一种基于贝叶斯理论的P波双参数地震预警方法

杨敬松, 张超, 李智涛, 李杰, 曲亦歆, 纪国达

杨敬松,张超,李智涛,李杰,曲亦歆,纪国达. 2021. 一种基于贝叶斯理论的P波双参数地震预警方法. 地震学报,43(2):227−236. DOI: 10.11939/jass.20200124
引用本文: 杨敬松,张超,李智涛,李杰,曲亦歆,纪国达. 2021. 一种基于贝叶斯理论的P波双参数地震预警方法. 地震学报,43(2):227−236. DOI: 10.11939/jass.20200124
Yang J S,Zhang C,Li Z T,Li J,Qu Y X,Ji G D. 2021. An early earthquake alarming method using seismic P-wave double-parameter based on Bayesian theory. Acta Seismologica Sinica43(2):227−236. DOI: 10.11939/jass.20200124
Citation: Yang J S,Zhang C,Li Z T,Li J,Qu Y X,Ji G D. 2021. An early earthquake alarming method using seismic P-wave double-parameter based on Bayesian theory. Acta Seismologica Sinica43(2):227−236. DOI: 10.11939/jass.20200124

一种基于贝叶斯理论的P波双参数地震预警方法

基金项目: 国家重点研发计划项目(2018YFC1503801)和应急管理部自然灾害防治研究院基本科研业务费专项(ZDJ2019-12)共同资助
详细信息
    通讯作者:

    李智涛: e-mail:zc_paper@yeah.net

  • 中图分类号: P315.2

An early earthquake alarming method using seismic P-wave double-parameter based on Bayesian theory

  • 摘要: 为了及时、准确、可靠地发出地震预警信息,本文提出了一种基于贝叶斯理论的地震P波双参数预警方法。选取中国地震台网中心记录的四川地区的355条地震数据,统计P波触发后前3 s的P波平均周期τc和位移幅值Pd,结合贝叶斯理论建立震级和峰值加速度的预测模型,并以震级M4.5和峰值加速度为120 cm/s2为预警阈值,建立了地震危害性判别模型。与传统拟合方法进行对比仿真分析,并以汶川MS8.0地震为震例,进行地震危害性判别实验与分析。实验结果表明:本文提出的基于贝叶斯理论的地震 P 波双参数预警方法比传统拟合方法地震漏报率低 15.15%,可以快速、准确地估计震级与峰值加速度,并有效地评估地震的危害性,能够为地震监测预警提供数据支持和决策依据。
    Abstract: In order to send out earthquake alarm information timely, accurately and reliably, an early earthquake alarm method using P-wave double-parameter alarm method based on Bayesian theory is proposed in this paper. Based on 355 earthquake data recorded at Sichuan Province of China Earthquake Networks Center, the median period τc and ground motion amplitudes Pd in the first 3 seconds after P-wave triggering are calculated. Combined with Bayesian theory, the prediction model of magnitude and peak ground acceleration is established. Taking the magnitude M=4.5 and PGA=120 cm/s2 as the alarm threshold, the seismic hazard discrimination model is established. Compared with the traditional fitting method, the simulation analysis of earthquake early warming based on Bayesian theory, and then the Wenchuan MS8.0 earthquake is taken as an example to carry out the earthquake hazard identification. The experimentalresults show that early earthquake alarming method using seismic P-wave double-parameter based on Bayesian theory is 15.15% lower than the traditional fitting method, which can can quickly and accurately estimate the magnitude and peak acceleration, and effectively assess the hazard of earthquake, which can provide data support and decision-making basis for earthquake monitoring and alarming.
  • 安宁河—则木河—小江断裂带是川滇菱形地块与华南地块的东边界,据历史记载1480年以来,该断裂带发生M6地震11次,M7地震7次。朱艾斓等(2009)利用1992—2002年小震精定位结果的分析显示,则木河断裂带的西昌—普格段同样出现了低b值的情况,推断区域内可能存在的凹凸体分布;赵静等(2015)利用10年尺度GPS速度场反演了鲜水河—则木河断裂带的闭锁程度,得出则木河断裂带的北段为强震危险区。但近年来安宁河—则木河—小江断裂带的地震活动却相对平静,尤其是则木河断裂带值得关注。

    传统的震相拾取方法是人工对连续地震波形数据进行仔细分析,逐一读取震相,人工肉眼识别地震事件初动,工作量巨大,且容易引入人为误差,然而随着台站分布的日益密集,地震数据呈海量级增长,很多微小地震淹没在背景噪声中,人工识别在工作效率和研究精度上远远不能满足工作需要(刘翰林,吴庆举,2017),大量的地震数据需要高质量、高效的自动化处理流程。目前,关于地震事件自动识别和震相自动拾取的方法越来越成熟,其应用也随之愈加广泛。地震精定位对提高地震参数的准确程度至关重要,较为直接的方式是采用精定位后的地震分布来刻画断层形态(Fang et al,2015Yin et al,2018Ross et al,2019Zhou et al,2021),精定位后的地震参数可以用于解析断裂带的精细断层结构形态及滑动行为等,并且高精度地震定位可对断裂结构进行成像,是解析发震断层几何形态的重要手段(Waldhauser,Ellsworth,2002Shelly et al,2016Mendoza et al,2019)。Zhou等(2022b)使用震相拾取、关联、定位和模板匹配(phase picking,association,location and matched filter,缩写为PALM)技术利用31个连续记录的宽频带地震台组成了覆盖小江断裂带整个段落的观测台网进行微震定位,发现小江断裂存在大量微震活跃的次级共轭断层。而且近年来则木河断裂带也小震频发,但区域台站较为稀疏,使用密集台阵记录获取更加完备的地震目录,可为后续开展研究工作提供数据基础。

    本研究我们拟基于则木河断裂带布设的流动地震观测台阵和原有固定台站共26个地震台站的数据,利用最新开发的、长于处理密集地震台阵海量地震记录的震相拾取、关联、定位(phase picking,association,and location,缩写为PAL)软件来获取则木河断裂带精细的地震活动图像,以期为进一步开展研究区的地震危险性等相关研究提供参考。

    2019年8月至2021年1月我们沿则木河断裂带(102.5°E—104°E ,24.5°E—26.5°N)布设了20个宽频带流动地震台,并进行了为期近两年的观测。本文研究主要采用这些流动地震台的观测数据,同时也收集了区域内的6个固定地震台的观测资料。流动地震台站及固定地震台的分布如图1所示,可以看出该密集台阵较好的覆盖了整个研究区。

    图  1  研究区主要断裂展布和地震台站分布(断层数据来自邓起东等,2003
    Figure  1.  Distribution of main faults and seismic stations in study area (the fault data is from Deng et al,2003

    本文采用PAL程序实现从原始连续波形中自动拾取和关联震相(Zhou et al,2022a),PAL是基于长短时窗比法(short term average/long term average,缩写为STA/LTA)(Allen,1982)和Kurtosis方法(Baillard et al,2014)组成的混合算法在单台开展触发式震相检测和寻峰式震相拾取P波和S波到时对,当使用STA/LTA算法的时候,长短窗口长度和信噪比对检测结果有一定影响,信噪比较低时拾取误差会偏大(孟娟等,2022)。因此,我们选取不同参数针对同一事件进行了测试。首先,手动拾取事件P波到时;其次,分别选取短窗长度和长窗长度为0.4 s和2 s与0.8 s和4 s的两对参数进行对比,将地震事件波形按照发震人工拾取走时的P波初动时刻为起始时间绘制在时间轴上,如图2所示。可以看出:短窗时长和长窗时长为0.4 s和2 s时长短窗检测的到时信息与人工拾取的走时基本一致,而短窗时长和长窗时长为0.8 s和4 s时长短窗检测时刻有明显的误差;从信噪比来看,信噪比较高时拾取误差偏小,这个结论基本上与前人结果吻合(孟娟等,2022)。最终,本文在使用STA/LTA算法时,选择短窗时长为0.4 s,长窗时长为2 s进行检测。

    图  2  不同时窗长度的检测到时变化 (2020年3月22日)
    Figure  2.  Variation in detection time for different time window lengths (March 22,2020)

    PAL具体处理流程如下:首先,对连续波形进行触发式事件检测,这个过程由STA/LTA算法完成,其中长窗时长设置为2 s,短窗时长设置为0.4 s,触发阈值设置为12;然后,在触发时刻周围精细拾取P波到时;最后,在P波到时后20 s内利用最大振幅时刻确定S波搜索时间窗,利用水平分量能量的峰度(E分量和N分量)对S波进行拾取。至此,我们得到了单台检测地震事件的P波和S波到时信息,但是检测的结果不可避免地存在因噪声而引起的误检事件,因此需要对检测结果进行震相关联,借助可靠和高效的震相关联算法,在时空域上搜索聚集的原始时间和适当位置的空间网格搜索,实现走时残差最小。图3展示了一个经过P波和S波成功关联的地震事件,红色实线表示拾取的P波到时,蓝色实线表示拾取的S波到时,最后得到了包含地震事件、P波、S波和走时残差的震相文件,此文件可以作为绝对定位程序(Hypoinverse)的初始输入文件。

    图  3  基于P波和S波关联定位的地震事件
    Figure  3.  P and S phase associated into earthquake

    为了保证上述震相关联所得到地震事件可靠,我们首先根据走时曲线特征将离散性较大的数据所对应的地震事件删除(图4);然后,逐个人工核实每个事件波形数据,剔除震相错误和震相不清的地震事件,并且保证每个事件至少被4个以上台站记录到。本文所选用的一维速度模型主要参考川滇地区地壳上地幔三维速度结构、Crust1.0模型和安宁河—则木河断裂带背景噪声成像的研究结果(王椿镛等,2002谭夏露等,2018),最终确定本研究绝对定位所使用的模型(图5),并使用Hypoinverse2000程序(Klein,2002)对地震事件进行绝对定位。

    图  4  地震P波和S波震相走时曲线
    Figure  4.  Time-distance curves of P-wave and S-wave
    图  5  研究区一维速度模型
    Figure  5.  1D velocity model used in study area

    双差定位法是目前应用较为广泛和成熟的算法,能有效地提高地震定位精度,该方法利用绝对定位后的震相报告计算走时差数据,本研究中我们设置地震对之间的最大距离为10 km,选择距离台站200 km范围内的地震,最终获得了1万9210个地震对和6万4160个P波和6万4160个S波走时差数据。使用HypoDD (Waldhauser,Ellsworth,2000)程序获得相对准确位置,其中P波权重设为1。由于地震事件多为近震事件,故将S波权重设置为0.7,阻尼值设置为80,并设置两轮迭代,每轮迭代5次,在迭代过程中采用4倍标准差作为截断值。利用共轭梯度法进行计算,采用与绝对定位相同的速度模型,共有1075个事件参与HypoDD定位,最终得到了956个地震定位结果。

    我国地震台网日常地震监测中要测定地方性震级ML、短周期体波震级mb、面波震级MS、宽频带面波震级MS(BB)和矩震级MW中国地震局,2017)。根据本文研究区范围,同时考虑后续研究需与四川地震台网目录震级大小比对讨论,计算了事件的地方性震级ML

    本文使用初始检测得到的事件质点运动位移Aμ (单位:μm)仿真伍德-安德森(Wood-Andersoon,缩写为WA)计算,其应用公式为:

    $$ M_{{\rm{L}}} = {\rm{lg}}A_{{{\mu}} } + R ( \varDelta ) \text{,}$$

    式中:Aμ=(ANAE)/2,ANAE分别为NS分量和EW分量的S波位移的最大振幅;RΔ)使用西南地区的量规函数,其中Δ为震中距,取值列于表1

    表  1  本文使用计算的R量规函数表
    Table  1.  Rcalibration functions in this study
    震中距Δ/kmR震中距Δ/kmR震中距Δ/kmR震中距Δ/kmR
    0—52.0402.8853.31503.7
    102.0452.9903.41603.7
    152.1503.01003.41703.8
    202.2553.11103.51803.8
    252.4603.21203.51903.9
    302.6703.21303.6203.9
    352.7753.31403.62103.9
    下载: 导出CSV 
    | 显示表格

    地震定位误差是指地震事件在地球表面上的水平位置(经度和纬度)与实际位置之间的差异。当地震事件被定位后,通常会给出一个水平误差范围,这个范围表示地震可能发生的区域,垂直误差同理。定位结果误差分布如图6所示,可以看出:水平方向误差介于1—2 km之间,平均为1.3 km;垂直误差大多小于4 km,平均为2.37 km;走时均方根残差大多小于0.3 s,均值为0.18 s。从P波和S波的走时−距离散点图(图4)也可以看出,P波和S波总体呈良好的线性分布,综合表明了地震结果的可靠性。

    图  6  基于Hypoinverse的一维地震定位误差分析
    Figure  6.  Error distribution of 1D earthquake location from Hypoinverse

    震级分布如图7b所示,可以看出。震级集中分布在ML0—1.0之间,通过震级−频度关系(Gutenberg,Richter,1944)计算得到b值为0.89,完备震级为0.5,在一定程度也反映出了密集台阵具有较好的监测能力。同时较低的b值也反映出研究区处于较高的应力水平(图7a)(易桂喜等,2004)。

    图  7  最小完备震级Mcb值(a)和震级-频度图(b)
    Figure  7.  The minimum magnitude of completeness Mcb value (a) and magnitude-frequency (b)

    我们对获得震源参数的地震事件分别绘制震相关联后初始位置、绝对定位后位置和重定位位置分布,图8a显示了震相关联后的初始地震事件位置,可以看出初始地震事件空间分布呈棋盘状,其原因是在进行震相关联算法中仅考虑了时空域上走时残差最小而确定的地震位置;在进行绝对定位后(图8b),可以明显地看出震中分布更为合理;经过双差重定位后的震中分布(图8c)显示,重定位后地震的空间分布更加收敛,线性趋势更加明显,且地震多发生在则木河断裂带、大凉山断裂带等一级大断裂带(图1)上。

    图  8  重定位前后2019—2021年则木河地区地震震中分布图
    (a) 震相关联初始事件震中分布;(b) 震相人工核查后绝对定位震中分布;(c) 基于绝对定位震相报告的双差定位结果
    Figure  8.  Distribution of earthquake hypocenters in Zemuhe area from 2019 to 2021 before and after relocation
    (a) Initial epicentral distribution;(b) Hypoinverse epicentral distribution after manual inspection;(c) HypoDD epicentral distribution

    对比经过绝对定位和双差定位法后的地震震源深度分布(图9)可知,重定位前震源深度的优势分布范围为4—11 km,重定位后震源深度的优势分布范围为5—13 km,且更为集中并趋于正态分布,表明地震多发生在中、上地壳。

    图  9  重定位前后震源深度分布
    (a) 初始震中分布;(b) 重定位后震中分布
    Figure  9.  Distribution of earthquake hypocenters before and after relocation
    (a) Initial epicentral distribution;(b) Epicentral distribution after relocation

    则木河断裂带内部由5条次级活动断层组成(杜平山,冯元保,2000),分别为李金堡断裂(F1)、大箐断裂(F2)、扯扯街断裂(F3)、松新断裂(F4)和大同断裂(F5),全长120 km,属于左旋走滑断裂带,则木河次级断裂的深部地震(图10)显示出了断裂深部的展布形态,两条次级断裂交会于则木河断裂中部,地震主要在沿次级断裂分布。从地震震级分布来看,研究区内增设密集台阵后在则木河断裂带检测出了数量可观的微小地震,在大箐断裂(F2)、扯扯街断裂(F3)、松新断裂(F4)和大同断裂(F5)出现小震密集带,研究区东南方向有大型水库(图10a),此处出现小地震丛集现象,因本文主要探讨则木河断裂带上地震活动特征,故不作讨论。为分析研究区地震活动深部构造特征,我们分别在沿断裂走向的剖面AA′和垂直于走向的剖面BB′和CC′三条剖面(位置见图10a)两侧0.2° 范围内进行深度展布特征分析。

    图  10  研究区重定位后的震中分布图(a)及地震震中沿剖面AA′ (b),BB′ (c)和CC′ (d)剖面线两侧0.2°范围的分布
    Figure  10.  Distribution of earthquake epicenters after relocation (a) and cross-section of earthquakes along the profiles AA′ (b),BB′ (c) and CC′ (d) each side of 0.2° distance

    沿AA′ 剖面(图10b)可见,研究区地震主要集中于则木河断裂带中段,震源深度主要集中在0—20 km,沿断裂带中段小震比较密集,由NW向SE方向呈变浅的趋势,在李金堡段相对较浅,震源深度集中在0—10 km,在大箐断裂震源深度较大,主要集中在0—25 km,与路鹏等(2012)研究结果一致。

    从垂直于大箐断裂(F2)和扯扯街断裂(F3)的剖面BB′ 的震源深度分布 (图10c)可以清晰地看到,大箐断裂和扯扯街断裂的地震分布在垂直剖面有明显向NW的倾向,整体倾角在60° 左右,这一现象与则木河活动断裂带地质填图结果(杜平山,冯元保,2000)基本一致;另一簇小震密集对应于大凉山断裂带(F6),可以看到大凉山断裂带小震震源深度相对较浅,主要分布在0—13 km左右。

    图10d给出了垂直于扯扯街、松新断裂和大同断裂的剖面CC′ 上的地震分布情况,可以看出,地震的倾向与图10c给出的倾向方向一致,约为60°,这表明虽然则木河断裂带的内部被分为多个次级断裂,但各个次级断裂不仅在走向上一致,在倾向上也基本相同。

    本研究采用了PAL自动检测及震相关联技术、一维地震绝对定位法和双差定位法对则木河断裂带区域自2019年4月至2021年1月布设的密集台阵数据开展了地震识别定位,获得了1075个地震事件,并对事件进行了重定位研究,得到了如下结论:

    1) 重定位后地震的空间分布更加收敛,与发震断层之间的空间关系更加明显,线性分布更好,地震主要沿西昌—普格—宁南呈NW向分布,局部地震分布与断层走向一致,沿李金堡断层(F1)、大箐断层(F2)、扯扯街断层(F3)、松新断层(F4)和大同断层(F5)展布,显示出地震活动沿构造分布的特征。

    2) 重定位后震源深度分布有了明显的改善,深部分布更加趋于正态分布,震源深度多集中在0—20 km,优势深度在5—15 km,说明地震多发生在中上地壳,地震在垂直于断层走向的各个剖面的深度分布显示了断层深部构造,总体来看,地震深度显示的则木河断裂带各次级断裂整体倾向NW,与地表地质填图研究的结论吻合。

    3) 从震级分布情况来看,研究时段内则木河断裂带小震活动频繁,微震集中在大箐断层与扯扯街断层之间,这也显示出断层交会地方应力的集中。

    本文使用了密集台阵观测数据,采用最新PAL程序对研究区地震事件进行快速检测和精定位,针对区域台网或者流动密集台阵,能较为快速的产出完备的地震目录,对后续开展研究区震源参数研究提供丰富的数据基础。

    断层蠕滑导致凹凸体加载和破裂从而产生重复地震,下一步工作将采用模板匹配检测等方法进行微小地震检测定位,通过检测微震,提取更为完备的重复地震序列,从而可以通过重复地震序列研究地下断层的滑动特征。

    周一剑博士在PLAM程序包的应用上给予指导并参与结果的讨论,本文图件使用GMT6 (Wessel et al,2019)绘制,地震波数据处理主要由Seismic Analysis Code (SAC)软件包完成,一维定位程序Hypoinvers2000程序由USGS提供,分析地震活动性程序采用ZMAP (Wiemer et al,2001),研究过程得到了云南省地震局王光明工程师和吕帅工程师的帮助,四川省地震台网提供了区域基本站的连续波形数据和震相观测报告,审稿专家为本文提出了有建设性的修改建议,作者在此一并表示感谢。

  • 图  1   选取地震的震中(a)和震中距、震级及地震记录数(b)的分布

    Figure  1.   Locations of earthquakes (a) and the number of earthquakes corresponding to different magnitudes and epicentral distances (b)

    图  2   不同震级的概率密度分布

    Figure  2.   Probability density distribution of different magnitudes

    图  3   不同PGA的lgPGA概率密度分布

    Figure  3.   Probability density distributions of lgPGA with different PGA

    图  4   地震判断模型

    Figure  4.   Seismic judgment model

    图  5   实际震级与传统方法预测震级Mf和基于贝叶斯理论的预测震级Mb的比较(a)及其误差分布(b)

    Figure  5.   Comparison of value M with fitting predicted values Mf and Bayesian predictors Mb (a) and the error distribution (b) of predicted magnitude

    图  6   真实值PGA与传统拟合预测值PGAf (a)和基于贝叶斯理论的预测值PGAb(b)的比较

    Figure  6.   Comparison of real values PGA with fitting predicted values PGAf (a) and Bayesian predictors PGAb (b)

    图  7   基于贝叶斯理论的预测方法(a)和传统拟合方法(b)所得结果与真实数据判别结果的对比

    Figure  7.   Comparison of discrimination results by Bayesian theory method (a) and fitting method (b) with real data

    表  1   实验数据与结果

    Table  1   Experimental data and results

    台站位置 贝叶斯理论预测结果 地震危害性判别结果
    东经/°北纬/° MSPGA/(cm·s−2 贝叶斯方法传统拟合方法真实
    102.20 29.90 7.03 79.43 大震远震 大震远震 大震远震
    102.90 30.20 6.35 104.71 大震远震* 大震近震 大震近震
    103.80 30.90 7.71 173.78 大震近震 大震近震 大震近震
    102.90 30.10 7.11 107.15 大震远震 大震近震# 大震远震
    102.20 28.30 6.91 53.70 大震远震 大震远震 大震远震
    102.60 29.50 6.88 75.86 大震远震 大震远震 大震远震
    102.10 29.40 6.02 69.18 大震远震 大震远震 大震远震
    102.20 29.70 4.52 83.18 小震近震 小震近震 大震远震
    103.50 30.60 3.00 138.04 小震近震* 小震近震* 大震近震
    103.60 30.30 7.77 123.03 大震近震# 大震近震# 大震远震
    102.40 29.30 7.94 85.11 大震远震 大震远震 大震远震
    注:表中地震危害性判别结果中右上角标准为*的表示漏报;标注为#的表示误报。
    下载: 导出CSV
  • 方嘉治,张颖,汪逵,董奕. 2020. 地震动场地影响校正在烈度速报中的应用研究[J]. 华南地震,40(3):17–26.

    Fang J Z,Zhang Y,Wang K,Dong Y. 2020. The research on application of site correction of ground motion in rapid reporting of seismic intensity[J]. South China Journal of Seismology,40(3):17–26 (in Chinese).

    冯继威.2019. 大震地震动场的实时估计[D]. 哈尔滨: 中国地震局工程力学研究所:1–164.

    Feng J W. 2019.Real-time Estimation of the Ground Motion Field of Large Earthquakes[D]. Harbin: Institute of Engineering Mechanics, China Earthquake Adminiistration: 1–164 (in Chinese).

    郭凯,温瑞智,彭克银. 2016. 地震预警系统的效能评估和社会效益分析[J]. 地震学报,38(1):146–154. doi: 10.11939/jass.2016.01.015

    Guo K,Wen R Z,Peng K Y. 2016. Effectiveness evaluation and social benefits analyses on earthquake early warning system[J]. Acta Seismologica Sinica,38(1):146–154.

    郝美仙,周银兴,张建中,张珂,尹战军. 2020. τc方法在内蒙古地区预警震级计算中的应用[J]. 中国地震,36(1):136–145.

    Hao M X,Zhou Y X,Zhang J Z,Zhang K,Yin Z J. 2020. Application of τc method in the early warning magnitude calculation in Inner Mongolia region[J]. Earthouake Research in China,36(1):136–145.

    李世杰,吕悦军,刘静伟. 2018. 古登堡-里希特定律中的b值统计样本量研究[J]. 震灾防御技术,13(3):636–645.

    Li S J,Lü Y J,Liu J W. 2018. Research on b-value statistical sample size in Gutenberg Richter law[J]. Technology for Earthquake Disaster Prevention,13(3):636–645 (in Chinese).

    龙承厚,赖敏,余桦,黎大虎. 2011. 地震有效峰值加速度与地震烈度相关性研究[J]. 四川地震,2011(2):26–31.

    Long C H,Lai M,Yu H,Li D H. 2011. Study on the correction between effective peak ground acceleration and seismic intensity[J]. Earthquake Research in Sichuan,2011(2):26–31 (in Chinese).

    马强,李水龙,李山有,陶冬旺. 2014. 不同地震动参数与地震烈度的相关性分析[J]. 地震工程与工程振动,34(4):83–92.

    Ma Q,Li S L,LiS Y,Tao D W. 2014. On the correlation of ground motion parameters withseismic intensity[J]. Earthquake Engineering and Engineering Dynamics,34(4):83–92 (in Chinese).

    宋晋东,教聪聪,李山有,侯宝瑞. 2018. 基于地震P波双参数阈值的高速铁路Ⅰ级地震警报预测方法[J]. 中国铁道科学,39(1):138–144. doi: 10.3969/j.issn.1001-4632.2018.01.19

    Song J D,Jiao C C,Li S Y,Hou B R. 2018. Prediction method of first-level earthquake warning for high speed railway based on two-parameter threshold of seismic P-wave[J]. China Railway Science,39(1):138–144 (in Chinese).

    武俊奇. 2016. 基于Bayes原理的渐进地面震动强度预警与P波特征参数研究[D]. 北京: 北京交通大学: 37–70.

    Wu J Q. 2016. Research on Progressive Ground Motion Intensity Warning Based on Bayes Principle and Characteristic Parameters of the P-Wave[D]. Beijing: Beijing Jiaotong University: 37–70 (in Chinese).

    张晁军,陈会忠,蔡晋安,侯燕燕,许洪华,李卫东. 2014. 地震预警工程的若干问题探讨[J]. 工程研究-跨学科视野中的工程,6(4):344–370.

    Zhang C J,Chen H Z,Cai J A,Hou Y Y,Xu H H,Li W D. 2014. Discussion on some issues of earthquake early warning engineering[J]. Journal of Engineering Studies,6(4):344–370 (in Chinese).

    赵岑. 2013. P波预警中的震级预测和PGA、PGV估算研究[D]. 成都: 西南交通大学: 33–61.

    Zhao C. 2013. Study on the Characteristics of P-Wave to Estimate Magnitude and PGA, PGV in the Field of Earthquake Early Warning[D]. Chengdu: Southwest Jiaotong University: 33–61 (in Chinese).

    中国地震台网中心. 2020. 国家地震科学数据中心[DB/OL]. [2020-03-07]. http://data.earthquake.cn.

    China Earthquake Networks Center. 2020. China earthquake data center[DB/OL]. [2020-03-07]. http://data.earthquake.cn (in Chinese).

    周银兴,张素灵,郭凯,张岩. 2015. 高速铁路地震预警系统控车方案研究[J]. 震灾防御技术,10(1):116–125. doi: 10.11899/zzfy20150112

    Zhou Y X,Zhang S L,Guo K,Zhang Y. 2015. High speed train control strategy in earthquake early warning system[J]. Technology for Earthquake Disaster Prevention,10(1):116–125 (in Chinese).

    Iervolino I,Convertito V,Giorgio M,Manfredi G,Zollo A. 2006. Real-time risk analysis for hybrid earthquake early warning systems[J]. J Earthq Eng,10(6):867–875.

    Kanamori H. 2005. Real-time seismology and earthquake damage mitigation[J]. Ann Rev Earth Planet Sci,33:195–214. doi: 10.1146/annurev.earth.33.092203.122626

    Zollo A,Amoroso O,Lancieri M,Wu Y M,Kanamori H. 2010. A threshold-based earthquake early warning using dense accelerometer networks[J]. Geophys J Int,183(2):963–974. doi: 10.1111/j.1365-246X.2010.04765.x

  • 期刊类型引用(1)

    1. 罗全波,陈学良,高孟潭,李宗超,李铁飞. 集集地震近断层速度脉冲分析. 国际地震动态. 2019(10): 2-11 . 百度学术

    其他类型引用(5)

图(7)  /  表(1)
计量
  • 文章访问数:  725
  • HTML全文浏览量:  299
  • PDF下载量:  52
  • 被引次数: 6
出版历程
  • 收稿日期:  2020-07-18
  • 修回日期:  2020-11-21
  • 网络出版日期:  2021-06-17
  • 发布日期:  2021-03-14

目录

/

返回文章
返回