利用机器学习原理,提出一种基于多层全连接(multi-layer fully connected,MFC)神经网络的六分量(six-component,6C)地震波极化向量识别方法。首先利用6C地震波各波型极化向量数学模型和一系列仿真参数得到5种波型和噪声波型各5 000个极化向量数据集,然后随机选取其中5 000个作为测试集,其余划分为训练集,进行MFC神经网络与支持向量机(support vector machine,SVM)的综合辨识性能对比实验。结果表明,MFC神经网络模型识别5种极化向量类型(SH波和Love波视为一类)和6种极化向量类型的效果均显著优于SVM模型,平均识别率分别达到99.786%和87.940%。
建立川滇块体东边界及龙门山断裂带区域三维粘弹性有限元模型,以GNSS速度场为约束,计算区域内主要断裂带长期平均构造应力积累速率;并根据历史地震破裂滑动模型,计算其对鲜水河断裂带、龙门山断裂带等造成的同震和震后库仑应力变化,从而得到研究区域主要断裂带总应力演化结果。研究表明,鲜水河断裂带、大凉山断裂带南段以及理塘断裂带的构造应力积累速率较高,达到1.0~1.5 kPa/a。2022年泸定MS6.8地震破裂区在一个地震复发周期内的构造应力积累量约为0.177 MPa,而历史强震产生的库仑应力加载量为0.07 MPa,二者共同导致了泸定地震的发生。此外,安宁河断裂带地震空区在前次地震离逝时间(约487 a)内的总应力积累量约为0.3 MPa,大凉山断裂带南段以及理塘断裂带历史地震离逝时间均为千年左右,总应力积累量>1.0 MPa,可能有较大的地震活动潜力。
基于圆形限制性三体问题下地月平动点的3阶轨道解析解,分析不同初值条件下的轨道演化特性,并基于误差传播理论研究地月历表误差对地月共线平动点周期轨道在不同初值及初值误差时的影响。结果表明:1)轨道误差与地月历表误差在同一个量级,当地月历表误差均值不为0时,其峰值大约为地月历表误差的2.5倍,轨道误差随时间变化的无量纲周期约为轨道无量纲周期的0.5倍;2)在同一条轨道的不同位置,地月历表误差影响存在较大差异,平面Lyapunov轨道、Halo轨道和垂直Lyapunov轨道误差的峰值点分别位于或接近X向最大值与最小值处、Z向最大值与最小值处和z=0处。
以国产飞腾CPU为例,讨论在国产ARM架构CPU基础上的导航卫星精密定轨解算效率优化方法。基于导航卫星精密定轨解算流程中钟差约化和法方程求逆耗时较多,分别利用多线程和OpenBlas对上述2个过程进行优化。结果表明,优化后解算效率大幅提升。钟差约化方面,采用100个测站32颗导航卫星进行解算时,原始单历元平均耗时1.105 s,优化后为0.188 s;法方程求逆方面,原始求逆平均耗时2 264 s,优化后仅需78 s。
利用BNC(BKG NTRIP client)传输的实时观测数据,从可见卫星数、位置精度因子(position dilution of precision, PDOP)、多路径效应、信噪比和实时相对定位精度等方面对GPS和QZSS在亚太地区的定位性能进行评估和分析。结果表明,QZSS与GPS组合后,可见卫星数增加,卫星几何构型更好,可提高定位精度的可用性和可靠性;QZSS卫星多路径效应的变化规律与GPS卫星一致,且QZSS卫星各频点的多路径误差大多小于GPS卫星;GPS和QZSS卫星各频点的信噪比随高度角变化趋势基本相同;在N、E、U方向上,GPS/QZSS组合的实时相对定位精度比GPS有所提升。
以最小二乘法、小波去噪、小波神经网络和BP神经网络为基础,构建9种地球自转参数预报模型,并进行30 d短周期预报。结果表明,对于极移预报,基于BP神经网络的地球自转参数预报模型效果不佳,RMSE均大于1.5 mas;最小二乘与小波神经网络组合模型的预报效果最好,RMSE小于1.3 mas。对于日长变化预报,最小二乘与小波神经网络组合模型的预报效果不佳,RMSE均大于0.18 ms;小波神经网络预报模型预报效果最好,RMSE为0.07 ms。
将变形监测灰色预测模型分为传统GM(1,1)模型及其改进模型、非齐次灰色模型、GM(1,1)幂模型及其改进模型3种类型,以Origin拟合函数Exp2PModl、Exponential和SRichards2作为3类灰色预测模型的替代方法,基于理论研究和实例验证对比分析3类灰色预测模型及其替代方法。结果表明,3类灰色预测模型在拟合函数、有无极限值、适合等时距或非等时距建模和适用范围等方面存在显著差异,需要根据变形监测数据特征选择合适的灰色预测模型类别;与3类灰色预测模型相比,Origin拟合函数在参数求解和建模数据要求上更具优势,而且可以得到相当甚至更高的拟合或预测精度,除需要编程实现的特殊优化目标外,完全可以代替灰色预测模型用于变形监测。
采用2015-06~2023-01覆盖西安-咸阳地区的Sentinel-1A卫星数据,以时序InSAR为主要技术手段,结合其他资料,获得西安-咸阳地区地面沉降分布特征和形变速率等信息,并分析地面沉降的原因和演化规律。结果表明,SBAS-InSAR与StaMPS-InSAR所得结果基本一致,地表形变区主要分布在西安中部和南部,主要影响因素为地下水开采,分布与走向受地裂缝与断层影响;咸阳大部分地区处于稳定状态,仅在局部地区有较为明显的沉降,沉降受地下水开采、城市建设等因素影响。
针对升降轨Sentinel-1A数据获取的得荣县古学乡2个大型滑坡形变特征不一致的问题,利用R指数、敏感性和相干性等参数,开展InSAR技术用于该地区滑坡监测的适用性研究。结果表明,降轨数据比升轨数据更适合2处大型滑坡的识别与监测,并很好地解释了升降轨滑坡监测结果不一致的原因。对2个滑坡进行时间序列形变分析及多维形变特征分解,结果表明,2个滑坡在2019~2020年累积形变量最大值分别约为300 mm和230 mm,需加强关注。
构建应力驱动震后余滑模型,对2021年青海玛多MW7.4地震的震后余滑效应进行数值模拟,得到震后160 d的GPS形变时间序列。结果表明,余滑主要分布在同震断层显著滑动的下倾和两侧区域,最大滑动量达1.24 m,累积释放地震矩1.08×1019 Nm ,相当于MW6.62地震,5~15 km深度的震后余滑约占总量的80%。最优拟合模型显示,以13 km深度为界,断层上部和下部的参考滑动速率参数V0分别为6.50 m/a和0.15 m/a,表明玛多地震震后余滑界面的摩擦属性在深度上存在明显差异。
利用GAMIT/GLOBK软件解算2009-01~2019-06广西地区83个GNSS站数据,获得ITRF2014框架下GNSS站速度场,并通过Kriging插值法构建广西区域三维速度场模型。联合广西及周边136个GNSS站观测结果,采用格网距离加权法计算区域应变场,并对应变场特征进行分析。结果表明,ITRF2014框架下广西区域平均水平运动速率为34.95 mm/a,优势方向为N106.3°E,垂向运动表现为区域性缓慢隆升和沉降。23.5°N以北区域呈面应变压缩变形状态,以近SN向、NW向主压应变为主;23.5°N以南区域则呈面应变拉张变形状态,并以自西向东扇形展开的张应变为主。剪切应变场表现为四周高值、中部过渡带为低值。研究区内近10 a内地震主要发生在剪切应变高值向低值转变的区域,且时空上具有从断裂带一端向另一端迁移并折返的变化特点。
利用贝叶斯三角帽法将多个GRACE/GRACE-FO重构模型进行融合,提升基于深度学习的地表质量变化重构模型的精度,为高精度填补及重构GRACE/GRACE-FO数据提供参考。实验表明,组合模型估算的全球陆地水储量变化的不确定性最低,其结果在多数流域与参考模型的一致性更佳;较最优的重构模型,组合模型全球及流域的不确定性降低约15%,纳什效率系数(NSE)提升约5%,尤其在半干旱、半湿润及湿润区域,其精度提升更明显。
针对重力场解算过程中数据量巨大的问题,联合MPI(massage passing interface)与CUDA(compute unified device architecture)提出基于最小二乘法的重力场解算过程的并行加速算法。使用MPI完成复杂过程的任务分配,实现全局层面的并行加速;基于CUDA编写大规模矩阵相乘的并行加速程序,并针对不同类型的矩阵进行适配,同时联合MPI将法矩阵的计算过程进一步细分,实现对分进程内存峰值的压缩。在单机上完成30阶与120阶重力场仿真解算任务,结果表明,反演30阶重力场时加速比可达180;反演120阶重力场时,并行计算单次迭代仅耗时2 h,而串行模式下无法计算。
结合改进的自适应噪声完备集合经验模态分解(ICEEMDAN)与分布熵(DistEn),提出一种无需自定义算法参数、去噪效果较好的伸缩仪信号随机噪声压制方法。首先将伸缩仪信号进行ICEEMDAN处理,得到若干个本征模态函数(IMF);然后计算各IMF分量的分布熵值,根据不同分布熵值的大小和表征的分量信号混乱程度,有针对性地对各IMF进行取舍;最后进行线性重构。设计仿真信号去噪实验和SS-Y伸缩仪信号去噪实验,结果表明,基于ICEEMDAN-DistEn去噪模型的伸缩仪信号重构还原度较好,去噪效果显著,明显优于CEEMDAN-DistEn、小波去噪和卡尔曼滤波等去噪模型。
使用单台波形信号中检测区域地震信号(震中距<150 km)并识别P波和S波震相的CCFE模型,利用安徽霍山地区佛子岭台2017-06~08记录到的连续波形数据进行地震检测和震相识别。共检测出164次地震,约为地震目录的2.16倍,使地震目录中ML-1.7~0.0范围内的地震完整性得到较明显的改善。检测到编目地震的P波和S波震相到时与编目结果相差0.03 s左右。同目前比较常见的深度学习模型CRED、EQT和GPD相比,CCFE模型对于震级较小及某些特殊情形,如2个距离较近,尤其是较大地震前震级相对小很多的地震波形,具备较高的地震检测和震相识别成功率。