基于震后各机构给出的玛多MS7.4地震震源机制解,利用震源-矩心(H-C)方法对地震发震断层进行快速判断,在不需要参考余震情况下,快速识别地震破裂方向。18组测定结果均显示,NWW走向的节面Ⅰ为发震断层面。综合利用震源区地质构造特征、震后余震序列分布、区域构造应力场、烈度等震线以及野外地质考察结果,验证断层测算结果的准确性,最终推断玛多MS7.4地震断层面为NWW走向的节面Ⅰ、昆仑山口-江错断裂为发震断层,震源机制解显示是一次以左旋走滑为主的地震事件。
以2014年康定6.3级地震震后InSAR形变资料为约束,采用三层粘弹性地震周期模型及遗传算法反演鲜水河断裂南东段的康定地震震区深部介质粘弹性层厚度及粘滞系数。最优拟合结果表明:1)该区域下地壳粘弹性层厚度为5 km,粘滞系数为9.9×1017 Pa·s,且断层两侧下地壳流变存在显著的横向不均一性。2)将断层两侧分别反演,显示断层南西盘下地壳粘滞系数(8.7×1017 Pa·s)略小于断层北东盘下地壳粘滞系数(1.2×1018 Pa·s)。
基于中小地震重新定位结果和震源区应力场等地球物理资料,分析祁连山中东段地区断层构造和构造变形特征。结果表明:1)祁连山中东段地区震源深度主要分布于2~20 km。龙首山断裂震源深度分布呈上宽下窄的倒三角形;门源6.4级地震的余震震源深度为5~15 km,倾向SW;金强河断裂东段地震活动性强,倾向NE,倾角较高;老虎山断裂东段地震活动性强,倾向NE,深部呈近垂直产状。祁连山中东段地区震源深度自西向东递增,推测祁连山东段地区更深部可能已发生构造活动。2)研究区主压应力方向为NE-NEE向。3)沿祁连山中东段地区一系列走滑断裂与前缘逆冲断裂的组合破裂是青藏高原北东向挤出的一种重要的构造变形调节模式。
借助可见光、微波、GPS和重力等数据从多源遥感视角对郯庐断裂带江苏段的地表出露形态、断裂带周边形变场和块体重力等特征进行研究,并辅以实地调查和探槽验证。结果表明:1)有争议的F5断裂南部应位于泗洪县后陈村,地表出露长度约为9 km,走向约为NNE12°;2)Sentinel-1A数据反演的断裂区地表形变场与普遍认为的第四纪以来郯庐断裂带右旋特性一致,且宿迁、新沂、泗县表现为沉降,邳州、睢宁、泗洪表现为隆升,断裂两侧水平和垂直向形变速率差分别约为4 mm/a和3 mm/a;3)GPS形变场分析表明,断裂两侧相对滑动约为1.4 mm/a,与微波结果的形变差异体现出近年断裂走滑运动呈加速状态;4)布格重力异常分析表明,断裂两侧重力分异明显,表现出西低东高的特征分异状态。该成果可为郯庐断裂带江苏段周边地壳块体形变、潜在孕震、发震等级和震灾防御等研究提供借鉴。
在现场地质调查基础上,通过钻探、断层气氡探测、浅层地震探测和智能微动探测等多种手段,揭示深圳后海填海区隐伏断层F1、F2的几何学特征,对沿北西向断层发育的风化槽成因进行分析。结果表明:1)F1、F2隐伏断层发育于燕山期花岗岩中,走向、倾向和倾角分别为N38°~40°W、NE、59°~63°和N50°W、NW、70°,断层带宽分别为30~35 m、40 m,主要由碎裂岩及碎斑岩组成,裂面上发育薄层碎粉岩,绿泥石化现象显著,属脆性破裂体系,均为张性兼反扭性质,未见扰动全新世地层;2)采用断层气Rn浓度强度对隐伏断层相对活动性进行测定显示,F1隐伏断层活动性较强;3)F1、F2断层分别控制风化槽南西、北东边界,风化槽主要成因为张性断层上盘较下盘破碎,裂隙、孔隙和次级小断层较发育,构造破碎的花岗岩体在海水、温度等作用下使长石快速风化所致。
利用渭河盆地眉县至扶风段地震测线的连续地震背景噪声数据,基于噪声水平和垂直向谱比(HVSR)法,得到各台站HVSR曲线;再通过频率与深度的转换关系,获得测线下方近地表第四系沉积层结构埋深。结果显示,盆地第四系沉积层厚度呈U型分布,由盆地两侧向中间腹部逐渐变厚,两侧厚度为100~400 m,中部厚度为400~600 m;沉积层深度剖面在距测线起点25 km和33 km处明显表现出沉积界面间断跳跃特征,该变化与岐山-马召断裂和扶风-乾县断裂在空间位置上有较好的一致性。
为准确掌握库区滑坡变形潜势,在变形监测成果统计基础上,首先利用极限位移准则开展滑坡现状变形潜势分析;然后以相关向量机为理论基础,通过优化处理保证其参数最优性,构建滑坡变形预测模型,并以预测结果开展滑坡变形潜势的发展趋势评价;最后结合两种分析结果,实现滑坡综合变形潜势分析。结果表明,不同监测点的现状变形潜势状态存在一定差异,由不利原则可知,现状变形潜势等级为Ⅳ级,潜势程度属严重状态;滑坡变形仍会进一步增加,变形潜势趋于不利方向发展。综合两种分析结果可知,滑坡变形潜势处于不利状态,后期失稳可能性较大,应加强灾害防治,避免成灾损失。
以中国典型黄土滑坡域甘肃黑方台党川6#滑坡体为例,基于滑坡体北斗和位移计时序监测数据,首先利用深度学习框架Tensorflow分别构建3种循环神经网络滑坡位移预测模型:简单循环神经网络(simple recurrent neural network,SimpleRNN)、长短期记忆网络(long short-term memory,LSTM)和门控循环单元(gated recurrent unit,GRU),并进一步针对循环神经网络在参数设置时多采用经验手动调参或采用网格搜索法,易造成人为主观影响较大和计算效率低下的突出问题,引入遗传算法(genetic algorithm,GA)优化循环神经网络参数的自动最佳化选取,分别构建3种基于遗传算法改进的循环神经网络滑坡位移高精度预测模型:GA-SimpleRNN、GA-LSTM、GA-GRU。研究结果表明,改进参数自动寻优后的3种循环神经网络预测模型具有更优的预测性能,特别是GA-GRU模型预测精度最高,更适用于滑坡体长时序位移的高精度预测。
为解决位置精度衰减因子( position dilution of precision, PDOP )监测评估中经常使用的等经纬度间隔格网模型(equal-interval of longitude and latitude grid, GRID_ELL)存在全球格网点分布不合理、评估统计结果有偏差、计算和存储效率低等问题,进一步开展全球PDOP长周期实时监测服务,引入两种等面积格网模型:等弧长格网模型(equal-arch-length grid, GRID_EAL)和正二十面体球面格网模型( icosahedron-based grid, GRID_IB ),并分析其与GRID_ELL模型之间的差异。结果表明,两种等面积格网模型能够显著改善GRID_ELL模型全球格网点分布不均匀的现象以及目前全球PDOP监测评估统计结果中的偏差。重点针对不同格网间距的GRID_EAL模型适用性进行测试,结果表明,5°间隔的GRID_EAL模型能在保持全球PDOP监测评估准确性的同时,在计算效率和存储上带来36.3%和34.1%的提升与优化。
基于精密单点定位(PPP)原理及BDS-3 PPP-B2b电文改正模型,分析在使用电文改正信息进行PPP过程中需要注意的2个改正参数间匹配性问题,以及静态、仿动态条件下经过PPP-B2b电文信息改正后B1C+B2a、B1I+B3I模式定位服务性能。结果表明,在静态条件下,2种定位模式水平、高程方向定位精度均优于11 cm;仿动态条件下,水平、高程方向定位精度均优于22 cm,在15 min内均能达到水平、高程方向分别不超过0.3 m、0.6 m的精度要求;B1C+B2a组合在定位精度和收敛速度方面均略优于B1I+B3I。
传统的大气负荷改正根据全球大气压模型计算获取,但全球大气压模型中、长波信号占优,缺乏突显区域特征信息的短波信号,而在研究高精度的区域大气负荷影响时,空间信息中的短波信号不可忽视。为此,根据地球重力场理论,引入移去-恢复思想,结合ECMWF提供的全球大气压变化数据和区域高分辨率大气压变化数据(CLDAS-V2.0),基于负荷球谐系数和区域负荷格林函数方法得到大气压变化对滇西地区的负荷影响。结果表明,得到的大气负荷形变场在空间和时间分变率上均有一定提高。利用移去-恢复法计算区域大气压负荷影响,可为固体地球形变和CORS站时序分析提供参考。
提出一种利用重力观测数据得到DZW重力仪非线性零漂的新方法。该方法核心算法为贝叶斯公式,原理为以零漂的连续性作为先验约束条件,考虑重力观测数据浮动产生的偏差,将每个采样点零漂的均值和方差作为超参数进行求解。该算法可以重复运算,随着计算次数的增加,超参数会趋向于收敛极限,从而得到最优解。经过数据验证,该算法可以精准得到非线性零漂曲线。零漂校正后重力观测值的方差为1.595 53×10-10 μGal2,可为DZW重力仪的测量精度提供保证。
利用河北地区8套VP型宽频带垂直摆倾斜仪的连续观测资料,从映震特征及映震能力等方面讨论其映震效能,并对其时频响应特征进行分析。结果显示:1)河北地区宽频带垂直摆倾斜仪的映震能力与震级和震中距正相关,与震源深度负相关(崇礼台除外);对于同一地震而言,各台站震中距的远近与仪器映震能力相关性不大。2)8套仪器均能记录到较为完整的远震地震波信息,从波形上能够清晰看到P波与S波的起始时刻。3)时频分析结果显示,仪器能够记录到较为完整的面波信号,但受采样率的限制,体波(P波和S波)信号记录不全,无法记录到0.5 Hz以上的信号。4)由于厂家修改了崇礼台仪器的高端截止频率参数,调整后仪器记录的高频成分增多,信噪比降低,对浅源地震的映震效能产生了与其他仪器相反的结论,对该仪器参数的修改结果需作进一步验证。
为解决天然地震事件性质辨识依赖人工检测、自动化程度不高且误差较大的问题,利用机器学习中的最小二乘支持向量机(LSSVM)和信息论中的排列熵、近似熵及香农熵等特征参数,建立Entropy-LSSVM地震波形特征提取与事件性质辨识模型。基于2021年青海玛多MS7.4地震、云南漾濞地震事件及人工爆破干扰事件等共计500条波形数据,设计多个不同训练比例与测试比例的随机抽取子实验,采用准确率、召回率、特效度、精确度、F-measure验证该模型的有效性。实验结果表明,熵特征对天然地震和非天然地震事件波形的区分效果明显,且结合熵特征的LS-SVM模型整体性能优于QDA、LDA、朴素贝叶斯、决策树、LogitBoost及RobustBoost等方法,训练集与测试集比例为3∶2的辨识准确率和召回率分别达到99.00%和96.97%,即使训练集只有50条的辨识准确率也可达98%以上,这对天然地震事件的有效甄别有一定参考价值。