层的性质和构造，进⽽进⾏地震相分类。

2.振幅变化：地震波的振幅会受到岩层的物理性质和结构的影响。

通过对地震波振幅的分析，可以推断出地下岩层的岩性、粒度、孔隙度等因素，进⽽进⾏地震相分类。

3.频率变化：地震波的频率会受到岩层的弹性模量和孔隙流体等因素的影响。

通过对地震波频率的分析，可以推断出地下岩层的弹性模量和孔隙流体性质，进⽽进⾏地震相分类。

4.波形特征：不同类型的地震波具有不同的波形特征。

通过对地震波的波形特征进⾏分析，可以对地下岩层的结构和构造进⾏推断，进⽽进⾏地震相分类。

四、地震相分类的⽅法⽬前常⽤的地震相分类⽅法主要有以下⼏种：1.直⽅图法：将地震波的特征值（如速度、振幅、频率等）绘制成直⽅图，然后将特征值相近的波归为同⼀相。

这种⽅法简单直观，但可能会忽略掉⼀些重要的细节信息。

2.模式识别法：利⽤计算机技术对地震波进⾏⾃动分类。

这种⽅法可以处理⼤量的数据，但需要⼤量的训练样本和精确的模式识别算法。

3.神经⽹络法：利⽤神经⽹络的⾃学习能⼒对地震波进⾏分类。

这种⽅法可以处理复杂的⾮线性问题，但需要⼤量的训练时间和样本。

汶川震前几种低频事件波形分析邓津;李鹏;马腾飞;赵凌云【期刊名称】《地震学报》【年(卷),期】2012(034)002【摘要】列举分析了国外文献所记载的几类低频事件.选择汶川M8.0地震主断层附近四川省部分台网宽频带数据,采用相应频段,进行带通滤波处理,检测到4种类似的低频事件波形.分别为低频震颤与滑移事件(ETS事件),深低频地震事件(LFE事件),深低频震动事件(DLF事件),以及超低频震动事件(VLF事件).定位分析实例证实,汶川震前的ETS和DLF等低频事件发生在主断层附近,表明大震发生之前龙门山断裂带附近有低频事件发生,主要为ETS和VLF两类事件及少量DLF事件.因有远震记录与LFE事件时间相近,无法确认此类事件是否存在.低频事件作为天然地震目录的补充,可为大震前兆和触发机理研究提供新的探索方向.%This paper lists and analyzes a few kinds of low frequency events studied in foreign literature. By choosing broadband records at stations of Sichuan digital seismic network near main fault of the Wenchuan earthquake and band filtering these datum, we detected four similar low frequency events, I. E. , episodic tremor and slip events (ETS) , low frequency events (LFE) , deep low frequency events (DLF) and very low frequency events (VLF). Located examples confirm that several low frequency events occurred near the Longmen-shan fault, most of them are ETS and VLF and minority is DLF. We can not verify whether LFE events actually exist or not, because there are distant earthquakes at the same time. As a supplement to traditionalearthquake catalog, low frequency events may provide us a new research line for exploring possible precursors and triggering mechanism of strong earthquakes.【总页数】14页(P157-170)【作者】邓津;李鹏;马腾飞;赵凌云【作者单位】中国北京100081 中国地震局地球物理研究所;中国兰州730000 中国地震局兰州地震研究所;中国北京100036 中国地震局地震预测研究所;中国北京100081 中国地震局地球物理研究所;中国武汉430071 湖北省地震局【正文语种】中文【中图分类】P315.3+1【相关文献】1.一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], 梁建宏;刘杰;杨文;邓菲2.汶川地震前地震连续波形资料中的异常信号 [J], 路珍;周聪;郭泉;郭志;王庆良;张希3.汶川Ms8.0地震前山西前兆低频前驱波特征分析 [J], 张淑亮;刘瑞春;宁亚灵;唐垒黎;李斌4.汶川8.0级地震前高碑店和宁晋台超低频电磁辐射异常特征分析 [J], 李美;卢军;常媛;刘秀5.前驱波还是气压波?——与“汶川M_(S)8.0地震前山西前兆低频前驱波特征分析”作者商榷 [J], 杨小林;杨锦玲;危自根因版权原因，仅展示原文概要，查看原文内容请购买。