Analysis of monitoring capability of strong motion sation based on the probability interval of ambient noise
-
摘要:
本文以珠江三角洲地震监测和预警系统粤东密集台网的强震日常记录数据为基础，利用强震台站背景噪声有效值密度函数，研究强震动台站背景噪声频谱的统计规律，建立强震台站背景噪声有效值平均模型、最小模型以及噪声有效值概率分布区间，通过利用强震台站背景噪声有效值概率分布区间与区域地震事件的频率-加速度幅值分布曲线互比的强震台站监测能力分析方法，得到了不同台站每日背景噪声加速度有效值，并估算了强震台站记录不同震级区域地震事件的概率，来评价台站的监测能力。强震台站背景噪声有效值概率分布区间分析方法是背景噪声有效值概率密度分布分析的延伸和拓展，有助于工程地震学中频率域去噪低端截止频率的讨论。由于仪器自噪声和环境噪声的相互作用不同而导致台站的噪声下限不同，强震台站背景噪声最小模型可以作为该台最优监测能力的估计，是强震仪及观测环境的综合指标。
Abstract:This study is based on the strong motion daily records from the dense network of seismic monitoring and early warning systems of the Pearl River Delta in eastern Guangdong. By utilizing the RMS density function of background noise at strong motion stations, we investigate the statistical characteristics of the background noise spectrum at these stations. We establish the average model, minimum model, and probability distribution interval for the RMS of background noise. This forms the basis for a method to analyze the monitoring capabilities of strong motion stations by comparing the probability distribution intervals of background noise RMS with the frequency-acceleration amplitude distribution curves of regional earthquake events.Using this method, we obtain the daily background noise acceleration RMS for different stations and estimate the probability of recording regional seismic events of various magnitudes, thereby evaluating the monitoring capabilities of the stations. The lower noise limits for different stations vary due to the interaction between instrument self-noise and environmental noise. The minimum model of background noise RMS can be used as an estimate of the optimal monitoring capability of a station, serving as a comprehensive indicator of both the strong motion instrument and the observation environment. This also contributes to discussions on the low-end cut-off frequency for denoising in the frequency domain within engineering seismology. The probability distribution interval analysis method for background noise RMS is an extension and expansion of the probability density distribution analysis of background noise RMS.
-
引言
在隧道施工和矿山开采过程中，我们可以由地震波的速度及其衰减分析推断地下冷热水的运移和储存情况，从而进行地下水资源的评价和地下工程突水、 涌泥等地质灾害预报. 地震波振幅的衰减随岩石物理性质的变化较地震波速度随岩石物理性质的变化更为灵敏，故推测振幅衰减可能携带了比速度更多的岩石物理性质方面的信息. 此外，振幅衰减还与岩石的应力状态密切相关(Best et al，1994； Shatilo et al，1998; 梁锴，2009).
国外研究人员对黏弹性各向异性介质中地震波的传播特征及VTI(transverse isotropy media with vertical symmetry axis)介质中地震波的衰减特征进行了深入研究. Samec和Blangy(1992)及Blangy(1994)对各向异性介质中地震波的黏弹性、 衰减、 吸收、 AVO等现象进行了探讨； Carcione(1995，2001)以及Carcione和Cavallini(1997)研究了黏弹各向异性介质的本构方程(即应力-应变关系)，发展并完善了黏弹各向异性介质的基本理论； Červeny和Pšeník(2005a，b)深入研究了黏弹性单斜各向异性介质中SH波相速度、 偏振方向等随非均匀角变化的规律； Zhu和Tsvankin(2006，2007)分析了黏弹VTI介质和正交各向异介质中平面波相衰减和群衰减的特征，并推导了弱各向异性近似表达式； Vavryčuk(2007)给出了黏弹性VTI介质中非均匀波的群衰减系数随群角的变化规律； Vavryčuk(2008)利用摄动法推导了黏弹性VTI介质中地震波的速度、 衰减系数和品质因子的表达式； Behura(2006)研究了VTI介质和正交各向异性介质中相衰减系数和群衰减系数的变化规律，并利用谱比法进行衰减估计； Vavryčuk(2009)采用高阶摄动法推导了弱各向异性衰减参数即品质因子的表达式.
国内许多研究人员也对黏弹性各向异性介质中地震波的衰减特性及其应用前景进行了深入探讨. 张中杰等(1999)通过考察介质中的应力-应变关系，建立了非弹性EDA介质中具有非弹性效应的地震波动方程组； 杨顶辉等(2000)通过固体与液体的相互作用探讨了双相各向异性研究存在的问题与应用前景； 郝奇等(2010)利用改进的摄动理论对弱各向异性黏弹性介质中的非均匀平面波的传播特征进行深入探讨，并给出了误差分析，得到一些有益的结论； 郭智奇等(2010)研究了各向异性介质的衰减特性； 聂建新等(2010)对黏弹性各向异性介质中的波频散与衰减特性进行了研究； 韩颜颜(2011)采用数值模拟法对双相黏弹EDA介质中地震波的波场特征进行了详细分析.
上述研究主要是针对极端各向异性和VTI各向异性介质中地震波衰减及衰减估计问题，对HTI和EDA介质的研究则较少. 本文拟利用特殊分量法(Červeny，Pšeník， 2005a，b； 何现启，2010； 何现启等，2014)，由Christoffel方程推导出黏弹性HTI和EDA介质中均匀、 非均匀P波、 SV波和SH波的精确相速度，旨在研究SH波相速度随非均匀角变化的规律； 然后从Christoffel方程出发推导出HTI和EDA介质中均匀、 非均匀地震波的精确相衰减系数和群衰减系数.
1. 黏弹性EDA介质中均匀地震波的衰减特性
波数k除了由Christoffel方程直接求解外，还可由慢度和相速度间接得到，具体表达式为(Červeny，Pšeník， 2005a，b； Taner，Koehler，1969； Tsvankin，1997)
式中，k为波数，v为相速度，ω为角频率，σ为复数，n和m为相互垂直的实单位向量，D为不均匀参数，是实数标量. 下面主要利用相速度v与波数k的关系来求解波数k和衰减系数.
1.1 黏弹性EDA介质中均匀地震波的相速度
黏弹性各向异性介质中地震波的相速度可由Christoffel特征方程求解，且只有行列式为零才有非零解，即
其中，Γikp(n)=aijklpjpl. 式中，p为地震波的慢度； δij为克罗内克符号； aijkl=cijkl/ρ为密度归一化的复黏弹性系数，其取值与频率有关； ρ为密度.
将均匀波的慢度向量p=σn代入上式，可导出黏弹性EDA介质中复参数的表达式为(梁锴，2009； 何现启，2010)
其中，
式中： cij为介质的弹性系数矩阵元素; θ和φ分别为波传播方向的极角和方位角; φ0是EDA介质对称轴相对HTI介质对称轴的转角，称为对称轴方位角.
由v=1/|ReσP|(Červeny，Pšeník， 2005a，b)，可得复相速度为
对上述结果进行退化验证得到的相速度表达式与HTI介质中的相速度表达式相同.
1.2 黏弹性EDA介质中均匀地震波的衰减系数
由式(1)和(5)可得波数为
1.2.1 SH波相衰减系数
式(6)中SH波的波数写成复数形式为
式中cijR和cijI分别为弹性系数的实部和虚部. E和F与式(5)中相同. 令a=c55RF+c44RE2，b=c55IF+c44IE2，将k分别取实部和虚部可得
由相衰减系数的定义A=kI/kR(Zhu，Tsvankin， 2006，2007)可得SH波相衰减系数ASH为
在xoy平面内，将θ=0代入式(4)，可得E=sin(φ－φ0)，F=cos2(φ－φ0)，将其代入式(7)，则有
据相衰减系数定义有
可以看出，式(11)的形式与式(9)相同，但式(9)中a=c55Rcos2(φ－φ0)+c44Rsin2(φ－φ0)，b=c55Icos2(φ－φ0)+c44Isin2(φ－φ0).
对于均匀波，非均匀系数ξ=0(波数的实分量与虚分量的夹角)，均匀SH波群衰减系数(Ag=kIg/kRg)与相衰减系数相等(Červeny，Pšeník， 2005a，b； Zhu，Tsvankin， 2006，2007).
1.2.2 P波和SV波衰减系数
由式(4)，将复弹性系数的实部与虚部分开可得
令D=c+id，即将D的实部与虚部分开，由上式可得其实部c与虚部d分别为
由式(6)，并令kP=x+iy，将kP分解成实部与虚部可得
同理可得
其中，
极端各向异性介质是指介质中任一点处沿任意方向的弹性性质均不同，其具有21个独立弹性参数，其群衰减系数Ag=(kI/kR)cosξ(1+tanξtanψcosφ)(ξ为非均匀角，ψ为群角，φ为方位角)(何现启，2010)，故可知均匀P波和SV波的群衰减系数与相衰减系数相等.
2. 黏弹性EDA介质中非均匀地震波的衰减特性
2.1 SH波的相速度和慢度
将非均匀波的慢度向量p=σn+iDm(m为实单位向量，垂直于n)， 代入det[Γikp(n)－δik]=0，可求出黏弹性EDA介质中复参数的表达式为(Červeny，Pšeník， 2005a，b; 何现启，2010)
其中，
由式(21)，可得SH波的相速度为
SH波的慢度为
2.2 SH波的相衰减系数
由式(2)和式(23)可得SH波的波数为
令Γ33=a+ib，代入式(22)，并将实部与虚部分开可得
令E33=c+id，代入式(22)，并将实部与虚部分开可得
令F33=x+iy，代入式(22)，并将实部与虚部分开可得
令
将式(30)代入式(29)可得
SH波的波数为
SH波的衰减系数为
2.3 SH波的群衰减系数
由极端各向异性介质中群衰减系数Ag=(kI/kR)cosξ(1+tanξtanψcosφ)(ξ为非均匀角，ψ为群角，φ为方位角)(Zhu，Tsvankin， 2006，2007)和式(33)可得
此即为SH波的群衰减系数.
3. 数值计算
本节主要通过数值计算研究EDA介质中均匀、 非均匀SH波的相衰减和群衰减特性. 首先给出HTI介质的弹性系数矩阵，然后根据弹性EDA介质弹性系数矩阵与HTI介质弹性系数的关系，通过旋转对称轴得到EDA介质的弹性系数矩阵，再将其代入相应的计算公式即可得到EDA介质中地震波的衰减系数.
3.1 EDA介质中SH波的相衰减系数
黏弹性HTI介质的弹性系数矩阵为(Červeny，Pšeník，2005b)
将该弹性系数矩阵通过欧拉变换逆时针旋转60°，则可得到黏弹性EDA介质的弹性系数矩阵，以此矩阵表示的介质模型标记为模型1，即通过旋转HTI对称轴得到的具有水平对称轴的EDA介质. 将上述矩阵代入式(11)可计算均匀SH波的相衰减系数，并用Matlab成图，结果显示于图 1. 可以看出： 相速度随方位角的变化近似成椭圆，椭圆的长轴指示裂隙的方位，短轴指示EDA介质对称轴的方位； 相衰减系数随方位角的变化呈以裂隙方位角为对称轴的对称花瓣状，沿介质对称轴方向(即垂直裂隙方向)衰减系数较大，平行裂隙方向衰减系数较小. 这些均表明，均匀SH波的相速度和相衰减系数均可指示裂隙的走向，且相衰减系数相对于方位角的变化更敏感，更能反映地下介质的精细构造.
![]()
图 1 EDA介质中均匀SH相速度(a)和相衰减系数(b)与方位角的关系(模型1) 极坐标角度表示方位角，虚线圆圈表示相速度(单位为km/s)(a)和相衰减系数(b)的大小Figure 1. Relationship between phase velocity(a) and phase attenuation coefficients(b) and azimuth angle for homogeneous and inhomogeneous SH wave in EDA media(model 1) The polar coordinate represents azimuth angle. Dashed circle indicates the phase velocity(km/s)(a) and the phase attenuation coefficient(b)为研究相衰减系数随非均匀角的变化情况，下面通过模型2的数值计算来研究分析. 模型2(EDA)也是具有水平对称轴的各向异性介质，与模型1不同的是模型2由EDA弹性系数矩阵直接表示，而不是由HTI弹性系数矩阵表示，该模型的主要特性以弹性为主. 模型2(EDA)的弹性系数矩阵为
将上式代入式(33)计算得到非均匀SH波相衰减系数，用Matlab成图，结果如图 2所示. 可以看出，在对称轴方向(垂直裂隙方向)，非均匀SH波相衰减系数随非均匀角的增大而增大，且其对称轴与介质对称轴的夹角也相应增加. 因此，利用相衰减与相角的相互关系来反演裂隙的走向时首先还要明确地震波的非均匀角大小，对于非均匀角较小的情况可将相衰减的对称轴方向近似为裂隙的走向，这是均匀波与非均匀波的不同之处. 上述对应关系可通过退化成HTI介质来验证，退化结果与 Červeny和Pšeník(2005a，b)及Tsvankin(1997)相同.
![]()
3.2 EDA介质中非均匀波的群衰减系数
非均匀SH波群衰减系数由式(34)计算而得，用Matlab成图，结果如图 3所示. 可以看出，群衰减系数相对于非均匀角的变化规律与相衰减系数相似，即在对称轴方向(垂直裂隙方向)非均匀SH波的群衰减系数随非均匀角的增大而增大，且其对称轴与介质对称轴的夹角也相应增加. 图 3b给出了非均匀角为60°时，非均匀SH波群衰减系数与群角的变化关系. 可见，群角只影响群衰减系数的大小，对其对称关系并无任何影响，且随群角的增大群衰减系数也相应增大.
![]()
图 3 非均匀SH波群衰减系数随非均匀角ξ(a)和群角ψ(b)的变化关系Figure 3. Relation of SH inhomogeneous wave varying with the inhomogeneous angle ξ(a) and group angle ψ(b)4. 讨论与结论
本文基于前人的研究成果，从Christoffel方程出发，推导出非均匀、 均匀黏弹性EDA介质中地震波的三维相速度、 相衰减系数、 群衰减系数的计算公式，并将推导结果进行退化验证，结果表明其与HTI介质中的计算结果较吻合. 利用Matlab进行数值计算，研究了相速度、 相衰减系数、 群衰减系数与裂隙方向的关系. 依据数值计算结果，本文结论如下：
1)在均匀介质中SH波的相速度和相衰减系数均可指示裂隙的走向，且相衰减系数对方位角的变化更敏感，更能反映地下介质的精细构造.
2)非均匀介质中SH波相衰减系数随非均匀角的增大而增大，且其对称轴与介质对称轴的夹角也相应增加. 在利用相衰减与相角的相互关系来反演裂隙走向时，首先要明确地震波非均匀角的大小. 在非均匀角较小的情况下，将相衰减的对称轴方向近似为裂隙的走向. 群衰减系数随非均匀角的变化规律与相衰减系数相似，群角只影响群衰减系数的大小，对其对称关系并无任何影响，且随着群角的增大，群衰减系数也相应增加.
3)地震波振幅的衰减随岩石物理性质的变化比地震波速度随岩石物理性质的变化更为灵敏，因此衰减特性比速度特性携带了更多的岩石物理性质信息.
-
![]()
图 1 珠江三角洲地震监测和预警系统粤东密集台网强震观测台站布局及相关地震事件
（a） 区域地震频率-加速度幅值分布模型的地震分布；（b） 台站布局及测试地震分布图
Figure 1. Layout of strong motion observation stations and related seismic events in the eastern Guangdong dense network of the Pearl River Delta seismic monitoring and early warning system
（a） Distribution of earthquakes used to establish the regional earthquake frequency-acceleration amplitude distribution model；（b） Station layout and distribution of test earthquakes
![]()
图 2 噪声加速度模型与区域地震事件频率-幅度分布曲线 （Clinton，Heaton，2002） 对比
Figure 2. Comparison of the noise acceleration model with the frequency-amplitude distribution curve of regional earthquake events （modified fromClinton， Heaton，2002）
![]()
图 3 HLQZ台（上）和HLZT台（下）标定信号识别前（a）后（b）噪声有效值概率密度分布平均模型的变化对比
Figure 3. Comparison of changes in the RMS probability density distribution of noise before （a） and after （b） calibration signal identification at HLQZ station （upper） and HLZT station （lower）
![]()
图 4 HLQZ 台（a）及 HLZT （b）台背景噪声有效值的 95% 概率区间
Figure 4. The 95% probability interval of background noise RMS for stations HLQZ （a） and HLZT （b）
![]()
图 5 CAGHD台站的区域地震监测能力
Figure 5. The regional seismic monitoring capability of station CAGHD
![]()
图 6 利用95%概率区间（a）及60%概率区间（b）评估CNLG台监测能力
Figure 6. Assessing monitoring capability of CNLG through 95% （a） and 60% （b）probability intervals of noise RMS
![]()
图 7 粤东密集台网强震台站监测能力分析柱状图
Figure 7. Histogram depicting the probability distribution of monitoring capability among stations in the Earthquake Early Warning and Intensity Rapid-Reporting system of the Pearl River Delta
![]()
图 8 CAGHX台站的区域地震监测能力
Figure 8. The regional seismic monitoring capability of station CAGHX
![]()
图 9 利用95%概率区间（a）及60%概率区间（b）评估HLAJ台监测能力
Figure 9. Assessing monitoring capability of station HLAJ through 95% （a） and 60% （b）probability intervals of noise RMS
![]()
图 10 CADF （a）和CHFX （b）台的区域地震监测能力
Figure 10. The regional seismic monitoring capability of stations CADF （a） and CHFX （b）
![]()
图 11 粤东密集台网强震台站实际监测能力分析柱状图
Figure 11. Histogram depicting the actual monitoring capabilities of stations in the Earthquake Early Warning and Intensity Rapid-Reporting system of the Pearl River Delta
![]()
图 12 CAGHD台的M2.0—3.0区域地震记录
Figure 12. The regional seismic records from M2.0 to M3.0 of station CAGHD
![]()
图 13 台湾海峡的M3.4 地震对CAGHX，CADF，CHFX 和CNLG 台站监测能力的检验
Figure 13. Evaluation of the monitoring capabilities of stations CAGHX，CADF，CHFX and CNLG using the Taiwan Strait M3.4 earthquake as a test earthquake
表 1 台站监测能力评估表
Table 1 Evaluation table of monitoring capability for typical stations
台站 区域地震最优
监测能力区域地震监测
能力 （≥95%）观测环境 台站位置 观测环境影响因素 CNLG 约M2.0 M＞4.0 学校教学楼间绿化带内 师生课间活动 CAGHX M＞1.0 M＞2.0 学校教学楼后面人迹罕至的空地 鲜少人流 HLAJ M＞2.0 M≥5.5 村委办公室内 师生课间活动，村委办公活动 CADF M＞3.0 M＞4.0 学校围墙附近 师生课间活动，校外车辆和人流 CHFX M＞3.0 M＞4.0 学校围墙附近 师生课间活动，校外车辆和人流 CYGR M＞2.0 M≥4.0 学校内，距教学楼3 m 师生课间活动 CYHX M＞3.0 M＞4.0 潮阳区河溪邮政支局内 工作人员办公活动 DPFL 约M2.0 M≥3.0 学校内，距离教学楼约30 m 师生课间活动 DPGB 约M3.0 M＞4.0 学校内，距离垃圾池6 m，距离围墙1 m 师生课间活动 FSHJ M＞1.0 M＞2.0 学校内篮球场外侧 鲜少人流 HLDL M＞3.0 M≥4.0 学校体育馆左侧 师生课间活动 JLJC 约M2.0 M＞2.0 学校科技馆内一角，距离围墙1.5 m 师生课间活动 LFJDD 约M2.0 M＞2.0 村委办公楼外右侧后方，靠近前边村委围墙旁 工作人员办公活动 LFJDX M＞2.0 M≥3.0 村委进大门后右方空地的一角， 工作人员办公活动 CHXN 约M3.0 约M4.0 六合围管理站院内，海边防洪渠旁 工作人员办公活动 CNCD 约M3.0 M≥4.0 学校内，距围墙3米，距教学楼4 m 师生课间活动 CYCN 约M3.0 M＞3.0 学校路边的绿化带内，据教学楼6 m 师生课间活动 HJGA 约M3.0 M＞3.0 市区幼儿园内，距教学楼3 m 师生课间活动 CAGHD M＞1.0 M＞2.0 村委院角落 鲜少人流 HLQZ M＞2.0 M＞3.0 学校教学楼左侧（食堂后方） 师生课间活动 HLZT 约M2.0 M＞3.0 学校内，距离教学楼较远 师生课间活动 HDBPZ 数据异常 HJDH LFJS 
下载: 导出CSV
1 本文涉及地震事件列表
序号 发震时间 M 震中地区 数据类型 目的 年−月−日 时:分 1 2 021−05−21 23:13 3.4 云南漾濞 强震数据 建立地震事件频率-加速度幅值分布模型 2 2 014−07−12 03:21 7.0 本州东海岸近海 强震数据 建立地震事件频率-加速度幅值分布模型 3 2 015−05−30 19:23 8.1 小笠原群岛地区 强震数据 建立地震事件频率-加速度幅值分布模型 4 2 018−09−08 10:31 5.9 云南墨江 强震数据 建立地震事件频率-加速度幅值分布模型 5 2 019−06−17 22:55 6.0 四川长宁 强震数据 建立地震事件频率-加速度幅值分布模型 6 2 019−07−04 10:17 5.5 四川珙县 强震数据 建立地震事件频率-加速度幅值分布模型 7 2 020−01−07 22:09 3.7 甘肃肃南 强震数据 建立地震事件频率-加速度幅值分布模型 8 2 020−03−24 22:39 4.2 青海海西 强震数据 建立地震事件频率-加速度幅值分布模型 9 2 020−06−25 03:47 5.9 本州东海岸近海 强震数据 建立地震事件频率-加速度幅值分布模型 10 2 020−12−24 21:06 3.1 青海兴海 强震数据 建立地震事件频率-加速度幅值分布模型 11 2 021−01−23 09:59 4.8 云南盐津 强震数据 建立地震事件频率-加速度幅值分布模型 12 2 021−02−13 22:07 7.3 本州东海岸近海 强震数据 建立地震事件频率-加速度幅值分布模型 13 2 021−05−21 21:48 6.5 云南漾濞 强震数据 建立地震事件频率-加速度幅值分布模型 14 2 021−05−21 21:55 5.0 云南漾濞 强震数据 建立地震事件频率-加速度幅值分布模型 15 2 021−05−21 21:55 5.0 云南漾濞 强震数据 建立地震事件频率-加速度幅值分布模型 16 2 021−05−21 21:56 4.6 云南漾濞 强震数据 建立地震事件频率-加速度幅值分布模型 17 2 021−05−21 21:56 4.6 云南漾濞 强震数据 建立地震事件频率-加速度幅值分布模型 18 2 021−05−21 22:31 5.2 云南漾濞 强震数据 建立地震事件频率-加速度幅值分布模型 19 2 021−05−21 23:13 3.4 云南漾濞 强震数据 建立地震事件频率-加速度幅值分布模型 20 2 021−05−21 23:23 4.5 云南漾濞 强震数据 建立地震事件频率-加速度幅值分布模型 21 2 021−05−22 02:04 7.4 青海玛多 强震数据 建立地震事件频率-加速度幅值分布模型 22 2 021−05−22 02:28 4.2 云南漾濞 强震数据 建立地震事件频率-加速度幅值分布模型 23 2 021−05−22 09:48 4.2 云南漾濞 强震数据 建立地震事件频率-加速度幅值分布模型 24 2 021−05−22 20:14 4.7 云南漾濞 强震数据 建立地震事件频率-加速度幅值分布模型 25 2 021−05−27 21:06 4.9 青海玛多 强震数据 建立地震事件频率-加速度幅值分布模型 26 2 021−05−27 19:52 4.0 云南漾濞 强震数据 建立地震事件频率-加速度幅值分布模型 27 2 021−06−12 18:00 5.1 云南盈江 强震数据 建立地震事件频率-加速度幅值分布模型 28 2 021−06−16 16:48 5.8 青海茫崖 强震数据 建立地震事件频率-加速度幅值分布模型 29 2 021−06−28 19:48 4.5 云南双柏 强震数据 建立地震事件频率-加速度幅值分布模型 30 2 017−07−15 01:41 3.7 广西南丹 测震数据 建立地震事件频率-加速度幅值分布模型 31 2 017−08−01 06:31 3.0 广西忻城 测震数据 建立地震事件频率-加速度幅值分布模型 32 2 017−08−13 11:10 3.1 广东东源 测震数据 建立地震事件频率-加速度幅值分布模型 33 2 017−08−15 13:16 4.1 广西靖西 测震数据 建立地震事件频率-加速度幅值分布模型 34 2 017−12−08 01:50 1.8 福建龙岩 测震数据 建立地震事件频率-加速度幅值分布模型 35 2 017−12−20 19:07 1.6 广东东源 测震数据 建立地震事件频率-加速度幅值分布模型 36 2 017−12−25 14:48 1.0 广东阳江 测震数据 建立地震事件频率-加速度幅值分布模型 37 2 017−12−29 11:18 1.3 广西博白 测震数据 建立地震事件频率-加速度幅值分布模型 38 2 017−12−29 18:19 1.2 广东信宜 测震数据 建立地震事件频率-加速度幅值分布模型 39 2 017−12−30 12:13 3.4 四川盐源 测震数据 建立地震事件频率-加速度幅值分布模型 40 2 017−12−30 17:06 2.0 广东东源 测震数据 建立地震事件频率-加速度幅值分布模型 41 2 017−12−30 23:11 1.2 广东茂名 测震数据 建立地震事件频率-加速度幅值分布模型 42 2 019−11−25 09:18 5.2 广西靖西 测震数据 建立地震事件频率-加速度幅值分布模型 43 2 019−11−28 07:49 4.6 广西靖西 测震数据 建立地震事件频率-加速度幅值分布模型 44 2 020−06−26 05:05 6.5 新疆于田 测震数据 建立地震事件频率-加速度幅值分布模型 45 2 021−04−02 05:40 3.7 广东东源 测震数据 建立地震事件频率-加速度幅值分布模型 46 2 021−07−02 13:41 2.1 广东连平 测震数据 建立地震事件频率-加速度幅值分布模型 47 2 021−07−19 12:18 1.6 广东东源 测震数据 建立地震事件频率-加速度幅值分布模型 48 2 020−01−20 04:17 4.2 广东丰顺 强震数据 检验地震 49 2 020−05−25 11:24 3.6 广东丰顺 强震数据 检验地震 50 2 020−05−22 22:40 3.3 广东东源 强震数据 检验地震 51 2 020−04−01 22:06 3.2 广东丰顺 强震数据 检验地震 52 2 020−01−20 04:28 3.0 广东丰顺 强震数据 检验地震 53 2 020−03−29 19:31 3.0 广东丰顺 强震数据 检验地震 54 2 020−08−15 13:45 3.0 广东东源 强震数据 检验地震 55 2 020−10−14 12:43 3.0 广东丰顺 强震数据 检验地震 56 2 020−11−25 05:10 3.0 广东河源 强震数据 检验地震 57 2 020−03−28 20:59 2.9 广东丰顺 强震数据 检验地震 58 2 020−04−04 05:22 2.9 广东南澳海域 强震数据 检验地震 59 2 020−09−10 22:17 2.9 广东丰顺 强震数据 检验地震 60 2 020−01−23 20:07 2.8 广东惠来 强震数据 检验地震 61 2 020−02−09 07:47 2.8 广东丰顺 强震数据 检验地震 62 2 020−03−24 12:15 2.8 广东丰顺 强震数据 检验地震 63 2 020−04−04 21:40 2.8 广东河源 强震数据 检验地震 64 2 020−05−25 21:50 2.8 广东丰顺 强震数据 检验地震 65 2 020−07−05 20:01 2.8 广东东源 强震数据 检验地震 66 2 020−12−03 09:18 2.8 广东东源 强震数据 检验地震 67 2 020−04−18 13:30 2.7 广东五华 强震数据 检验地震 68 2 020−10−29 04:48 2.7 广东五华 强震数据 检验地震 69 2 020−02−12 17:04 2.6 广东河源 强震数据 检验地震 70 2 020−06−02 13:22 2.6 广东普宁 强震数据 检验地震 71 2 020−06−04 13:43 2.6 广东东源 强震数据 检验地震 72 2 020−09−10 13:34 2.6 广东丰顺 强震数据 检验地震 73 2 020−12−28 01:10 2.6 广东平远 强震数据 检验地震 74 2 020−02−17 18:12 2.5 广东河源 强震数据 检验地震 75 2 020−03−12 08:17 2.5 广东五华 强震数据 检验地震 76 2 020−03−30 19:49 2.5 广东五华 强震数据 检验地震 77 2 020−02−09 15:40 2.4 广东丰顺 强震数据 检验地震 78 2 020−03−30 01:57 2.4 广东丰顺 强震数据 检验地震 79 2 020−07−30 09:17 2.4 广东东源 强震数据 检验地震 80 2 020−12−12 10:46 2.4 广东河源 强震数据 检验地震 81 2 020−12−15 10:51 2.4 广东丰顺 强震数据 检验地震 82 2 020−02−09 21:53 2.3 广东丰顺 强震数据 检验地震 83 2 020−02−26 06:19 2.3 广东河源 强震数据 检验地震 84 2 020−04−04 21:40 2.3 广东河源 强震数据 检验地震 85 2 020−05−06 04:18 2.3 广东丰顺 强震数据 检验地震 86 2 020−05−07 00:43 2.3 广东五华 强震数据 检验地震 87 2 020−05−27 17:35 2.3 广东丰顺 强震数据 检验地震 88 2 020−06−06 06:37 2.3 广东惠来 强震数据 检验地震 89 2 020−08−08 11:31 2.3 广东东源 强震数据 检验地震 90 2 020−11−28 06:01 2.3 广东丰顺 强震数据 检验地震 91 2 020−03−09 02:14 2.2 广东东源 强震数据 检验地震 92 2 020−08−09 15:46 2.2 广东东源 强震数据 检验地震 93 2 020−08−16 23:27 2.2 广东丰顺 强震数据 检验地震 94 2 020−08−29 22:19 2.2 广东东源 强震数据 检验地震 95 2 020−09−29 02:39 2.2 广东河源 强震数据 检验地震 96 2 020−10−29 05:24 2.2 广东东源 强震数据 检验地震 97 2 020−11−01 04:38 2.2 广东丰顺 强震数据 检验地震 98 2 020−11−09 03:13 2.2 广东龙川 强震数据 检验地震 99 2 020−01−04 06:20 2.1 广东惠阳海域 强震数据 检验地震 100 2 020−02−27 20:14 2.1 广东东源 强震数据 检验地震 101 2 020−05−23 08:50 2.1 广东丰顺 强震数据 检验地震 102 2 020−05−29 07:54 2.1 广东丰顺 强震数据 检验地震 103 2 020−07−06 03:05 2.1 广东东源 强震数据 检验地震 104 2 020−10−14 11:17 2.1 广东丰顺 强震数据 检验地震 105 2 020−11−25 05:13 2.1 广东河源 强震数据 检验地震 106 2 020−12−18 05:58 2.1 广东丰顺 强震数据 检验地震
下载: 导出CSV
-
陈魁. 2000. 应用概率统计[M]. 北京:清华大学出版社:23−29. Chen K. 2000. Applied Probability and Statistics[M]. Beijing:Tsinghua University Press:23−29 (in Chinese).
丁莉莎. 2014. 应用于高温环境下的地震传感器关键技术研究[D]. 北京:中国地震局地震预测研究所:64−78. Ding L S. 2014. Research of Key Technology of Seismic Sensors Used in High Temperature[D] Beijing:Institute of Earthquake Forecasting,China Earthquake Administration:64−78 (in Chinese).
丁莉莎,马洁美,齐军伟,谢剑波,廖一帆,卢子晋,叶世山,劳谦,吕仲杭. 2021. 利用背景噪声的分形方法监控台站观测系统运行状态[J]. 大地测量与地球动力学,41(4):436−440. Ding L S,Ma J M,Qi J W,Xie J B,Liao Y F,Lu Z J,Ye S S,Lao Q,Lü Z H. 2021. Discussion on monitoring the operating state of seismic station observation system by using fractal method of background noise[J]. Journal of Geodesy and Geodynamic,41(4):436−440 (in Chinese).
江汶乡. 2015. 面向地震预警的强震动数据处理技术研究[D]. 哈尔滨:中国地震局工程力学研究所:29−34. Jiang W X. 2015. Research on Strong-Motion Data Processing Technology Oriented to Earthquake Early Warning[D]. Harbin:Institute of Engineering Mechanics,China Earthquake Administration:29−34 (in Chinese).
卢大伟,李小军. 2010. 中国大陆强震动观测发展研究[J]. 国际地震动态,(10):35−42. Lu D W,Li X J. 2010. Study on development of strong motion observation in China[J]. Recent Developments in World Seismology,(10):35−42 (in Chinese).
吕永清,蔡亚先,程骏玲. 2007. 确定地震计安装方位的相干性分析法[J]. 大地测量与地球动力学,27(4):124−127. doi: 10.3969/j.issn.1671-5942.2007.04.023 Lü Y Q,Cai Y X,Cheng J L. 2007. Orientation for seismometer with coherence analysing method[J]. Journal of Geodesy and Geodynamics,27(4):124−127 (in Chinese).
王广福. 1986. 地震观测系统的标定与检查[M]. 北京:地震出版社:117−120. Wang G F. 1986. Calibration and Verification of Seismograph Systems[M]. Beijing:Seismological Press:117−120 (in Chinese).
中国地震局. 2017. DB/T 64-2016 强震动观测技术规程[S]. 北京:地震出版社,5. China Earthquake Administration. 2017. DB/T 64−2016 Technical Regulations for Strong Motion Observation[S]. Beijing:Seismological Press:5 (in Chinese).
周雍年. 2006. 中国大陆的强震动观测[J]. 国际地震动态,(11):1−6. doi: 10.3969/j.issn.0253-4975.2006.11.001 Zhou Y N. 2006. Strong motion observation in Chinese continent[J]. Recent Developments in World Seismology,(11):1−6 (in Chinese).
Abd El-Aal A E A K,Soliman M S. 2013. New seismic noise models obtained using very broadband stations[J]. Pure Appl Geophys,170(11):1849−1857. doi: 10.1007/s00024-013-0640-7
Bormann P. 2002. New Manual of Seismological Observatory Practice (NMSOP) Volume 1[Z]. Potsdam:GeoForschungsZentrum:838−960.
Cauzzi C,Clinton J. 2013. A high- and low-noise model for high-quality strong-motion accelerometer stations[J]. Earthq Spectra,29(1):85−102. doi: 10.1193/1.4000107
Clinton J F,Heaton T H. 2002. Potential advantages of a strong-motion velocity meter over a strong-motion accelerometer[J]. Seismol Res Lett,73(3):332−342. doi: 10.1785/gssrl.73.3.332
El Fellah Y,Abd El-Aal A E A K,Harnafi M,Villaseñor A. 2017. New comprehensive standard seismic noise models and 3D seismic noise variation for morocco territory,North Africa,obtained using seismic broadband stations[J]. Explor Geophys,48(3):272−283. doi: 10.1071/EG15053
Gerner A,Bokelmann G. 2013. Instrument self-noise and sensor misalignment[J]. Adv Geosci,36:17−20. doi: 10.5194/adgeo-36-17-2013
Havskov J,Alguacil G. 2007. Instrumentation in Earthquake Seismology[M]. Dordrecht:Springer:1−349 .
Holcomb,L G. 2002. Experiments in Seismometer Azimuth Determination by Comparing the Sensor Signal Outputs with The Signal Output of An Oriented Sensor[R]. New Mexico:U. S. Geological Survey:2−183,206 .
Howard R M. 2002. The power spectral density and its application[C]//Principles of Random Signal Analysis and Low Noise Design:The Power Spectral Density and its Applications. Perth:Wiley:59−91.
Hutt C R,Evans J R,Followill F,Nigbor R L,Wielandt E. 2010. Guidelines for Standardized Testing of Broadband Seismometers and Accelerometers[R]. Virginia:U. S. Geological Survey:2009−1295.
NIED. 2019. NIED K−NET,KiK−net[DB/OL]. [2020−02−08].https://www.doi.org/10.17598/NIED.0004.
Peterson J R. 1993. Observations and Modeling of Seismic Background Noise[R]. New Mexico:U. S. Geological Survey:13−35.
Schorlemmer D,Woessner J. 2008. Probability of detecting an earthquake[J]. Bull Seismol Soc Am,98(5):2103−2117. doi: 10.1785/0120070105
Schultz R,Stern V,Gu Y J,Eaton D. 2015. Detection threshold and location resolution of the alberta geological survey earthquake catalogue[J]. Seismol Res Lett,86(2A):385−397. doi: 10.1785/0220140203
Sleeman R. 2006. Three-channel correlation analysis:A new technique to measure instrumental noise of digitizers and seismic sensors[J]. Bull Seismol Soc Am,96(1):258−271. doi: 10.1785/0120050032
Stehly L,Campillo M,Shapiro N M. 2006. A study of the seismic noise from its long-range correlation properties[J]. J Geophys Res:Solid Earth,111(B10):B10306.
Tasič I,Runovc F. 2013. Determination of a seismometer’s generator constant,azimuth,and orthogonality in three-dimensional space using a reference seismometer[J]. J Seismol,17(2):807−817. doi: 10.1007/s10950-012-9355-y
Welch P. 1967. The use of fast Fourier transform for the estimation of power spectra:A method based on time averaging over short,modified periodograms[J]. IEEE Trans Audio Electroacoust,15(2):70−73. doi: 10.1109/TAU.1967.1161901
Xie J B,Yang D K,Ding L S,Yuan S Y,Chen J T,Lu Z J,Ye S S,Ma J M,Zhao J H,Li X J. 2018. A comparison of azimuth,misalignment,and orthogonality estimation methods in seismometer testing[J]. Bull Seismol Soc Am,108(2):1004−1017.
-
期刊类型引用(1)
1. 何现启，彭凌星，朱自强，鲁光银. 垂直发育裂隙介质中PP波扰动法近似反射系数研究. 科学技术与工程. 2021(28): 11971-11980 . 
百度学术
其他类型引用(3)
计量
- 文章访问数: 326
- HTML全文浏览量: 87
- PDF下载量: 104
- 被引次数: 4
