用于地震预报的监测数据处理方法、地震预报方法和系统技术方案

用于地震预报的监测数据处理方法、地震预报方法和系统，涉及灾害预警领域，通过在预监测区域布设地震监测点，监测地震监测点的多种物理量和化学量进行监测，获取多分量监测数据。多分量监测数据与该地震监测点处因地下活动引起的物理场和化学场的变化特征相关。对多分量监测数据进行处理，获得多分量监测数据的特征变化。再将该特征变化输入到树模型中，输出该地震监测点或该预监测区域的地震风险指数。由于创新的提出应用树模型对预监测区域中的地震监测点的多分量监测数据进行处理，进而实现对地震的全天候监测和数据的实时更新，通过对数据的分析能够及时对地震发生的危险发出预警。

【技术实现步骤摘要】
用于地震预报的监测数据处理方法、地震预报方法和系统
本专利技术涉及灾害预警领域，具体涉及用于地震预报的监测数据处理方法、地震预报方法和系统。
技术介绍
地震预报是在地震发生之前能够比较准确的预报地点、时间、震级，即地震三要素，这样能够极大程度上避免大地震在未知的情况下发生所造成的人员伤亡，地震预报的研究一直受到关注。国内外的地震专家研究地质结构、地壳运动等期望发现地震的机理，借助信息科学的发展研制观测仪器，建立了针对地震测震学、地壳形变学、电磁学、地下流体学和辅助观测等学科和观测体系。目前，地震的监测和预报采用地震地质法、地震统计法、和地震前兆法。地震地质法是通过研究地质结构推断地震可能发生的区域。地震统计法是通过研究地震的历史经验来判断可能发生的地震。地震前兆法是通过发现、探测地震前的宏观征兆和微观征兆(例如，地声、地光、地震云、地下水异常、地球物理场异常等)来预测地震发生。上述几种方法基本都是处于依靠经验来间接推测，还不能像天气预报那样，做到对地震灾害的较准确的、有效的短临预报。因此，仍然没有探索出一条清晰的地震预报途径和方法，地震预报任重而道远，地震预报仍是人类尚未解决的重大科学难题。
技术实现思路
本申请提供用于地震预报的监测数据处理方法、地震预报方法和系统，解决现有技术中地震预报的不足。根据第一方面，一种实施例中提供一种用于地震预报的监测数据处理方法，包括：获取预监测区域中地震监测点处不同时间的多分量监测数据，所述多分量监测数据与所述地震监测点处因地下活动引起的物理场和化学场的特征的变化相关；提取所述多分量监测数据的特征，将所述多分量监测数据的特征输入到树模型，并输出预测的地震风险指数。根据第二方面，一种实施例中提供一种地震预报系统，包括：地震监测网，用于获取预监测区域中地震监测点处不同时间的多分量监测数据；所述多分量监测数据与所述各个地震监测点处因地下活动引起的物理场和化学场的特征的变化相关；数据处理中心，用于接收所述地震监测网输出的所述多分量监测数据，并提取所述多分量监测数据的特征，将所述多分量监测数据的特征输入到树模型，并输出预测的地震风险指数；地震预报单元，用于接收所述数据处理中心输出的所述地震风险指数，并依据所述地震风险指数对所述预监测区域进行地震预报。根据第三方面，一种实施例中提供一种地震预报方法，包括：在预监测区域设定地震监测点；对所述地震监测点处因地下活动引起的物理场和化学场的特征的变化进行监测，并输出与所述物理场和化学场的特征的变化相关的多分量监测数据；采用第一方面所述的监测数据处理方法分析所述多分量监测数据。依据上述实施例的一种用于地震预报的监测数据处理方法、地震预报方法和系统，由于创新的提出应用树模型对预监测区域中的地震监测点的多分量监测数据进行处理，进而实现对地震的全天候监测和数据的实时更新，通过对数据的分析能够及时对地震发生的危险发出预警。附图说明图1为一种实施例的地震预报系统的结构示意图；图2为一种地震预报方法的流程图；图3为一种实施例的预监测区域的地震监测点设置分布图；图4为一种实施例中带电粒子在日周期的波动特征曲线；图5为一种实施例中全频数据的均值曲线图；图6为一种实施例中全频数据的振铃计数曲线图；图7为一种实施例中全频数据的全局峰值频率曲线图；图8为一种树类算法结构示意图；图9为一种实施例的预监测区域中预测的各地震监测点的地震风险指数示意图。具体实施方式下面通过具体实施方式结合附图对本专利技术作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。在本实施例中，先在预监测的地区设置多个监测点，由多个监测点构建一个监测网，监测监测点处因地下活动引起的物理场和化学场的变化特征，进而获取监测数据，其变化特征包括地震前的宏观地震前兆和微观地震前兆(例如，地声、地光、地震云、地下水异常、地球物理场异常等)，再应用树模型对每个监测点的各种监测数据之间以及各个监测点的监测数据之间的特征进行组合和变换，挖掘出多维稠密特征，建立多维稠密特征与地震风险指数的关系。通过对监测网内所有监测数据的分析处理，评估出预监测区域的地震风险指数，实现对地震时间、地震地点和震级的地震三要素的预测。实施例一：请参考图1，为一种实施例的地震预报系统的结构示意图，该地震预报系统包括地震监测网10、数据处理中心20和地震预报单元30。地震监测网10用于获取预监测区域中地震监测点处不同时间的多分量监测数据，并将多分量监测数据发送给数据处理中心20，多分量监测数据与所述各个地震监测点处因地下活动引起的物理场和化学场的特征的变化相关。数据处理中心20接收地震监测网10发送的多分量监测数据，并提取多分量监测数据的特征，将多分量监测数据的特征输入到树模型，并输出预测的地震风险指数。地震预报单元30接收数据处理中心20输出的地震风险指数，并依据风险指数对预监测区域进行地震预报。基于上述地震预报系统对预监测区域进行地震监测和预报，其具体流程如图2所示，为一种地震预报方法的流程图，包括以下步骤：步骤201、在预监测区域设定地震监测点。如图3所示，为一种实施例的预监测区域的地震监测点设置分布图，在预监测区域301内设置地震监测点302，对每个地震监测点进行编号。编号方式可按照图3所示二维序列进行编号，以地震监测点(M，N)表示，其中M和N是自然数。一个编号对应一个地震监测点还用于表示该地震监测点所在地理位置信息。在预监测区域101搭建地震监测网具体是在大区域范围内，如500km-1000km半径范围内密集设定地震监测点。例如在20-30km间距设置地震监测点，构成大区域地震监测网。设置密度越高越有助于提高地震预报的精度。同时，还在历史上发生过地震的区域或地震多发区域，以图3所示的方式设定地震监测点，用于获取地震前和地震中与地震监测点处因地下活动引起的物理场和化学场的变化特征相关的监测数据。发生过地震的区域优选历史大震区即为近百年内发生7.0级以上大地震的震中区域。通过在大区域范围内密集设置监测点，捕捉震中区域和临震时的因地下活动引起的物理场和化学场的变化特征相关的监测数据，综合大区域空间场异常数据的异常程度、分布范围等本文档来自技高网...

【技术保护点】
1.一种用于地震预报的监测数据处理方法，其特征在于，包括：获取预监测区域中地震监测点处不同时间的多分量监测数据，所述多分量监测数据与所述地震监测点处因地下活动引起的物理场和化学场的特征的变化相关；提取所述多分量监测数据的特征，将所述多分量监测数据的特征输入到树模型，并输出预测的地震风险指数。

【技术特征摘要】
1.一种用于地震预报的监测数据处理方法，其特征在于，包括：获取预监测区域中地震监测点处不同时间的多分量监测数据，所述多分量监测数据与所述地震监测点处因地下活动引起的物理场和化学场的特征的变化相关；提取所述多分量监测数据的特征，将所述多分量监测数据的特征输入到树模型，并输出预测的地震风险指数。2.如权利要求1所述的方法，其特征在于，所述多分量监测数据包括电磁辐射监测数据、地应力监测数据、地声监测数据、地温监测数据和地下溢出带电粒子监测数据等分量监测数据中至少一项。3.如权利要求2所述的方法，其特征在于，所述多分量监测数据的特征包括异常程度指标，时间特征和地震监测点特征等特征中至少一项；所述异常程度指标是将所述分量监测数据与前一时刻的分量监测数据之间的差异，或者预设时间点的分量监测数据的差异，或者预设时间段的分量监测数据的时域变化曲线的差异，或者当前时间段对应的分量监测数据的时域变化曲线与前一时间段对应的分量监测数据的时域变化曲线之间的差异；所述时间特征包括以不同时间颗粒所描述的分量监测数据的差异或分量监测数据在不同时间间隔的差异；所述地震监测点特征包括预监测区域中每个地震监测点所处位置的地理经纬度、地质环境、天气状况和与历史上发生的地震的震中距离等至少一项。4.如权利要求1所述的方法，其特征在于，还包括：依据预测的所述地震风险指数对所述预监测区域进行地震风险预报；预测的所述地震风险指数越接近或越大于预设值，地震预发生的概率越高。5.如权利要求1所述的方法，其特征在于，所述树模型的建立包括：将样本分为训练集、验证集和测试集；所述样本是地震发生时所述地震监测点的多分量监测数据的特征；依据树类算法对所述训练集进行训练并通过所述验...

【专利技术属性】
技术研发人员：冯远豪，王新安，雍珊珊，张兴，黄继攀，马滨延，何春舅，王培，
申请(专利权)人：北京大学深圳研究生院，
类型：发明
国别省市：广东,44