期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
柯坪块体最小一维P波速度模型联合反演
1
作者 南芳芳 祖力卡尔·艾则孜 +2 位作者 黄帅堂 龚固斌 古丽博斯坦·艾山 《地震地磁观测与研究》 2024年第4期1-9,共9页
利用2018年6月至2020年5月柯坪块体及其周边数字地震台站(38.0°—42.5°N,75.0°—80.5°E)记录的1 002个M_(L)≥2.0天然地震的8 858条P波到时数据,基于Velest算法反演柯坪块体最小一维P波速度模型,同时获得定位结果... 利用2018年6月至2020年5月柯坪块体及其周边数字地震台站(38.0°—42.5°N,75.0°—80.5°E)记录的1 002个M_(L)≥2.0天然地震的8 858条P波到时数据,基于Velest算法反演柯坪块体最小一维P波速度模型,同时获得定位结果和台站走时校正。结果表明,重新定位后3种初始模型走时均方根残差均明显减小,台站校正基本呈现出正校正,且以普昌断裂为界,普昌断裂西侧的台站校正程度均大于普昌断裂东侧;重新定位后,震中位置在空间上更加收敛,震源深度趋于正态分布,定位结果有显著改善。 展开更多
关键词 柯坪块体 速度模型 P波 velest
在线阅读 下载PDF
大兴安岭隆起北段最小一维速度模型反演和地震重新定位 被引量:2
2
作者 张帆 韩晓明 +3 位作者 李娟 王鑫 张晖 尹战军 《大地测量与地球动力学》 CSCD 北大核心 2018年第8期777-782,共6页
使用2009-01-01~2017-03-30内蒙古地震台网和邻省台网记录的大兴安岭北段地区593个天然地震的3 848条P波到时数据,应用VELEST方法反演大兴安岭北段地壳一维P波速度模型、台站走时校正值和重新定位结果。联合反演获得的台站走时校正值反... 使用2009-01-01~2017-03-30内蒙古地震台网和邻省台网记录的大兴安岭北段地区593个天然地震的3 848条P波到时数据,应用VELEST方法反演大兴安岭北段地壳一维P波速度模型、台站走时校正值和重新定位结果。联合反演获得的台站走时校正值反映了地壳速度的横向不均匀性及台站下方波速异常,大兴安岭北段东南侧速度高于西北侧;重新定位结果中,震中位置在空间上更加收敛;震源深度剖面图显示,大兴安岭北段西北侧震源深度较浅,东南侧较深,大兴安岭山脊区域震源深度分布下限较深。 展开更多
关键词 大兴安岭 速度模型 velest 重新定位
在线阅读 下载PDF
晋冀蒙交界地区最小一维速度模型 被引量:4
3
作者 冯向东 王晓山 +1 位作者 陈婷 张素欣 《华北地震科学》 2017年第4期16-21,共6页
收集整理晋冀蒙交界地区2014年9月1日至2016年5月28日间448次1.0级以上地震事件的6 678条P波和6 103条S波到时资料,采用震源位置-速度结构的联合反演方法,使用Velest程序计算了晋冀蒙交界地区"最小一维速度模型",并利用这一... 收集整理晋冀蒙交界地区2014年9月1日至2016年5月28日间448次1.0级以上地震事件的6 678条P波和6 103条S波到时资料,采用震源位置-速度结构的联合反演方法,使用Velest程序计算了晋冀蒙交界地区"最小一维速度模型",并利用这一模型对该地区1 763次地震进行了重新定位。结果显示:重新定位后震源深度分布集中于5~20km区间,趋于正态分布,定位结果有显著改善。 展开更多
关键词 晋冀蒙交界地区 “最小一维速度模型” 地震定位 velest程序
在线阅读 下载PDF
基于深度学习到时拾取自动构建长宁地震前震目录 被引量:32
4
作者 赵明 唐淋 +2 位作者 陈石 苏金蓉 张淼 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2021年第1期54-66,共13页
将深度学习到时拾取、震相关联技术与传统定位方法联系起来,构建一套连续波形自动化处理与地震目录自动构建流程,对于高效充分利用地震资料,提升微震检测能力具有十分重要的意义.我们应用最新发展的迁移学习震相识别技术、震相自动关联... 将深度学习到时拾取、震相关联技术与传统定位方法联系起来,构建一套连续波形自动化处理与地震目录自动构建流程,对于高效充分利用地震资料,提升微震检测能力具有十分重要的意义.我们应用最新发展的迁移学习震相识别技术、震相自动关联技术,对长宁M S6.0地震震中附近21个台站震前半个月(6月1日—6月17日)的连续记录波形进行P、S震相识别、震相自动关联和初步定位,并应用传统绝对定位和相对定位技术得到了长宁地震震前微震活动的绝对和相对定位目录.其中绝对定位目录能在较小的误差范围匹配85%的人工处理目录,其发震时刻平均误差为0.36±0.07 s,震级平均误差为0.15±0.024级,水平定位平均误差为1.45±0.028 km,其识别的1.0级以下微震数目是人工的8倍以上,将长宁地震震前微震目录的检测下限提升至M L-1左右,证明了基于深度学习到时识取和REAL(Rapid Earthquake Association and Location,快速震相关联和定位技术)震相自动关联来构建微震目录具有较好的实用性.我们的自动地震目录揭示了长宁M S6.0主震所发生的区域震前异常频繁的微震活动,以及与区域内盐矿注水井的关联性,更好地描绘了这些微震活动的时空演化特征,其空间活动性分布特征与长宁M S6.0余震序列的分布一致. 展开更多
关键词 深度学习 前震 长宁地震 绝对定位 相对定位
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部