首页 > 论文范文 > 自然科学论文 > 地质学论文 > 地质灾害论文 > 浅谈地震数据的梳理剖析

浅谈地震数据的梳理剖析

2020-05-30 323 上传者：管理员

摘要：通过对2019年2月至2020年2月发生的地震数据进行统计分析，运用频率分析、相关性分析和聚类分析等方法对地震进行风险等级划分，目的在于加强对不同的区域地震的风险监控，从而提高地震预警工作的质量和水平。

关键词：
地质灾害
地震数据
地震预警
泥石流
加入收藏

由于近几年自然生态的破坏、全球变暖等原因，很多地区都遭受了地震、泥石流等自然灾害，其带给使得国家、政府以及人民的伤害和损失是不可估量的。但我们可借助科学的方法掌握其发生规律，便于人们防范地震、减少社会损害与经济损失。20世纪初期，法国的天主教会在上海设置了地震的观测项目，并开始研究、探测地震。在随后的几十年里，中国开始自行建立地震监测台，扩展了地震数据信息收集范围，数据量也随之增多。时代在不断进步，人们对地震的监测与研究也随着科学技术的发展而不断提高；新兴技术的不断迭代，提高了人们对地震的风险监控与预测，加强对地震的认识与防范。例如我国推出了地震预警app以及公众号，这不仅仅提高了人们应对地震的自我保护意识，也在很大程度上减少了地震所带来的伤害。

虽然地震有着很大的随机性，但根据震区的生态环境的变化分析统计，就能够相对准确地做出地震预警就可以在一定程度上降低灾害的破坏度。据统计，如果地震预警时间在3秒可降低14%的伤亡率；若时间在10秒可以减少39%的伤亡率；如果在60秒则可以降低95%的人员伤亡，同时地震预警是有明显的社会和经济效益的。

中国位于亚欧板块与太平洋、印度洋板的交界处，地震发生频率高，尤其是在新疆、西藏、四川等地。因此能够有效地地震预警对中国、乃至全球都是很有必要。自1975年2月4日海城7.3级地震成功预报后，我国近十余年又有几次较好的地震预报，这可以明显看出，在震前一段时间内会有可见的变化，无论是天气上或者动植物往往都会呈现异象。如今大数据技术日渐成熟，利用数据分析方法对地震做出分析预测将会成为发展的一种新趋势。

1、地震风险划分及预测

1.1数据来源

本文在大数据分析的实验场景下，运用相关数据分析方法，对中国地震台网2019年2月20日至2020年2月19日的地震数据进行解读。样本数据字段包括：震级、发震时刻、经度、纬度、深度（震源深度）以及参考位置。

数据预处理时，将需要或者不需要的子段进行过滤、处理并将发震时刻分割为月份以及发震时刻，可能会存在数据的部分缺失值，采用拉格朗日插值法对数据进行插值的处理，并且平滑含有噪声的数据，对一些爬取下来有异常值的数据直接采取删除的处理方式。补充数据并完成处理后，首先对样本数据进行描述性统计分析其次运用聚类分析的方法，对过去一年的地震区域进行风险等级划分，再用相关性以及神经网络对其进行预测。

1.2地震风险评估及预测

地震数据描述性分析：

表1统计量

当震级大于等于3级时，人们会有震感，并且会带来一定程度的破坏，从震级的统计量中可以看出在2019年2月至2020年2月这一年里震级的一般水平在4.295且有感地震发生的频率最高，其中震级为3级的频率最高并达到132次，人们对此类地震有震感，但在一般的情况下不会造成破坏。震级极小值为1.3，属于弱震震级，如果深度不是很浅则一般情况下不易被人们察觉，且在一般情况下震级越小其烈度越小则其深度则约深，但不排除有特殊情况，具体根据地质状况而定。而震级的极大值达到7.8，属于强震震级，此类地震可造成破坏，但其破坏轻重与震源深度、震中距离、震中的人口、地震区域的地质结构以及震中的经济发展程度等诸多因素相关。

从地震深度的基本统计量中可以看出，从2019年2月到2020年2月，地震震源深度的平均水在35.07，而深度越浅烈度越大，其破坏程度越严重当然也要根据具体的地质结构来具体分析。根据深度统计量可看出其极小值为0，属于浅源地震，该类地震对建筑物的威胁最大，而深度为0则可能为人工地震，主要由人类活动引起如开山、爆破、开矿等，例如2019年3月21日江苏连云港市灌南县（疑爆）2.2级地震。在该样本中深度极大值为620，属于深源地震，在同震级下，该类地震的破坏程度较浅源地震小。

从地震每月的频率来看每月全球地震的次数大约在65至145之间而不同时刻地震的次数大约在35到60之间。以四川为例，其地震趋势总体上与全球地震趋势差不多，而自2019年10月之后，四川地震次数相较全球地震次数较平稳，则说明近期龙门山断裂带活动较为平稳。从不同时刻地震次数上讲，该样本数据呈现出：无论是四川还是全球，夜间地震平均次数大于白天，但就一年地震样本数据的统计分析不能够直接说明其总体的普遍规律因此其准确率还有待考证。

根据样本数据所制作的热力图可以看出在板块的交界处地震次数明显高于其他地区，尤其是在亚欧板块与印度洋板块交界处，因地壳运动，板块挤压导致地震频发，同时也会让该地区的海拔因挤压而上升而在板块的拉伸处，则基本不会发生地震。根据中国地震台网数据统计在2019年2月到2020年2月期间四川发生地震共计161次仅次于新疆（213次）。

基于聚类分析下地震风险等级划分：

在利用聚类的方法进行数据分析时，根据已有的数据选出了经度、纬度、震级、深度以及地震发生的月份并利用spss软件，进行数据分析。将地震样本数据运用K-Means算法聚类为3类，其聚类质量达到较好（0.5）且为最优，根据聚类的大小我们可以把它分为高地震风险（聚类1:46.7%）、中等地震风险（聚类2:41.9%）、低地震风险（聚类3:11.5%）。同时，影响聚类的变量中最重要的因子是经度其次是月频次然后是震级、纬度和深度。

根据样本数据聚类分析得出大多数高风险地震区域是位于东经100°北纬30°附近，主要是位于亚欧板块与太平洋板块交界处，部分地区位于南纬10°左右。主要发生时间在1-7月，震级于3-4级居多，少部分5-6级，其地震震源深度平均水平在28千米。与总体相比较，高风险地区震级多数较低，而震源深度分布基本与总体相似，数值都偏小。

中等风险区则大部分区域同高风险类似，少部分地区位于赤道附近，主要发生在6-12月，而震级与震源深度的状况也同高风险地区相类似。

而低风险地区则主要位于西半球，南北纬60°左右之间且大多数发生在南纬20°上下，每个月发生次数较为平均大概在5-15之间，震级在4.5以上且大多数在5-6之间且有极大值，震源深度均值在74.43千米，也高于总体均值。

神经网络对震级进行分析预测：

将筛选出来的主要字段利用皮尔森相关系数进行数据分析得到表2结果。从而分析出震级、深度等因素的相关程度与系数，以便于利用神经网络对震级进行预测。

从皮尔森相关系数可以看出震级与经纬度呈显著负相关与深度呈显著正相关，但根据相关系数显示出震级与纬度成中等相关，与经度和深度成弱相关。发震时刻与纬度呈显著正相关，深度与经纬度呈显著负相关。理论上，经纬度处于板块交界处时其地震频率越高，震级相对越大能量越大，其传播距离就越远，若处于同一震中下其震级越大则深度越深，具体情况还需根据具体的地质状况以及。

表2相关性

根据相关性分析结果，并利用神经网络建模的方法对地震震级进行预测，并将样本数据集划分为10%的测试集与90%的训练集，其模型的准确率达到71%其结果属于较好。根据样本数据分析结论得出：纬度对预测变量的重要性为最高，其次是经度和深度。从图7可以看出，预测值与真实情况接近，若将预测值纵坐标上限看为1，则由训练集绘成的曲线最终会无限趋近于1。从图8可以得出，在这次研究数据的实验场景下，训练集与测试集结果都达到85%左右。而在预测结果中可以得出，一般状况下，地震的震级发生在3级左右以及6级左右的可能性较大。

2、结束语

随着地震数据的不断增长，人们对地震的监测科技以及检测质量也在不断提升，尽管人们已经能够做出部分较为准确的地震预警，但是，地震预警并不是万能的，它能够提升的应急时间是有上限的。当然为了能够更好的做出地震预警，应拓展开思路，由于震前自然界会放出一些信号例如地震云、地震鱼等。因此未来的研究方向将会进一步结合具体震前的环境变化数据，如地下水变化、天气变化、电磁场变化、生物变化等相关数据进行结合交叉分析，同时可以结合逻辑回归或者运用拟合度大于等于0.8的线性回归分析方法对未来进行榆次，可得出对地震的预测模型，以便于能够增加预警的时间上限。

冯婧益,杨杉.地震数据研究分析[J].电子世界,2020(08):42-44.

基金:四川大学锦城学院青年教师科协资助,项目名称:数据实验室建设探索——四川大学锦城学院为例”,项目编号:2018JCKY0002.