地面台网和卫星观测电磁数据处理与挖掘技术研究

With the development of the electromagnetic observations based on ground stations and satellites, huge amounts of data are exponentially produced. It is beyond the ability of the traditional data processing and analytics to obtain required information timely. The 'Big Data', which is becoming prominent development in information area, is able to handle massive digital data and extracts patterns and meaningful views rapidly. The project, which is based on the continuously observed data from the existing 12 Extra-Low Frequency electromagnetic ground stations and other 30 new stations (whose construction will be completed in 2014), the DEMETER, NOAA and SWARM satellites, is aimed to developing big data processing analytics techniques and their applications onto earthquake prediction. Firstly, on the basis of such techniques as the spectrum analysis and adaptive filter, we will improve methods to extracting and processing the controlled-source electromagnetic signal and its comparison with the natural fields. Secondly, we will develop several necessary, pragmatic and core techniques, such as wavelet analysis, abnormal change detection and characterization, anomaly visualization,, and so forth. With use of philosophical merit of Big Data, we hope to implement a set of methods and techniques for rapid electromagnetic data processing and analysis, transforming and visualization of the electromagnetic data from both terrestrial and satellite sources, so to improve the ability of detecting and extracting electromagnetic anomalies, and realize a viable stereo monitoring model or prototype system for earthquake study.

地面和卫星电磁场观测的发展将产出海量观测数据，使用传统的数据处理分析方法将很难在短时间内得到所需要的信息。"大数据"是当今信息领域一个重要的发展趋势，具有从海量数字数据中快速提取所需要的知识和观点的能力。本研究正是基于近年已建成的12个极低频电磁观测台站和即将于2014年新建的的30个台站产出的连续观测数据，以及DEMETER卫星、NOAA卫星和SWARM卫星等电磁观测数据，开展数据处理和挖掘技术研究以及地震预测应用研究。在已研究的频谱分析、自适应滤波等技术的基础上，进一步完善人工源信号提取与处理，及与天然源信号的对比技术；开展小波分析、异常信息显示和识别等一些急需的、实用的新的核心技术。利用"大数据"和"数据挖掘"研究的思路，实现对地面数据和卫星数据能够快速（实时和准实时）处理分析，快速传输和显示，提高可能的地震电磁异常的信息识别和提取能力，推进实现对地震电磁异常的立体监测。

本项目跟踪和研究“大数据”科学的机器学习、数据挖掘等方面的最新进展，在数据挖掘方面提出了异常存在的“点异常”、“内在异常”和 “集合异常”等三种类型，研发了小波分析方法、模糊数学方法等新方法，完善了两步自适应滤波等新方法。并把这些方法应用于SWARM卫星和第一个地面CSELF台网等最新的电磁场观测数据分析中。其中利用模糊数学方法等获得了智能化的关于异常发生时刻的计算结果，拓展了关于异常发生时刻的传统的直观观察的识别方法。对2017年8月8日四川九寨沟7.0级、2017年3月27日云南漾濞5.0级、2014年12月6日云南景谷5.8和5.9级、2014年8月29日希腊希腊5.8级、2014年8月24日秘鲁6.8级、2014年8月5日云南鲁甸6.2级、2013年4月20日芦山7.0级等地震前后地面和卫星观测数据分析发现，在地震前后均存在电磁场异常现象。发现九寨沟7.0级地震主震和18次大于3.0级余震发生前约10分钟开始出现电磁场脉冲丛集异常，在地震前约几分钟异常消失，脉冲丛集异常形态类似于Pc3和Pc5振动，但是幅度小于后者，这一现象占19次地震的84%。发现在漾濞5.0级地震等之前约3个月，开始出现视电阻率脉动式增大的现象，在震前几天视电阻率恢复正常，脉动增大幅度最大达100%左右。研究了芦山地震较强余震与电阻率异常变化的关系。这些研究结果显示了利用新技术研究地震异常、进行地震预测研究的效果和必要性，开阔了关于地震电磁异常特点的认识，为地震前短临前兆异常研究提供了新证据。