地震序列

地震序列（精选4篇）

地震序列 篇1

摘要：前兆观测数据真实可靠地应用在地震预测中前提是观测人员能够准确去除和标记干扰异常数据。为了能够在前兆数据预处理过程中由计算机及时检测出异常值, 文章在时间序列的异常值检测的基础上, 提出一套前兆仪器数据异常判定方法。根据异常的特征分析, 首先选取合适的阈值特征进行阈值异常检测, 在阈值异常检测结果的基础上, 进而将其与邻近观测点数据进行相似性度量。从而达到将局部干扰异常与地球物理变化区分的目的。这种异常判定规则应用在前兆预处理中大大提高了前兆数据预处理的准确性和效率。同时, 这种异常判定规则应用在实时监控中可以及时发现仪器的故障以及解决异常数据隐蔽性和时效性的问题。

关键词：地震前兆,时间序列,异常检测,相似性度量

地震前兆监测数据往往都包含着许多重要的信息, 从这些海量的数据中挖掘出有用的信息真实可靠地应用在地震预测中一直是地震工作者和学者研究的热点, 然而受局部环境、人为因素以及仪器内部故障等等诸多主客观因素的影响, 使得这些前兆时间序列中难免存在着一些异常点, 这些异常值对上述研究结果的准确性有着直接的影响, 因此前兆数据预处理中的异常值的检测是从前兆监测数据中准确的挖掘出前兆信息的前提和保障。

由于监测时间序列数据反映的是监测对象实时信息这一特征, 因此其异常定义不能简单的等同于传统的异常定义, 在前兆监测数据中, 一类是由地质结构的发生变化而引起的监测对象的实际结构发生变化的数据异常。一类则是有由仪器自身故障、噪声, 以及外部干扰, 其他局部干扰等因素引起的监测数据异常。前者异常能够反映地质结构变化, 称之为前兆信息。而后则与地质结构变化没有直接关系, 称之为干扰因素。因此前兆数据预处理中的尽可能的保护前兆信息的原始特征, 而剔除出干扰因素造成的异常值。而实际情况中, 由于监测对象涉及几大学科, 每个学科有涉及多个测项, 其数据的特点通常也存在较大的差异, 另外干扰因素繁多, 呈现形式多种多样, 这些不规则的, 交错的干扰因素, 让数据预处理时区分辨认这些干扰和处理时显得愈发困难。另一方面, 对于很多干扰因素, 如果不能做到实时监测, 事后则再去分析落实干扰因素则存在很大困难。而由于监测数据时间性较强, 数据量庞大, 采用在线动态监测则使检测算法面临很高的挑战。

时间序列的异常值监测方法很多, 大体可以分为阈值检测和聚类两大类。本文根据地震监测时间序列的数据量大、动态性、时效性等特征, 考虑阈值监测计算量小、速度快、可信度低, 适合用于动态检测, 然后将阈值检测的结果生成一个新的简化序列, 再用计算复杂, 高时间复杂度、高可信度的聚类分析的检测办法来对新的简化序列进行聚类分析, 从而达到异常值检测的目的。

1 相关定义与技术

定义1 (地震前兆时间序列) 设地震前兆时间序列{xi (t) } (i=1, 2, …, n, t=1, 2, .., m) , 其中i表示观测分量的变量, 当n=1时, 表示单分量地震前兆时间序列, 当n 2时表示多分量地震前兆时间序列。m是观察值的个数。

若对前兆观测时间序列进行在线动态检测, 则必须考虑其子序列随着随时间推进而变化, 所以这里给出滑动窗口的概念。

定义2对当前时间序列x (n) 进行异常检测, 当接收到指定长度的一段新数据x (n+1) 时, 将当前最新数据x (n+1) 添加进去从而形成一个新的时间序列{x (n’) } (n’=1, 3, …, n+1, ) , 进而再次触调用检测算法对其进行异常监测。

定义3 (欧式距离度量公式) {x1 (t) }和{x2 (t) }是给定的两个时间序列, 其中, t=1, 2, .., n, n为序列的长度, 将每个序列看成是n维空间中的一个点, 则{x1 (t) }和{x2 (t) }之间的距离定义为:

2 统计量阈值型异常值检测

统计量阈值检测是比较简易的一种检测方法。V.Barnett和T.Lewis[1]很早就提出用统计学思想进行异常值检测的方法, 即对观测数据时间序列的某个特征值的大小进行限定, 观测数据出现异常时, 可以体现在许多特征值的大小变化上, 文章这里将领域平均差分做为特征值为例进行说明[2], 因为通常观测数据出现异常表现在其数据平稳情况发生较大变化, 因此考虑从数据平稳性的角度对观测数据进行监控, 这里采取求领域时间段内观测值的二阶差分平均值的办法来衡量数据的稳定程度。假定观测值二阶差分在某个范围之内, 则定义这个范围为平均差分阈值。

设一段时间T[1, N]内某系统在时间点T1, T2, …, TN上的N个有序观测值X1, X2, …, XN.

若设定其平均差分阈值为Z, 则该时间段观测数据为正常数据必须满足条件:

这种方法算法复杂度低, 可以满足对前兆数据进行实时检测的要求, 从较粗的粒度上发现异常值。显然, 它缺乏一定的可信度, 不能真正达到异常值检测的目的。下面给出自定义阈值型数据异常判定算法。

算法2.1自定义统计量阈值检测算法 (C#语言)

3 相似性度量检测法

时间序列的相似性度量的方法有很多种, 包括欧式距离法 (ED) , 动态时间弯曲 (DTW) 距离法[3]和形态特征距离法[4]。这些时间序列相似性度量方法各有优缺点, 观测员在系统中可以根据自己实际情况进行选择相似性度量方法, 并设置其相似度的阈值。而基于相似性度量的孤立点检测早在2002年香港大学的E.Hung和D.Cheung就提出了并行化基于距离的孤立点的挖掘算法[5], 本文这里提出的检测算法, 是在阈值检测法的基础上进行的, 实际上是对阈值检测法检测出的异常点进行二次筛选的过程。为了检测样本时间序列相对于临近观测点的时间序列是否离群, 首先给出样本时间序列的平均临近距离和样本时间序列临近测点间的平均离散距离的概念。

定义4.1设x1 (tn) 为观测样本点G的时间序列, p={x2 (tn) , x3 (tn) , …xk (tn) }代表与G临近的k-1个测点的同一观测分量的时间序列集合, 则样本G的平均临近距离表示为:

P内平均离散距离表示为:

定义4.2设x1 (tn) 为观测样本点G的时间序列, p={x2 (tn) , x3 (tn) , …xk (tn) }代表与G临近的k-1个测点的同一观测分量的时间序列集合, 当Avd (G) -Aud (G) >L时, 则样本点G为干扰异常。当Avd (G) -Aud (G)

相似性度量规不过多的考虑对异常形态本身的规律上的认识, 而是按照某种度量方法, 从直观上去度量观测数据与周围测点之间的相似程度, 从而判定其是否离群。

然而实际应用中, 根据用户对异常信息的兴趣点的不同, 异常判定的方法有很多, 这里的自定义阈值规则和相似性度量规则只是其中的较为常见的设计方法。采用阈值规则是为了简化相似性度量的计算量, 而是用相似性度量规则则是为了提高判定结果的可信度。文中利用地震观测数据邻近测点时间序列特性相似的特点, 将两者结合起来。

4 应用实例与分析

文章以信阳形变观测台降水干扰图, 交汇记录鲁甸地震震例的情况为例进行分析, 首先用平均二阶差分阈值对整个长度为8640的原始数据 (见图a) 进行实施检测, 设时间序列长度为10, 设阈值取附近10个数值平均值的2倍, 共检测出异常点如125个, 将的这125个点进行插值形成新的时间序列与郑州荥阳测点和焦作测点相对应数据进行相似性度量, 根据定义4.2分别设定K值为0.1, L值为4, 计算得出地球物理变化点一个, 正好对应图c中的震例。而计算出干扰异常32个点, 但是尽管降水干扰在这32个点的范围内, 但是很难直观的看出来, 显然, 降水干扰的一个下降的过程是一个缓慢的趋势变化, 因此仅用二阶差分阈值难以将其清除的提取出来, 因此对其傅里叶变化后, 用幅频特征与邻近测点再次进行相似性度量, 清楚的显现出三个大的趋势, 其中日潮, 半日潮三个测点具有很好的同步性, 而降水干扰异常仅仅在信阳台观测数据的幅频特征中清晰的提取出来, 见图b。

从该实例分析情况来看。阈值异常值检测能够大范围的提取出各种可能为异常的点, 但它却难以清楚的将干扰异常和地球物理变化区分开来, 但是特征阈值的选取又至关重要, 因为它的结果将直接影响相似性度量检测的效果。

5 结语

前兆观测数据真实可靠地应用在地震预测中前提是由台站观测人员能够准确去除和标记干扰异常数据。本文根据地震监测时间序列的数据量大、动态性、时效性等特征, 考虑阈值监测计算量小、速度快、可信度低, 适合用于动态检测, 然后将阈值检测的结果生成一个新的简化序列, 再用计算复杂, 高时间复杂度、高可信度的聚类分析的检测办法来对新的简化序列进行聚类分析, 从而达到异常值检测的目的。文中分别给出了阈值型异常检测策略与算法, 以及相似性度量型异常值检测策略, 最后用实例分析表明, 文中提出的前兆数据异常值检测的方法是有效可行的。

参考文献

[1]V.Barnett, T.Lewis.Outliers in statistical data.John Wiley and sons, 1994.

[2]成万里, 熊豪, 曲翠兰.前兆仪器数据异常实时监控系统研究[J].数字技术与应用, 2012 (10) :12-14.

[3]翁颖钧, 朱仲英.基于动态时间弯曲的时序数据聚类算法的研究[J].计算机仿真, 2004, 21 (3) :37-40.

[4]董晓莉, 顾成奎, 王正欧.基于形态的时间序列相似性度量研究[J].电子与信息学报, 2007, 29 (5) :1228-1231.

[5]Edward Hung, David W.Cheung.”Parallel Mining of Outliers in Large Database”, in Distributed and Parallel Database (DAPD) , Kluwer Academic Publishers, Volume 12, Issue 1, pages 5-26, July2002.

[6]郑健, 皮德常.基于共享最邻近的聚类和孤立点检测算法.第一届中国高校通信类院系学术研讨会, 2007.

[7]陈英, 顾国昌, 吕天阳.基于离群点识别的聚类结果属性特征簇发现.哈尔滨工程大学学报, 3/2009, 3 (30) .

地震序列 篇2

206月21日甘肃文县5.0级地震的地震序列余震发育,判定为主震-余震型.之前该地区100多年中强地震平静;震前一年ML3.0以上地震频次增高、地震连发;震前一月ML3.0地震活动平静.没有孕震空区和条带存在.

作 者：代炜 陈立琼 严武建 DAI Wei CHEN Li-qiong YAN Wu-jian 作者单位：代炜,严武建,DAI Wei,YAN Wu-jian(中国地震局兰州地震研究所,甘肃,兰州,73000)

陈立琼,CHEN Li-qiong(兰州市地震局,甘肃,兰州,73000)

地震序列 篇3

1 设计地震作用

当前国内外建筑结构抗震设计已广泛采用多级地震设防的原则, 我国《建筑抗震设计规范》针对多级地震的抗震设防目标为“小震不坏, 中震可修, 大震不倒”, 由此, 设计地震动作用分为“多遇地震、设计地震、罕遇地震”三个等级。采用序列化抗震设计时, 应首先确定在一定时间跨度内可能发生的主震和余震地震动作用。文献[1]将强余震的研究范围划定为主震后, 在短时间内会对结构产生明显影响的余震。强余震需满足以下条件:1) 主震发生之后1个月以内的余震;2) 余震震级M>5的余震;3) 在主震发生后1个月以内的所有余震中, 选出震级最大的2次, 按其发生的先后顺序, 分别称为第1次强余震和第2次强余震。在地震序列研究中, 出于对发震机理等天然要素的考虑, 常以震级表征主震与余震之间的关联。文献[2]在得到主余震等效地震震级后, 根据我国在20世纪70年代研究全国烈度区划时统计分析得到的震中烈度I0与震级M的关系式, 经过震中距、场地条件和东西部条件等修正得到工程位置的等效地震烈度。该关系式如下所示:

文献[3]给出了主震震源附近范围内, 理想化的主震地面峰值加速度与主震震级之间的定量关系, 如表1所示。

由于地震中, 工程区域的地面运动, 与震中距、地质构造条件和工程场地条件等诸多因素有关, 其幅值与地震震级之间不存在确定的关系。但是, 在抗震设计中, 可近似认为对同一确定的结构, 其主震和一个月内余震的震源位置是相同的, 因而可认为地震动衰减规律近似。进而, 可以偏理想化地认为, 主震所用地震动来自场地附近, 即工程位于其理想化的“震源”附近, 余震亦如此。继而, 可以根据上述震级与地面峰值加速度之间的关系, 由设计主震加速度反推设计用“震级”, 根据式 (1) 计算余震震级, 再由上述表格计算余震对应的地面加速度, 从而由主震加速度时程得到余震加速度时程, 用于序列化抗震设计。图1为按照本文提出的方法得到的典型的主震—余震序列地震动。

2 地震反应分析方法

针对梁、柱等杆系类型的构件, 地震作用下发生以弯曲为主的延性损伤, 可用包含恢复力关系的塑性铰模型表述其动力本构关系。针对钢筋混凝土构件, 可用的恢复力模型有克拉夫 (Clough) 退化双线性模型、武田 (Takeda) 三线性、四线性模型等。

在多数情况下, 骨架曲线与单调加载时的力—变形曲线基本一致, 因而, 可选用国内外规范常用的变形曲线形式来指定弹塑性地震反应分析所用的恢复力模型。例如日本铁路抗震规范[4]采用图2所示多折线表征的弯矩—转角或弯矩—曲率关系表征钢筋混凝土构件的抗弯特性, 采用转角或截面曲率衡量各性能等级的容许延性。由此, 可选用武田四线性模型表述塑性铰的弯曲能力。此外, 常用的还有双线性、三线性等骨架曲线表述方法。

在结构潜在的塑性铰区指定恢复力模型后, 即可通过弹塑性时程分析, 得到构件的延性、耗能反应, 以及结构变形等地震反应指标, 用于结构抗震性能评定。

3 抗震性能的评定

根据是否包含时间效应, 构件损伤可分为非累积损伤、累积损伤和综合损伤。针对地震序列作用进行抗震设计时, 应使用累计损伤指标或综合损伤指标作为构件抗震性能的评定方式。

基于变形的累积损伤指标, 通常以位移延性、转角延性、加卸载周数等为基本参数, 通过某种方式加权得到累积损伤指标。为综合反映构件变形和耗能在累积损伤中的作用, 国内外学者常采用变形项和耗能项组合的方式, 构成综合累积损伤指标。Park和Ang[5]于1985年提出考虑最大变形和累积耗能线性组合的钢筋混凝土结构损伤模型, 并得到广泛应用。后续的研究成果, 也多以该组合形式为基础。Park-Ang指标如式 (2) 所示:

其中, δm为地震作用下构件的最大变形;δu为单调荷载作用下构件的极限变形;Fy为构件的屈服力;d E为耗能增量。该指标采用组合系数β的形式, 反映了变形项和耗能项在损伤累积中的比重关系。自Park-Ang指标提出后, 国内外学者针对结构构件的累计损伤, 提出了多种改进的指标, 但一般还是以“位移 (延性) 项+耗能项”的基本形式, 因而, 针对地震序列作用, 可采用此类综合损伤指标评定抗震性能。

4 结语

针对结构在余震中可能在已损伤的情况下发生再次损伤, 本文提出了面向地震序列作用的抗震设计方法体系。结合国内外抗震设计规范和地震序列作用下结构损伤的研究成果, 提出了用于主震—余震设计的地震动表达方法, 并建立了包含地震反应分析方法和性能评定的设计体系, 可供结构抗震设计参考。

参考文献

[1]阚玉萍.强余震对钢筋混凝土梁桥抗震性能的影响研究[D].南京:江苏科技大学硕士学位论文, 2008.

[2]吴波, 欧进萍.考虑余震影响的结构抗震设计实用方法[J].哈尔滨建筑工程学院学报, 1994, 27 (4) :9-16.[3][美]罗伯特L·威格尔.地震工程学[M].中国科学院工程力学研究所, 译.北京:科学出版社, 1978.

[4]日本鉄道総合技術研究所.鉄道構造物等設計標準·同解說——耐震設計[M].日本東京:丸善株式会社, 1999.

地震序列 篇4

双向偏心结构扭转耦联地震反应的序列最优控制

本文分析了不对称建筑结构平移-扭转耦联振动的动力特性及地震作用下的响应;根据地震动输入结构的`过程,推导出一种更为一般的最优控制算法,所获得的控制力表达式同时包括地震响应和地震激励.通过对一非规则四层框架结构的扭转耦联地震反应控制分析表明,该算法不仅能有效地控制结构的平移地震反应,而且更有效地抑制结构的扭转耦联地震反应.

作 者：杜永峰 刘彦辉 李慧 DU Yongfeng LIU Yanhui LI Hui 作者单位：兰州理工大学,防震减灾研究所,甘肃,兰州,730050刊 名：地震工程与工程振动 ISTIC PKU英文刊名：JOURNAL OF EARTHQUAKE ENGINEERING AND ENGINEERING VIBRATION年，卷(期)：27(4)分类号：P315.966关键词：耦联效应 结构振动控制 控制算法 序列最优控制