[发明专利]一种地震前兆观测数据异常识别方法

说明书

本发明公开了一种地震前兆观测数据异常识别方法，所述地震前兆观测数据是指用于地震监测的形变、地磁、地电、重力、流体和辅助类地震观测仪器产出的时间序列的观测数据，异常识别方法包括：对正常背景观测数据进行一阶差分，初步计算变幅阈值；根据变幅阈值对异常观测数据进行一阶差分计算数据间隔值，并根据待识别的异常信息校正变幅阈值；对待分析观测数据一阶差分，并根据校正后的变幅阈值和所述数据间隔值识别待分析观测数据中的异常信息。该方法可识别出地震前兆观测数据中多种异常信息，能在一定程度上提高地震前兆观测数据的有效率，对于提高观测数据质量和迅速开展异常分析有一定积极意义。

技术领域

本发明涉及地震观测数据分析处理技术领域，尤其涉及一种地震前兆观测数据异常识别方法。

背景技术

在日常的地震监测中，雷电或降雨等自然干扰、爆破或地下水开采等人为干扰、同震效应以及震前异常信息等会对地震前兆观测数据产生影响。目前，对观测数据分析主要凭借肉眼识别观测数据是否存在异常变化，这种方式对于发现观测数据异常的及时性和准确性较差。

地震监测中的测震学科有较为完善的理论支撑，数据分析与识别方法也较为多样。例如，公开号为CN109254324A的中国发明专利，提供了一种全频保幅地震数据处理方法和装置，该方法通过多次处理得到目标地震数据，充分利用地震数据中可用的有效信号，达到改善地震数据的子波一致性，提高地震数据的分辨率和保真度的效果。再如，公开号为CN109063687A的中国发明专利，提供一种基于深度卷积神经网络的微地震P波识别方法及系统，通过建立包含微地震有效信号和噪音的训练集完成深度卷积神经网络的训练，再通过训练后的网络识别微地震P波，所述方法提高了有效信号识别的效率和精度。但是，上述两种发明专利是针对测震学科观测数据识别地震信息，不适用定点观测的形变、地磁、地电、重力、流体和辅助学科观测数据。

发明内容

本发明的目的是提供一种地震前兆观测数据异常识别方法，可适用于定点观测的形变、地磁、地电、重力、流体和辅助学科观测数据的异常识别。

本发明的目的是通过以下技术方案实现的：

一种地震前兆观测数据异常识别方法，所述地震前兆观测数据是指用于地震监测的形变、地磁、地电、重力、流体和辅助类地震观测仪器产出的时间序列的观测数据，异常识别方法包括：

对正常背景观测数据进行一阶差分，初步计算变幅阈值；

根据变幅阈值对异常观测数据进行一阶差分计算数据间隔值，并根据待识别的异常信息校正变幅阈值；

对待分析观测数据一阶差分，并根据校正后的变幅阈值和所述数据间隔值识别待分析观测数据中的异常信息。

由上述本发明提供的技术方案可以看出，可识别出地震前兆观测数据中多种异常信息，能在一定程度上提高地震前兆观测数据的有效率，对于提高观测数据质量和迅速开展异常分析有一定积极意义。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种地震前兆观测数据异常识别方法的流程图；

图2为本发明实施例提供的体应变原始和处理后观测数据的曲线图；

图3为本发明实施例提供的静水位原始和处理后观测数据的曲线图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。