一种基于磁异常监测的地震预测方法及系统
文献发布时间:2024-04-18 19:58:21
技术领域
本申请涉及地震预测技术领域,具体而言,涉及一种基于磁异常监测的地震预测方法及系统。
背景技术
地震预测是一个直接关系人民生命财产安全的重要科学问题。虽然目前无法阻止地震的发生,但若能准确地预测地震,就能有足够时间采取应急措施,进而将损失降到最低。经过几十年的探索,国内外学者已发现几种与地震有关的前兆信息,其中地磁学是地震前兆观测的重要方法,通过实验及理论研究发现了地震将至时地球磁场的分布及变化规律,更为重要的是地磁场自身的时、空属性具有延拓性,其历史数据演变规律可被应用于地震预测。
目前,地震预测的方法主要包括:地磁逐日比法、加卸载响应法以及日变低点位移法。研究发现地磁Z分量能够提取到较好的地震前兆信息,上述方法也都与地磁Z分量日变化得到的相位、幅度大小相关。但仍存在一些问题:首先,这些方法都与地磁Z分量相关,然而Z分量数据受磁暴影响较为明显,降低了异常信息的可信度;其次,上述方法选取的预测期较长(90天左右),短临地震预测方面不具备优势;最为重要的是,上述方法对于地震监测到的地点以及获取数据的质量都有着极高的要求,这无疑加大了地震预测的难度。
发明内容
本申请实施例的目的在基于提供一种基于磁异常监测的地震预测方法及系统,可以保障地震预测有效性。
本申请实施例还提供了一种基于磁异常监测的地震预测方法,所述方法采用多点监测方法,包括以下步骤:
S1、确定每日在每个监测到异常的目标监测点处产生的地磁异常总能量:
其中,k=1,...,K为监测的天数;n=1,...,N为某个监测点在一天内监测到的异常次数,T
S2、基于所求的各点的地磁异常总能量E
其中,m=1,…,M为一天内监测到异常的目标监测点数量;
S3、以一天为单位,基于当日与前一日的平均地磁异常能量之间的差值:E
S4、基于所得的每项日-地磁异常梯度G(k),构建地磁异常梯度序列;
S5、对所述地磁异常梯度序列进行判读,基于所得的判决结果,输出地震预测结果。
第二方面,本申请实施例还提供了一种基于磁异常监测的地震预测系统,所述系统包括数据处理模块、判读序列构建模块以及地震预测模块,其中:
所述数据处理模块,用于确定每日在每个监测到异常的目标监测点处产生的地磁异常总能量:
其中,k=1,...,K为监测的天数;n=1,...,N为某个监测点在一天内监测到的异常次数,T
所述数据处理模块,还用于基于所求的各点的地磁异常总能量E
其中,m=1,…,M为一天内监测到异常的目标监测点数量;
所述判读序列构建模块,用于以一天为单位,基于当日与前一日的平均地磁异常能量之间的差值:E
所述判读序列构建模块,还用于基于所得的每项日-地磁异常梯度G(k),构建地磁异常梯度序列;
所述地震预测模块,用于对所述地磁异常梯度序列进行判读,基于所得的判决结果,输出地震预测结果。
第三方面,本申请实施例还提供了一种可读存储介质,所述可读存储介质中包括基于磁异常监测的地震预测方法程序,所述基于磁异常监测的地震预测方法程序被处理器执行时,实现如上述任一项所述的一种基于磁异常监测的地震预测方法的步骤。
由上可知,本申请实施例提供的一种基于磁异常监测的地震预测方法、系统及可读存储介质,包括:确定每日在每个监测到异常的目标监测点处产生的地磁异常总能量;基于所求的各项地磁异常总能量,确定每日在每个监测到异常的目标监测点处产生的平均地磁异常能量:以一天为单位,基于当日与前一日的平均地磁异常能量之间的差值,确定相应的日-地磁异常梯度;基于所得的每项日-地磁异常梯度,构建地磁异常梯度序列;对地磁异常梯度序列进行判读,基于所得的判决结果,输出地震预测结果。该方案的实施通过筛选出有效的用于地震预测的监测数据,实现地震量化预测,进而提高地震预报的准确性和效率。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,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相关的附图。
图1为本申请实施例提供的一种基于磁异常监测的地震预测方法的流程图;
图2为本申请实施例提供的磁场异常强度的计算方法;
图3为本申请实施例提供的磁场变化值的计算方法;
图4为本申请实施例提供的一种基于磁异常监测的地震预测系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的一种基于磁异常监测的地震预测方法的流程图。所述方法采用基于多点监测方法,包括以下步骤:
步骤S1,确定每日在每个监测到异常的目标监测点处产生的地磁异常总能量:
其中,k=1,...,K为监测的天数;n=1,...,N为某个监测点在一天内监测到的异常次数,T
需要说明的是,若在某天某个时刻t'开始的一个时间段(t',t'+T),认为某个监测点存在磁场异常,则可以基于这个监测点在异常产生时间内的磁场异常强度ΔF(t)进行积分值的计算,得到(0,T)时间段的地磁异常能量E(t',T),计算公式如下所示(其中,E的单位为nT×时间):
步骤S2,基于所求的各点的地磁异常总能量E
其中,m=1,…,M为一天内监测到异常的目标监测点数量。
需要说明的是,在已知第k天每个监测到异常的目标监测点处产生的地磁异常总能量E
步骤S3,以一天为单位,基于当日与前一日的平均地磁异常能量之间的差值:E
需要说明的是,地磁异常梯度值表征的是磁异常沿某一方向的变化率,在磁异常的不同部位,磁异常梯度是不同的。常用的有垂直梯度、水平梯度,它们的矢量和组成磁异常总梯度。其中,地磁异常梯度序列以“天”为时间单位。
步骤S4,基于所得的每项日-地磁异常梯度G(k),构建地磁异常梯度序列。
需要说明的是,构建序列属于现有技术,当前不作具体限定。
步骤S5,对所述地磁异常梯度序列进行判读,基于所得的判决结果,输出地震预测结果。
本申请公开的一种基于磁异常监测的地震预测方法,包括:确定每日在每个监测到异常的目标监测点处产生的地磁异常总能量;基于所求的各项地磁异常总能量,确定每日在每个监测到异常的目标监测点处产生的平均地磁异常能量:以一天为单位,基于当日与前一日的平均地磁异常能量之间的差值,确定相应的日-地磁异常梯度;基于所得的每项日-地磁异常梯度,构建地磁异常梯度序列;对地磁异常梯度序列进行判读,基于所得的判决结果,输出地震预测结果。该方案的实施通过筛选出有效的用于地震预测的监测数据,实现地震量化预测,进而提高地震预报的准确性和效率。
在其中一个实施例中,采用基于多点监测方法,所述多个监测点包括按预设间隔距离均匀、或非均匀地布设在预设目标区域内的多个磁强传感器,其中,各所述磁强传感器采用物联网方式采集、并传输数据。
具体的,当前实施例中采用密集多点的监测方式,即在预设目标区域的范围内,按20-10公里间隔均匀、或非均匀布设多个磁强传感器;其中,每个磁强传感器采用物联网方式采集传输数据,这些数据将存储在数据库中,每天对数据库中的数据进行实时计算处理。
上述实施例中,采用密集多点监测方式进行监测点的布设,使得能够获取更多、更全面的数据,为后续地震预测提供良好的数据基础。
在其中一个实施例中,请参考图2,步骤S1,异常产生时间内的磁场异常强度,通过以下步骤所确定:
步骤S11,获取经由各所述磁强传感器传输的磁强瞬时值。
步骤S12,针对每个磁强瞬时值,基于与预设磁场常态均值之间的差值,得到磁场变化值。
步骤S13,在确定相应时间内的磁场变化值大于预设磁场常态均方差的预设倍数时,认为相应时间内存在磁场异常情况,将所述相应时间内的磁场变化值作为异常产生时间内的磁场异常强度。
在一个具体的实施例中,基于步骤S12~步骤S13需要说明的是,在确定相应时间内的磁场变化值超过预设磁场常态均方差B的N倍时,可以认为相应时间内存在磁场异常情况,之后将进行磁场异常强度的确定。需要说明的是,当前不对参数B、以及参数N的具体取值进行限定,可以结合当地情况进行设定。
在其中一个实施例中,请参考图3,步骤S12中,所述针对每个磁强瞬时值,基于与预设磁场常态均值之间的差值,得到磁场变化值,包括:
步骤S121,获取预设时间窗口内的多个磁强瞬时值。
步骤S122,基于所述多个磁强瞬时值进行平均值的计算,得到平均磁场值。
基于步骤S121~步骤S122需要说明的是,当前实施例中将以相应一段时间为时间窗口,并基于该时间窗口内监测到的多个磁强瞬时值,求解得到平均磁场值f。
步骤S123,基于所述平均磁场值校正磁场的日变量、以及磁场的年变量,得到相应的校正磁场值。
需要说明的是,当前之所以进行磁场的日变量、以及年变量的校正是为了消除测量误差,提高测量数据准确性。由于磁场的日变量、以及年变量的校正属于现有技术,当前不对其具体实施方式进行限定。
步骤S124,基于所述校正磁场值与预设磁场常态均值之间的差值,得到磁场变化值。
具体的,在已知校正后的校正磁场值取值为F,磁场常态均值取值为C时,可以基于公式:ΔF=F-C,计算得到磁场变化值ΔF。
在其中一个实施例中,步骤S5中,所述对所述地磁异常梯度序列进行判读,基于所得的判决结果,输出地震预测结果,包括:
步骤S51,对所述地磁异常梯度序列进行判读,判读过程中,在判断为当前判读的梯度值大于预设阈值时,将所述当前判读的梯度值作为目标梯度值并保留,否则,滤除所述当前判读的梯度值,得到初始预测序列。
具体的,当前实施例中通过预先设置的一个阈值,并将每天的(因为是计算日-地磁异常梯度,所以每天都可以得到一个相应的梯度值)、且超过该阈值的第一地磁异常梯度保留下来。之后,基于保留下来的各项第一地磁异常梯度构成初始预测序列。
步骤S52,从所述初始预测序列中滤除震后1-2天内监测到的第一目标梯度值,和/或对1-2天内连续监测到的第二目标梯度值进行去重,以避免下次地震的误判,得到目标预测序列。
示例性的,为了避免误判,针对震后1-2天内监测到的超过预设阈值的第一目标梯度值,本申请将不作为后续的预测项考虑,并将该第一目标梯度值从初始预测序列中滤除。
另一方面,为了避免误判,针对震后1-2天内连续监测到的超过预设阈值的多项第二目标梯度值,本申请还会针对所述多项第二目标梯度值进行去重处理,保留所述多项第二目标梯度值中的任意一项。
示例性的,若震后1-2天内观测到的第二目标梯度值均取值为a,且a的取值均超过预设阈值,针对此种情况,当前实施例中将保留其中任一天的a的取值,并将其作为后续的预测项考虑。
需要说明的是,经过上述的处理之后,可以避免对下次地震的误判,提高预测效果。
步骤S53,基于所述目标预测序列,输出地震预测结果。
需要说明的是,目标预测序列中的每一项取值分别对应一次地震,经实践证明(实践数据如表1所示),序列中每一项取值出现后的7天以内,监测区域周围的400公里以内均可能会监测到地震,准确率达77%。例如,3.23日产生预警,预警5天后也就是在3.29日那天,在距离357公里的四川眉山市丹棱县发生了4.3级地震;表中的其他数据可以以此类推,当前不作过多说明。进一步的,表中期间3.29~12.25,共发生13次地震,3次震前无异常,2次出现震后磁异常。正确预测10次,正确率77%。
这也进一步证明了本申请公开的基于磁异常监测的地震预测方法具备参考价值,可以投入至实际应用中。
表1预测到的2022年地震情况
上式实施例,通过筛选出有效的用于地震预测的监测数据,在实现对地震量化预测的同时,也可以避免对下次地震的误判,提高预测效果。
请参考图4,本申请还提出了一种基于磁异常监测的地震预测系统,所述系统包括数据处理模块、判读序列构建模块以及地震预测模块,其中:
所述数据处理模块,用于确定每日在每个监测到异常的目标监测点处产生的地磁异常总能量:
其中,k=1,...,K为监测的天数;n=1,...,N为某个监测点在一天内监测到的异常次数,T
所述数据处理模块,还用于基于所求的各点的地磁异常总能量E
其中,m=1,…,M为一天内监测到异常的目标监测点数量。
所述判读序列构建模块,用于以一天为单位,基于当日与前一日的平均地磁异常能量之间的差值:E
所述判读序列构建模块,还用于基于所得的每项日-地磁异常梯度G(k),构建地磁异常梯度序列。
所述地震预测模块,用于对所述地磁异常梯度序列进行判读,基于所得的判决结果,输出地震预测结果。
由上可知,本申请公开的一种基于磁异常监测的地震预测系统,包括:确定每日在每个监测到异常的目标监测点处产生的地磁异常总能量;基于所求的各项地磁异常总能量,确定每日在每个监测到异常的目标监测点处产生的平均地磁异常能量:以一天为单位,基于当日与前一日的平均地磁异常能量之间的差值,确定相应的日-地磁异常梯度;基于所得的每项日-地磁异常梯度,构建地磁异常梯度序列;对地磁异常梯度序列进行判读,基于所得的判决结果,输出地震预测结果。该方案的实施通过筛选出有效的用于地震预测的监测数据,实现地震量化预测,进而提高地震预报的准确性和效率。
在其中一个实施例中,采用基于多点监测方法,所述多个监测点包括按预设间隔距离均匀、或非均匀地布设在预设目标区域内的多个磁强传感器,其中,各所述磁强传感器采用物联网方式采集、并传输数据。
在其中一个实施例中,所述数据处理模块,还用于获取经由各所述磁强传感器传输的磁强瞬时值;针对每个磁强瞬时值,基于与预设磁场常态均值之间的差值,得到磁场变化值;在确定相应时间内的磁场变化值大于预设磁场常态均方差的预设倍数时,认为相应时间内存在磁场异常情况,将所述相应时间内的磁场变化值作为异常产生时间内的磁场异常强度。
在其中一个实施例中,所述数据处理模块,还用于获取预设时间窗口内的多个磁强瞬时值;基于所述多个磁强瞬时值进行平均值的计算,得到平均磁场值;基于所述平均磁场值校正磁场的日变量、以及磁场的年变量,得到相应的校正磁场值;基于所述校正磁场值与预设磁场常态均值之间的差值,得到磁场变化值。
在其中一个实施例中,所述地震预测模块,还用于对所述地磁异常梯度序列进行判读,判读过程中,在判断为当前判读的梯度值大于预设阈值时,将所述当前判读的梯度值作为目标梯度值并保留,否则,滤除所述当前判读的梯度值,得到初始预测序列;从所述初始预测序列中滤除震后1-2天内监测到的第一目标梯度值,和/或对震后1-2天内连续监测到的第二目标梯度值进行去重,以避免下次地震的误判,得到目标预测序列;基于所述目标预测序列,输出地震预测结果。
本申请实施例提供一种可读存储介质,所述计算机程序被处理器执行时,执行上述实施例的任一可选的实现方式中的方法。其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random AccessMemory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable ProgrammableRead Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
上述可读存储介质,包括:确定每日在每个监测到异常的目标监测点处产生的地磁异常总能量;基于所求的各项地磁异常总能量,确定每日在每个监测到异常的目标监测点处产生的平均地磁异常能量:以一天为单位,基于当日与前一日的平均地磁异常能量之间的差值,确定相应的日-地磁异常梯度;基于所得的每项日-地磁异常梯度,构建地磁异常梯度序列;对地磁异常梯度序列进行判读,基于所得的判决结果,输出地震预测结果。该方案的实施通过筛选出有效的用于地震预测的监测数据,实现地震量化预测,进而提高地震预报的准确性和效率。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
- 一种基于高阶磁异常导数的地震短临预测方法
- 一种基于异常时空图的周尺度地震预测方法及系统