一种基于加热核的地震热异常精细提取方法

1.本发明涉及一种基于加热核的地震热异常精细提取方法，本发明能较好的构建基于前兆的地震预测模型，可得到有效的热异常提取模型，为“热异常存在性”提供长时间统计证据，由此证明热异常与地震间的关系。


背景技术：

2.以往的研究者开展了大量震前热红外异常震例和机理研究，已在大量震例中发现了热异常现象，但迄今为止“热异常存在性”问题仍未得到切实解决。其中多种热异常孕育理论研究通常认为热异常是直接或间接由震前应力积累导致。目前原有统计研究中检验方法存在缺陷，而且现在不存在强有力的长时间统计证据，无法证明热异常与地震间的关系。
3.近年来，得益于卫星领域的快速发展，热异常提取方法包括基于两年数据的差值法、基于多年数据的差值法、温度梯度法、robust satellite techniques (rst)、功率谱相对变化法等，但地震热异常容易受到多种复杂因素的干扰，因此需要排除强烈干扰背景以有效地提取热异常信息。
4.国外学者eleftheriou和genzano利用rst算法分别对希腊地区以及中国台湾地区进行了10年以及8年的长时间统计研究，该研究认为警报的高真阳性率足以证明地震和热异常相关性，优于随机猜测。而张颖等复演了这些结果，并利用多种方法重新检验后认为其结论并不可靠，原研究中高警报成功率是受高先验概率的影响，无法证明异常和地震之间的关系。
5.国内学者张颖和孟庆岩等利用rst算法和modis地表温度数据提取了四川区域2004年到2017年的热异常，并探究了所提取热异常和地震之间的相关性，研究表明该热异常在四川区域的地震预测能力十分有限。
6.针对上述问题，基于地震热异常具有强干扰、弱信号的特点，本发明涉及的基于加热核的地震热异常精细提取方法，可尽可能的去除非震热异常噪声，可得到较优的热异常提取模型，以此证明热异常与地震间的关系。


技术实现要素：

7.针对目前并不存在强有力统计证据证明震前热异常的存在的问题，本发明提出了一种“基于加热核的地震热异常精细提取方法”，可利用“加热核”过滤器，通过设置一系列强度、时间、空间条件，对热异常进行精细提取。
8.本发明的目的通过以下步骤技术实现：
9.步骤1)首先一种时间序列分析方法来进行初步的热异常信号的识别，得到可能与地震相关的“疑似热异常信号”,然后对每一天内由空间相邻的热异常像元所组成的疑似热异常斑块进行编号；
10.步骤2)然后通过“加热核”过滤器，去除掉部分并非由地震产生的疑似热异常斑块，判断出满足相应时间-空间-强度条件的疑似热异常斑块，确定为地震热异常；
11.步骤3)对子区域的训练和检验，通过计算目标区域内的警报成功率、事件漏报率等指标结合3d molchan diagram对全局一致参数和区域最优模型进行提取和检验；
12.步骤4)采用训练-检验模式，通过设置不同的参数组，在训练过程中根据分数选出loss最小的结果作为最优参数模型，然后再用检验数据对最优参数进行检验，最后得到精细化提取结果。
13.进一步，所述步骤1)的具体方法为：
14.a)通过长时间序列方法进行初步的热异常判断，具体的判断如下式：
15.θ(x,y,i,a
thr
)＝median(x,y,i,p)+a
thr
*(bu(x,y,i,p)-median(x,y,i,p))
16.其中median(x,y,i,p)为{olr(x,y,i-p),olr(x,y,i-p+1),...,olr(x,y,i-1)}的中位数， bu(x,y,i,p)为相应数组的上四分位数，若olr(x,y,i)≥θ(x,y,i,p,a
thr
)，则该数据判断为“疑似热异常信号”；b)然后对每一天内由空间相邻的热异常像元所组成的疑似热异常斑块进行编号,本步骤中，热异常斑块的确定由(p,athr)决定。
17.进一步，所述步骤2)的具体方法为：
18.本步骤中的“加热核”过滤器设置的四个条件，分别涉及：时间持续、空间覆盖区域、空间持续、强度；a)时间持续条件需要满足热异常在相同的区域至少持续两天；b)在空间覆盖区域条件中热异常的面积应大于area
min
且小于area
max
。地震是一种局部的地质活动，所以其影响范围应该有限；c)空间持续条件要求，热异常在空间上应该持续，即连续两天内的热异常其相互重叠的面积应大于某一阈值。本发明，引入因子μ(0≤μ≤1)帮助确定阈值，具体如下式：
19.area(stirap
i,α
∩stirap
i+1,β
)≥μ*min{area(stirap
i,α
),area(stirap
i+1,β
)}
20.d)强度条件的设置中，假设热异常产生于相对固定的
‘
加热核’重叠区域，随着应力的增加或减少，加热核的热异常强度以及热异常影响的范围也应随之增加或减小，具体如下公式：
[0021][0022]
或
[0023][0024]
该方式通过基于“加热核”的过滤器，设置了涉及：时间持续、空间覆盖区域、空间
持续、强度四个方面的条件，可以很好的去除非由地震产生的疑似热异常斑块，更好的确定准确的地震热异常。
[0025]
进一步，所述步骤3)的具体方法为：
[0026]
a)在区域最优参数热异常提取模型中，将把olr数据的每一个像元作为研究子区域，针对于每个子区域有一个监测时空域，监测时空域内包含的地震应该与目标子区域的热异常存在显著的响应关系。
[0027]
进一步，所述步骤4)的具体方法为：
[0028]
a)将地震目录进行训练，选择拥有最小loss，且同时通过事件漏报率和警报成功率显著性检验的参数组为最优模型；b)利用最优模型对上述检验数据集进行检验，然后根据检验数据的警报类型对该组警报进行最后的性能评估以及分类。
[0029]
该方法利用训练-检验模式，通过调整参数组，从而选出最优参数模型，然后进行模型评估，可以得到较有效的地震热异常提取模型。
附图说明
[0030]
图1为发明整体思路
具体实施方式
[0031]
下面结合附图对本发明“一种基于加热核的地震热异常精细提取方法”作进一步阐述说明。
[0032]
本发明所涉及的“一种基于加热核的地震热异常精细提取方法”，是地震热异常精细提取的重要技术创新。该模型首先利用四分位法提取与地震潜在相关的疑似热异常信号，然后通过设置一系列时空持续和强度量化条件，实现对热异常的精细提取。
[0033]
(一)基于“加热核”地震热异常信号识别
[0034]
首先采用一种时间序列分析方法来提取热信号异常，通过该方法判断出疑似的地震热异常信号，然后进行编号，对上面提取的所有的疑似热异常信号通过设置“加热核”过滤条件进行筛选，最后保留的即为地震热异常。随后对热异常斑块进行合并处理，满足条件合并成为同一个热异常；
[0035]
(二)地震热异常与地震对应关系判断
[0036]
eq(x,y,t,m)表示的是发生在第t天，震中为(x,y)，震级为m的地震。tiran 是步骤(一)提取出来的一个编号为n的热异常。m为新地震目录的最小阈值，即只讨论震级≥m的地震与热异常间的关系。对于一组eq(x,y,t,m)和tiran 当满足下述三个条件时，则判定异常与地震相关：
[0037]
1)时间关系：t-tlast(tiran)≤t,t_last(tiran)是编号为n的异常的最后一天。
[0038]
2)距离关系：eq(x,y,t,m)与tiran的最短切比雪夫距离应≤d。
[0039]
3)震级关系：m≥m。
[0040]
(三)训练-检验确定最优参数
[0041]
p1是事件漏报率的p-value，而p2是警报成功率的p-value，本发明中p1 和p2的置信区间均设置为0.05，loss则是3d molchan diagram所给出的评估分数。通过设置了一系列条件对热异常进行精细提取，可以得到具有全局一致参数的loss及其对应的p1和p2，同
时进行警报成功率和事件漏报率的显著性检验。
[0042]
通过比较“加热核”精细提取热异常和疑似热异常信号两组警报的性能，分析引入的“加热核”对非震热异常剔除是否有效，在反复试验后发现“加热核”显著提高了热异常对于地震的预测预报能力。