买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安交通大学

摘要：本发明涉及地震预报技术领域，具体地说是一种基于微弱瞬态扰动信号的大地震预报方法，包括扰动信号捕获，异常信号处理，预报原理与方法，本发明可准确检测到超低频微弱的时变重力异常信息，进行异常信号处理消除噪声。通过大数据分析，研究重力异常信号与地震发生的位置、时间和震级的关系，创建基于震前时变重力异常的强震时空强短临预报模型；整合典型地震时变重力异常信号与其他地震前兆样本库，构建多源、异构、实时融合数据库，采用人工智能方法，构建基于时变重力异常和大数据混合智能优化及其他前兆的地震预报预警模型和风险防控平台，实现强震前数小时前发出预报预警信息。

主权项：1.一种基于微弱瞬态扰动信号的大地震预报方法，其特征在于，包括以下步骤：S1，扰动信号捕获：采用动态固体潮汐重力仪与动态大气潮汐重力仪进行信号捕获；所述动态固体潮汐重力仪是液体悬浮式重力仪，通过重力与浮力相等时处于悬浮状态，运动部件恢复力接近零以及固有频率接近零实现超低频震动测量；所述液体悬浮式重力仪是通过液体惯性运动在结构中循环流动测量大于传感器结构尺寸的超低频位移；所述液体悬浮式重力仪使用导电液体来敏感判断细微缓慢的波动状态，将机械波信号转换为个方向的电信号输出；按照地质构造和地震时空特征，以动态大气潮汐重力仪与的动态固体潮汐重力仪联合组网，分别实施广布撒网与重点监测的布设方案，测线垂直于构造线，测点以矩阵式分布；基于大气潮汐与固体潮汐不同模式下的监测手段，在提高仪器已有检测精度的基础上，在分别有利于两类仪器工作的环境下开展布网工作，所述仪器的分布应着重考虑构造运动活跃与地震复发活动性高以及重力变化异常的区域；S2，异常信号处理：S2-1，在数据接受初期用恢复法直接剔除并改正重力固体潮原始观测资料中的错误数据，用插值法修补较小中断；S2-2，利用软件获得重力固体潮各波群的潮汐参数及其精度评估；S2-3，扣除大气效应后，重力潮汐观测残差来自于海洋潮汐的负荷效应，结合由NAO99b全球海潮模型和中国近海海潮模型，基于格林函数方法计算的海潮负荷效应，以此对重力观测结果进行修正；S2-4，通过曲线振幅、曲线平静类型、极端气候影响消除、人工智能算法手段消除其他影响因素；S2-5，将获得的原始数据求得均值，再将每个数据减去均值，接着对均值处理的数据进行一次巴特沃斯滤波，得到信噪比更高的处理数据；S3，预报原理与方法：所述预报原理为通过典型地震与捕获到的动态重力信息特征对比分析，按短期-临震阶段动态重力异常信息特征，将强震孕育-发生过程与强震物理机制初步划分为四个阶段：S3-1，基本稳定阶段：动态重力观测曲线基本上呈正弦波，在没有强震发生的情况下无明显信息扰动，处于稳定的状态，属于动态重力信息的稳定期；S3-2，闭锁蓄能阶段：在地震发生前数小时～30天的短临阶段出现较明显的动态重力信息扰动，动态重力信息处于不稳定的状态；S3-3，震前平静阶段：闭锁蓄能阶段之后，动态重力信息再次处于较稳定的状态，属于动态重力信息的较稳定期；S3-4，能量释放阶段：“震前平静”阶段之后，地震发生；根据所述S3-1～S3-4的步骤作为短临地震预报的前兆信息；所述预报方法：S3-5，进一步提升动态重力仪的性能和稳定性：研制检测精度不低于1E-11ms-2即0.01微伽的动态重力仪产品，所述产品包括更高精度、更稳定、更轻便和智能化；多功能接口适用于多种布设条件，传输于手机与电脑终端显示；更低的数据阈值即M＝5.0且与警报联动；S3-6，动态重力仪组网观测及动态重力数据库建设：结合国家地震台网，动态重力仪器着重布在构造运动活跃、地震频发及重力变化异常的区域，通过组网观测，获取并建立分布式动态重力前兆信息数据库，建立强震与动态重力异常信息的一一对应关系，揭示强震孕育-发生过程中前兆信息的响应规律；S3-7，强震孕育-发生机制与强震短临预报理论研究：基于密集的台网观测，梳理强震前的动态重力时变异常信号，再现强震孕育-发生过程，探索和揭示基于所述S3-1～S3-4的步骤的基本逻辑的短期-临震阶段强震物理意义及其动力学机制，进而建立强震短临预报理论；S3-8，基于动态重力前兆的短临强震预测模型研究：通过已捕获到的前兆信息-地震对应关系，开展不同类型地震的动态重力信号响应规律研究，筛选被动态重力仪识别到的地震类型，分析动态重力前兆信息的扰动值变幅、出现频次、持续时长信号特征与强震发生概率、时间、强度和位置之间关系，建立基于时变重力异常的地震预报模型；基于动态重力前兆的强震发生概率即发生强震的可能性，用下式计算：所述R为强震发生概率，所述G为固体潮重力仪异常值，所述D为大气超重力仪异常值，所述M为捕获到动态重力异常的固体潮重力仪个数，所述N为捕获到动态重力仪异常的大气潮重力仪个数，所述a为固体潮重力仪异常值权重系数，所述b为大气潮重力仪异常值权重系数；动态重力观测时间频率为10次秒，每台仪器1小时可获取36000个数据，对每台仪器观测数据在归一化的基础上，对1小时内获取的数据进行滑动平均，建立强震发生概率预警预报阈值和预报模型，或采取异常值大于某一阈值出现的频率来估算强震发生的概率或可能性；强震发生时间预报：通过进一步挖掘前兆信息～强震发生时间数据，建立不同强震特征或类型的强震发生时间与前兆信息特征之间的关系，实现强震前数小时、数天的临震阶段，或一个月之内的短期阶段预报；强震发生强度或震级预报依据前兆信息的幅值与发震震级之间的正相关关系来实现，强震发生的位置可以在组网观测获取分布式前兆信息的基础上，通过对分布式动态重力异常值进行空间插值来求解最可能的震中位置，或者根据近期小地震频发多发的地域预估强震可能发生的位置；S3-9，基于人工智能+震前时变重力异常+其他地震前兆的强震短临预测平台建设与应用：整合典型地震时变重力异常信号与其他地震前兆样本库，构建多源、异构、实时融合数据库，基于现代人工智能技术，开展地震发生的多因素即概率、时间、震中位置和震级的联合特征无监督学习与分析，建立基于多因素的智能型强震短临预测模型和风险预警应用平台，通过大数据混合智能优化快速估计并反馈可能发生强震的概率、时间、震中位置和震级信息。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于微弱瞬态扰动信号的大地震预报方法