地震长波辐射异常挖掘及多参数关联性验证

There is a common understanding of the existence of significant surface thermal anomalies around the rupture zone before the earthquake, especially before the large earthquake. However, there are still a lack of effective information process techniques, so that most of the information in seismic remote sensing data is not fully utilized. Therefore, based on the Outgoing Long-wave Radiation (OLR) data , monitoring data from groundwater temperature, GPS data and other earthquake monitoring data, the project uses the random walk, and quantum walk etc., anomaly information mining algorithms to tackle this challenge especially for the typical earthquake of magnitude 7 or more. It firstly explores the probability statistical method to identify the suspected anomalies, and then carries on the multi parameter correlation verification using the seismic station observation data including groundwater temperature, strain and so on, finally calculates the characteristics of anomaly. It also explores the model of common abnormal changes and characteristic of abnormalities of earthquakes. Through the comparing and analyzing the time of anomaly of groundwater temperature, rock strain, Vertical Pendulum Tiltmeter, GPS data and the time of anomaly of Outgoing Long-wave Radiation anomaly, the project focuses on the research of their correlation of seismic anomalies of various monitoring data in the Wenchuan earthquake and the Lushan earthquake area. The project also uses the method of N variance and other methods to determine the anomaly and the multi parameter anomaly correlation verification to exclude non seismic anomalies and improve the accuracy of anomaly determination. Meanwhile, the algorithms are developed into software for the project team members and researchers, which can support effective techniques of seismic anomaly analysis.

地震特别是大震前地表破裂带周围存在显著的地表热异常已经得到了人们的共识，但由于缺乏有效的信息处理技术，致使地震遥感数据中的大部分信息没有得到充分的利用。本项目采用随机漫步、量子漫步等异常信息挖掘算法，基于射出长波辐射(OLR)、地下水温度、GPS等监测数据，针对7级以上典型地震，先利用概率统计方法来识别出疑似异常，再用地震台站观测的地下水水温、应力等进行多参数关联性验证，最后统计异常特征规律，从而得到地震异常信息的共同变化模式及特征。项目重点针对汶川地震和芦山地震，通过对比分析地震区域地下水温度、岩石应力、垂直倾斜摆、GPS等数据的异常出现的时间点跟射出长波辐射异常的时间点来研究多参量异常发生时间之间的相关性，通过采用n倍方差等方法来判定异常以及多参数异常关联性验证来排除非震异常和提高异常判定的准确性，同时将相关算法开发成软件供项目组成员和相关研究人员使用，提供有效的地震异常分析技术。

地震特别是大震前地表破裂带周围存在显著的地表热异常已经得到了人们的共识，但由于缺乏有效的信息处理技术，致使地震遥感数据中的大部分信息没有得到充分的利用。本项目采用随机漫步、量子漫步等异常信息挖掘算法，基于射出长波辐射(OLR)、地下水温度、GPS等监测数据，针对7级以上典型地震，先利用概率统计方法来识别出疑似异常，再用地震台站观测的地下水水温、应力等进行多参数关联性验证，最后统计异常特征规律，从而得到地震异常信息的共同变化模式及特征。项目重点针对汶川地震和芦山地震，通过对比分析地震区域地下水温度、岩石应力、垂直倾斜摆、GPS等数据的异常出现的时间点跟射出长波辐射异常时间点来研究多参量异常发生时间之间的相关性，通过采用n倍方差等方法来判定异常以及多参数异常关联性验证来排除非震异常和提高异常判定的准确性。.通过本项目研究内容的研究发现一下重要研究成果：1）地震特别是大震前会产生一些OLR监测数据异常。2）研究了大地震前后GPS数据中异常的变化趋势，为使用GPS数据对大地震进行预报提供了更多可能。3）数据异常在震前出现的时间长短与地震的大小相关，以及异常的发生区域与震区周围的地貌特征相关。4）研究库伦力压力变化情况，形变情况和垂直倾斜摆等数据在震前的异常情况。震前存在异常的形变数据和垂直倾斜摆等数据异常。以上几点的研究成果，表面通过对OLR、GPS、形变情况和垂直倾斜摆等数据进行异常监测，来发现震前的异常，具有一定的科学依据同时可应用于实际的震前异常情况分析，以上算法的研究成果可以做为预警甚至预报地震的科学数据依据。