APP下载

基于S变换的太原地震监测站洞体应变大风干扰时频特征分析

2021-09-28孟彩菊张淑亮杨世英

山西地震 2021年3期
关键词:时频太原大风

孟彩菊,张淑亮,李 丽,杨世英

(1.山西省地震局太原地震监测中心站,山西 太原 030025;2.山西省地震局,山西 太原 030021;3.太原大陆裂谷动力学国家野外科学观测研究站,山西 太原 030025)

0 引言

日常地球物理场观测不可避免地受到各种干扰,不同来源的干扰因素对数据的影响各不相同。孙伶俐等对地壳形变观测的大气变化响应规律进行研究,认为大气压强和温度的影响集中在较低频段,台风在形变观测较高频段上有明显影响[1]。王宁等认为,气压对形变分钟值数据的影响明显,其优势频率在时频域上低于0.05 Hz,在气压变化明显区域信号能量较大;降水对整点值数据影响明显,集中在低频部分[2]。段元泽等认为,降水总量引起洞体应变和水管倾斜仪的变化增大,排除降水干扰后的变形增大,多与构造活动有关[3]。彭钰翔等认为,近场环境的某些细微变化能够引起形变观测数据振幅、频率、组分、稳定性的变化,导致前后数据不一致,影响观测数据的稳定性[4]。李智蓉等定量分析降雨对昭通地震台测项的影响,认为形变变化与降雨相关性较高[5]。以上研究结果表明,环境、气象等变化对观测数据的影响较为普遍。因此,在资料分析中需首先对干扰进行识别。

2020年6月24日16:30至18:00,太原地震监测中心站(以下简称太原站)洞体应变测项记录到一组高频振动信号,周期为2~5 min。与半日、日变等更大周期背景变化相比,该波形的变化特征与洞体应变日常记录的地震事件接近,疑为地震波形。对比台网地震目录,未发现有对应的地震发生。为确定此信号的类型及来源,对该站不同仪器记录的波形进行对比,并运用S变换法对该事件的时频特征进行分析。

1 原理分析

地球物理观测信号为非平稳信号,对于非平稳信号或时变信号,了解不同时刻附近的频域特征至关重要。因此,可采用时间-频率(即时频)描述时变非平稳信号[6]。时频分析能较好反映非平稳信号在时间和频率轴上能量强度的分布及信号局部时频特征,因此,其在信号分析中得到广泛应用[7-12]。

时频分析法包括小波变换、傅立叶变换及S变换等。传统傅立叶变换为一种全局变换法,无法表征频率随时间变化的局部特征。Stockwell提出的S变换法可较好地突出信号的局部特征,保留每个频率的绝对相位特征。他提出的假设信号S变换为:

s(t)∈L2(R),

式中:s(t)为假设信号;L2(R)表示能量有限函数空间,则s(t)的S变换为:

(1)

式中:τ、f分别为时间和频率,均为实数。反变换为:

(2)

式(2)是以Morlet小波为基本小波的连续小波变换的延伸。基本小波是由简谐波与高斯函数的乘积构成,则:

(3)

S变换既解决短时傅立叶变换中时窗大小未能调节的问题,又具备小波变换的多分辨率特性,避免小波变换无法与傅立叶变换保持联系的问题。因此,这些优点使得S变换广泛应用于对非平稳信号的分析[13-14]。

2 资料选取

2.1 背景资料

2020年6月24日15:00至18:00,太原站洞体应变仪EW分量原始分钟值曲线出现高频波动,表现为毛刺增多。其与正常时段较光滑的周期、形态存在明显差异,高频波动持续1 h左右,形态类似洞体应变仪记录的地震波形(见图1)。对比当日台网地震目录,未发现在异常时段有相应的地震发生。

图1 洞体应变仪原始分钟值观测曲线

2.2 原因排查

为查找当天17:00左右数据变化的原因,笔者首先查阅台站当日观测日志,检查是否存在观测环境、人为和观测仪器等因素的影响。结果显示,当日未进行仪器标定和维修、无人为进洞等,也未出现过停电,台站周围也无施工等。因此,初步判定此次变化与上述干扰因素无关。

排除以上因素后,对气象变化情况进行调查。根据值班人员反映,当天刮大风,在17:00左右,院里一棵大树被刮断。再通过院内监控回放,发现在当天下午约5:30开始刮风,一直持续至6:30。期间,大风造成院内树木来回摆动,使树枝折断。因此,从时间的对应性上分析,认为此次洞体应变高频信号为大风干扰所致。

2.3 资料选取

太原站洞体应变仪记录的地震信号与风扰信号极相似,为识别两者特征,选取同时有地震记录的2020年6月24日太原站洞体应变分钟值数据进行时频分析。

3 信号时频分析

3.1 洞体应变数据时频分析

文中,时频结果的频率为归一化频率fn,即实际频率f与采样频率fs的比值:

fn=f/fs。

(4)

归一化频率fn的范围为0~0.5。时频图中的色标由相应频率和时间对应的S变换结果转换得到,与原始观测数据中不同频率成分振幅值的变化特征一致,反映观测数据中各频率信号能量随时间变化和相互之间能量的对比[15]。运用S变换法对2020年6月24日洞体应变的分钟值观测数据进行S变换计算,以获取当日数据的时频特征(见图2)。

图2 洞体应变原始观测曲线及时频特征分析

在图2的时频分析图像中,存在两道明显的条状异常信号,频率范围为0.1~0.5。对比地震目录发现,2020年6月23日23:29曾发生墨西哥M7.4地震。因此,24日00:00至01:20时段的为地震波形,17:00左右的为上文提到的大风扰动。可以看出,地震波列与风扰波列的频率展布均在0.1之上,背景性大周期(低频)频率展布一般在0.1之内,有明显区别。地震波列与风扰波列相比,频率分布无明显区别,不易辨识。

3.2 地震仪记录数据时频分析

上述洞体应变的时频分析结果显示,地震与风扰信号特征相似,不易分辨。为进一步探讨同震记录与风扰的差异性,选取同时段太原站甚宽频带地震计BBVS-120的波形记录(见第11页图3)。该地震计的采样率为每秒100次,因数据量过大,时频分析中降频为秒数据。

第15页图3a、3b分别为太原站地震计NS向地震波形及大风事件仿真763仪(原始波形信号不突出)曲线图。从波形特征来看,地震波形起伏变化较大,大风事件波形的形态较为单一;在周期上,地震波形明显密集且周期小,风扰波形的周期较大。另外,记录结果显示,地震信号在地震计的三分向上均有分布,大风扰动信号只在水平方向有显示。下面进行地震计记录的地震与风扰信号时频分析。

图3 地震仪记录地震波形与高频事件波形时频特征分析

图3c、3d分别为地震计记录的地震与风扰信号S变换时频分析结果,可以看出,地震仪记录两次事件的时频结果差异较大。地震波列频率展布在0.01~0.2,即周期为5~100 s;大风事件频率展布在0.05以内,优势频率为0.01~0.02,即周期为50~100 s。能量分布差异极大。从图3a、3b的原始数据变化范围来看,地震引起的波动幅度大,达到400 counts,高频事件的幅度值为2 counts。相应时间段的时频结果图也显示,地震波动的能量色块值几乎达到1以上,风扰能量值最高为0.25。因此,从地震计与洞体应变仪记录对比结果来看,地震计的记录能较好地反映出地震与风扰信号的差别。

4 结论与讨论

通过对太原站地震计、洞体应变仪原始记录波形及基于S波变换法的时频分析,可得到如下结论:

(1) 2020年6月24日16:30~18:00太原站洞体应变仪记录的高频信号为大风干扰。

(2) 洞体应变仪记录的大风干扰信号与当日记录的地震信号主要频率接近,均分布于归一化频率0.1~0.5范围内,不易分辨。

(3) 地震仪记录的地震信号与大风信号存在明显区别。地震波形密集,周期更小,地震信号形态复杂多变;风扰信号周期相对大,波形形态单一。

(4) 时频结果显示,地震计(仿真763仪)记录的当日地震信号主要频率展布在0.01~0.2,即周期为5~100 s;大风事件频率展布在0.01~0.02,即周期为50~100 s。表现为地震信号含有更高的频率成分。

综上所述,太原站洞体应变仪记录的大风信号与地震信号相似,频率接近,不易辨识;地震计的波形记录可以较好地分辨出两者。因此,引入同期地震计波形进行对比分析,可为地球物理测项的干扰识别及数据分析处理提供借鉴经验。

猜你喜欢

时频太原大风
乡村振兴“太原模式”亮起来
大风之夜(组诗)
太原清廉地图
人造太原
高聚焦时频分析算法研究
除夜太原寒甚
基于稀疏时频分解的空中目标微动特征分析
看不见的大风(外一首)
大风
人小鬼大狄仁杰