一种基于电磁和地声信号的地震预测方法技术

本发明专利技术提供一种基于电磁和地声信号的地震预测方法，包括以下步骤：步骤(1)：从AETA网站上下载近三年的电磁和地声数据，并对数据作补全、分块预处理操作；步骤(2)：将目标区域划分为多个子区域，对子区域内台站的电磁和地声数据提取特征构建特征矩阵，并进一步划分为训练集和验证集；步骤(3)：利用深度学习方法构建地震预测模型，并用步骤(2)获取的训练集和验证集训练模型；步骤(4)：使用预测模型对上一周的台站数据进行预测，并结合后处理环节得到下一周的地震事件预测结果。本发明专利技术通过分析地震前兆信号与地震三要素的关系，利用深度学习模型预测未来一周目标区域的地震事件，较早地为目标区域提供地震风险预警提示。目标区域提供地震风险预警提示。目标区域提供地震风险预警提示。

【技术实现步骤摘要】
一种基于电磁和地声信号的地震预测方法


[0001]本专利技术涉及地球物理
，具体涉及一种基于电磁和地声信号的地震预测方法。

技术介绍

[0002]我国是地震频发的国家，且地震带分布广泛。地震，尤其是大地震，一旦发生在人口密集区且无事先准备，将对人们的生命财产造成巨大损失。相关研究表明，地震发生前往往伴随着电磁和地声等多种前兆信号的发生。其原因在于，地震孕育期间岩石晶格破裂使得电位跳跃出现压电、压磁效应并对外辐射电磁波；在此期间还伴随着地应力场的变化、地壳形变的慢速变化，当局部地壳受压而发生形变或微破裂时，出现地声。通过开展地震前兆信号的观测、相关性分析和机理研究，进而构建地震三要素的预测模型是一件极具挑战性的工作，同时也具有重大的科学价值和社会意义。

技术实现思路

[0003]有鉴于此，本专利技术提出一种基于电磁和地声信号的地震预测方法。通过AETA观测网提供的川滇地区(东经98
°
～107
°
、北纬22
°
～34
°
)电磁和地声数据，对该区域未来一周大于3.5级的地震事件进行时间、震级和经纬度三要素预测，其中时间要素只需确定未来一周是否会发生地震而无需具体到某一时间点。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于电磁和地声信号的地震预测方法，包括以下步骤：
[0005]步骤(1)：从AETA网站上下载近三年的电磁和地声数据，并对数据作补全、分块预处理操作；
[0006]步骤(2)：将目标区域划分为多个子区域，对子区域内台站的电磁和地声数据提取特征构建特征矩阵，并进一步划分为训练集和验证集；
[0007]步骤(3)：利用深度学习方法构建地震预测模型，并用步骤(2)获取的训练集和验证集训练模型；
[0008]步骤(4)：使用预测模型对上一周的台站数据进行预测，并结合后处理环节得到下一周的地震事件预测结果。
[0009]优选地，在步骤(1)中：
[0010](1.1)对数据作补全操作如下：
[0011]采用线性插值法补全缺失数据，以每个台站每周数据量的10％作为阈值，如果缺失的数据量在10％以内，将采用线性插值法来对缺失的数据进行补全；如果缺失的数据超过10％，插值补全会引入较大误差，则删掉此台站当周数据。
[0012]优选地，在步骤(2)中：
[0013](2.1)区域划分操作如下：
[0014]单个台站数据只能预测一定范围内的地震事件，预测能力有限；而将目标区域内
所有台站数据合在一起预测又会导致数据量过大使得模型不能处理，还会因预测范围大造成精度不准；于是根据台站的分布，将目标区域划分为8个子区域，由各个子区域内的台站预测各自区域内的地震事件；子区域根据经纬度均匀划分，能够得到九宫格区域分割图；由于在区域的东南角台站分布较少，于是将该方位的两格合并为一个区域，最终可得到8个子区域；
[0015](2.2)特征提取操作如下：
[0016]将每一个子区域内所有台站视为一个整体，以同一时间点为单位，计算子区域内所有台站的电磁和地声数据绝对值均值的最大值、最小值和平均值共计6类特征值；特征值长度为1008，由每周168个小时，每小时6次采样(10分钟粒度)计算可得；最终得到每周的1008
×
6特征矩阵，并以此预测下一周的地震事件；
[0017](2.3)处理分类标签
[0018]最终需要预测未来一周有无地震、震级和经纬度；经纬度通过子区域的中心坐标获取，有无地震和震级则通过分类问题解决；
[0019](2.4)构建样本集
[0020]对历史的电磁和地声数据以周和子区域为单位进行划分，计算相应的特征矩阵和输出标签构成样本集，再以5:1的比例随机划分为训练集和验证集。
[0021]优选地，在步骤(3)中构建深度学习模型，具体操作如下：
[0022](3.1)构造卷积模型结构
[0023]模型采用基于一维卷积结构的深度学习模型；
[0024]模型主要由7个dense模块堆叠而成，其中每个dense模块由1维卷积层(滑窗大小为2，卷积核大小为5)和激活函数Relu6组成；输入层通过7个dense模块后，经reshape展成一维(长度为256)，再通过一个全连接层得到5分类(震级标签)结果；
[0025](3.2)训练模型
[0026](3.2.1)、将训练样本分批次输入到模型中；
[0027](3.2.2)、训练过程中，使用交叉熵损失函数计算损失值，采用小批量梯度下降法不断更新模型权重；
[0028](3.2.3)、经过大量迭代训练后，模型输出的损失值收敛到较低；之后，每一轮迭代训练完成后，在验证集上对模型进行测试，将模型预测的结果与真实结果进行比较，计算准确率；若测试准确率或迭代次数超过阈值，则完成了整个训练过程，若没有达到要求，则回到步骤(3.2.1)，继续训练。
[0029]优选地，在步骤(4)中地震事件预测，具体操作如下：
[0030](4.1)模型预测
[0031]将前一周的电磁和地声数据按区域划分并各自提取特征矩阵，输入到深度学习模型中，输出各个子区域下周是否有震及震级情况；
[0032](4.2)区域坐标微调
[0033]通过对历史地震记录的分析发现，一次较大地震发生后的未来几周，很有可能在同一地点再次发生震级较小的地震，因此在预测算法中加入了坐标微调模块；若模型检测到某一子区域未来一周可能发生地震，且在该区域内前2周内发生过4级以上地震，则将历史地震坐标作为未来一周的预测地震坐标。
[0034]其中，对专业名词AETA做如下解释说明：
[0035]AETA是由北京大学深圳研究生院集成微系统重点实验室研制的多分量地震监测系统，并在地震频发的四川、云南、西藏、河北、北京、广东、台湾等地区密集布设，自2017年6月稳定运行至今。AETA系统由地面处理终端、电磁传感探头、地声传感探头和云端服务器组成。其中电磁传感探头和地声传感探头安装于地下2米浅坑内，采用混凝土固定后用土回填，可用于电磁和地声信号的检测；数据处理终端放置在有供电、网络的室内，探头与终端距离小于40米。
[0036]与现有技术相比，本专利技术的有益效果为：
[0037]本专利技术通过分析地震前兆信号与地震三要素的关系，利用深度学习模型预测未来一周目标区域的地震事件，较早地为目标区域提供地震风险预警提示。故本专利技术不仅是AI技术在地震预测方面的实践应用，同时也为防震减灾提供决策依据，减少人员伤亡和财产损失，具有重大的科学价值和社会意义。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，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，还可以根据这些本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电磁和地声信号的地震预测方法，其特征在于，包括以下步骤：步骤(1)：从AETA网站上下载近三年的电磁和地声数据，并对数据作补全、分块预处理操作；步骤(2)：将目标区域划分为多个子区域，对子区域内台站的电磁和地声数据提取特征构建特征矩阵，并进一步划分为训练集和验证集；步骤(3)：利用深度学习方法构建地震预测模型，并用步骤(2)获取的训练集和验证集训练模型；步骤(4)：使用预测模型对上一周的台站数据进行预测，并结合后处理环节得到下一周的地震事件预测结果。2.根据权利要求1中所述的一种基于电磁和地声信号的地震预测方法，其特征在于，在步骤(1)中：(1.1)对数据作补全操作如下：采用线性插值法补全缺失数据，以每个台站每周数据量的10％作为阈值，如果缺失的数据量在10％以内，将采用线性插值法来对缺失的数据进行补全；如果缺失的数据超过10％，插值补全会引入较大误差，则删掉此台站当周数据。3.根据权利要求1、2中所述的一种基于电磁和地声信号的地震预测方法，其特征在于，在步骤(2)中：(2.1)区域划分操作如下：单个台站数据只能预测一定范围内的地震事件，预测能力有限；而将目标区域内所有台站数据合在一起预测又会导致数据量过大使得模型不能处理，还会因预测范围大造成精度不准；于是根据台站的分布，将目标区域划分为8个子区域，由各个子区域内的台站预测各自区域内的地震事件；子区域根据经纬度均匀划分，能够得到九宫格区域分割图；由于在区域的东南角台站分布较少，于是将该方位的两格合并为一个区域，最终可得到8个子区域；(2.2)特征提取操作如下：将每一个子区域内所有台站视为一个整体，以同一时间点为单位，计算子区域内所有台站的电磁和地声数据绝对值均值的最大值、最小值和平均值共计6类特征值；特征值长度为1008，由每周168个小时，每小时6次采样计算可得；最终得到每周的1008
×
6特征矩阵，并以此预测下一周的地震事件；(2.3)...

【专利技术属性】
技术研发人员：金国庆，尹书娟，俞一奇，
申请(专利权)人：深蓝感知杭州物联科技有限公司，
类型：发明
国别省市：