地震时空分析GIS原型系统的开发外文翻译资料

 2022-02-27 09:02

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

附录A 译文

地震时空分析GIS原型系统的开发

摘 要

本文介绍了GIS原型系统的一些功能，用于跟踪与地下矿山铜矿石采矿活动相关的地震活动。该系统能够执行与地震活动、地震冲击的空间映射以及描述这些活动的性质及其由采矿活动触发的一组统计数据相关的时空分析。数据库的设计考虑了影响地震冲击的地貌、过程和强度等诸多因素。为此，我们进行了地震活动监测领域信息需求的识别，确定了数据来源，提出了数据流的结构，并开发集成了自动验证的方法。该系统的分析模块侧重于统计和空间分析领域。本文以某矿山为例，介绍了系统中分析模块的具体功能。

关键词 地震 GIS原型系统 系统设计 时空分析

第1章 引言

开采地下矿物会造成一系列影响，其中之一就是破坏岩体的自然平衡。接下来是采矿震动，伴随着地震的触发，震动从震源的各个方向扩散到岩体中，这也被称为地震现象。地震现象不仅存在地下采矿工厂中，在矿床开采过程中也具有重要作用，而且还可能对位于地表的基础设施产生不利影响[1]。采矿震动对采矿作业和地面设施造成的影响问题非常复杂，涉及多个方面；而岩体的地质构造、危险区设施的技术条件和震颤的性质是地震现象造成的损失规模影响最大的因素[2]。地下采矿工厂中的地震现象是由各种自然和人为因素产生，并且它们由挤压过程的各种效应组成，这通常是不均匀的，这种多样性导致了采矿震颤结构的高度复杂性。据推测矿井中的震动涉及两种主要类型的事件，即与采矿活动直接相关的事件和由压力引发的事件，且它们极容易发生在较大的区域内[3]。一般情况下，采矿厂使用地下开采法开采矿物的过程中，在给定的地质和采矿条件的基础上预测弹性的分布和相关的变形是没有问题的。然而当评估地震现象的风险时，就会出现困难。我们应该记住一点，这些是非弹性现象，其还伴随着物理性质的变化，这会导致震动的动态过程的发展。震动前的非弹性变形的发展包括几个阶段，尽管它只会增加其发生的可能性，然而并没有规则说后续阶段的存在必然导致地震现象的发生。下一阶段是主要是利用地球物理方法，根据岩体物理性质的变化确定的。采矿震动是地下矿床开采不可分割的一部分。选择开采矿物时最重要的因素之一是记录地震现象发生的机制并评估未来采矿厂开采的风险，特别是在特定的地质和采矿条件下预测强烈地震活动发生的可能性[4]。

为了在受地震活动影响的采矿区域内实行有效的预防措施，有必要扩展现有地震监测系统的功能，形成以职业安全的角度在出现不良现象之前通过类别模块识别风险因素的决策支持系统（DSS）。 本文介绍了一种时空信息系统原型，它提供了各种来源数据的集成，以及地理空间中的分析和参考。描述了系统的结构和功能，着重介绍了分析模块和报告模块。并以某地下矿山为例，给出了实例分析结果。

第2章 系统设计

图1显示了用于地震活动时空分析系统的功能图。该系统采用了多模块结构，基于以下模块，保证了程序的自动化和完整性：

(1) 模块1 - 自动下载地震活动数据、数据集成、数据整理、格式转换、空间参考和进一步存档的程序和工具；

(2) 模块2 - 用于在GIS环境中验证和处理地震信号的一套工具；

(3) 模块3 - 构建GIS系统空间分析模型、属性和数据的计算程序；

(4) 模块4 - 可视化程序，即专题制图；

(5) 模块5 - 生成报告，共享信息。

图1. GIS系统原型的功能图。

系统功能设计的主要思想是获取有关岩体地震活动的综合数据、信息和知识，并将其提供给采矿地球物理站的员工。数据融合过程包括：

(1) 采矿廊道和技术基础设施的空间数据，即挖掘、开采区区域和区域的边界、地震传感器、通路、带式输送机、采矿、运输和通风竖井数据；

(2) 描述地震活动的数据，即信号特征：时间和日期、爆破的参考时间、能量、冲击等级、信号的次要特征（例如PCA分析的主要组成部分）和活动位置；

(3) 地震活动的历史数据，即地震活动的原因、影响和时间、开采方向、爆破工程的时间和范围、开采位置和采矿工程计划；

(4) 地质条件，即矿床层面岩石地层的不连续性、坡度等变化。

该数据库采用基于文件数据管理方案的开放式架构，由此可以根据终端用户需求进一步开发系统。该数据库模型考虑了空间物体的分层、它们的关系以及影响地震现象存在和强度等因素。据此提出了一种与离散场概念相关的矢量数据模型并通过简便的数据收集、高精度的环境表示拓扑原理的可用性以及提供时空分析可能性的广泛功能进行合理选择。最初，现实中所描述的对象被分为这几种几何类型：点（地震传感器），折线（通路，带式输送机等），测试区域（挖掘，开采区域，区域和字段等）。在逻辑表示中，上述具有相同几何形状的简单元素以对象类的形式存储在地理数据库中。相反，物理模型由所有对象的属性表组成，其中各个元素按行排列，其特征按列排列。

图2显示了系统中构建数据库的输入数据的来源，还提出了可以包含在系统中的地震信号的例子（基于群延迟的时频图[5,6];瞬时频率IF的表示[7]，ARMA模型），比如在细分或分类的背景基础上就有可能分析地震信号，。

图2.构建GIS数据库的输入数据，以支持监测采矿区的地震活动。

第3章 分析模块描述

基本分析功能

分析模块使用了GIS系统中可用的特定地理处理工具构建对观测到的地震活动进行数据处理的程序。程序中功能测试使用的数据来自选定的部分地下矿井，据此提供专题地图和报告作为分析的结果，以评估在所选定的矿床开采区域的地震活动状况。图3显示了地震活动时空分析GIS原型系统的数据处理和分析程序的流程图[8-10]。

图3.选择处理和分析程序的流程图。

GIS系统中使用的信息与它们在地理空间中的参考密切相关。因此，可以使用专题图进行时空分析并使其结果可视化。有些统计分析是与地图和视觉分析不可分离的空间分析和栅格分析，其中一些可以单独看作是基本统计，如平均值和标准差。统计分析可分为：

(1) 描述性统计（统计菜单选项），即可以独立于地图和图形方法考虑的统计，包括：最大值、最小值、总和、平均值、标准偏差、频率直方图和元素数量。根据需要，结果以表格或图形形式呈现；

(2) 空间统计（测量地理分布）是一组旨在回答问题的工具：数据中心在哪里，它们采取什么样的形状，它们面向哪个方向以及它们是否分散；

(3) 中心功能负责查找给定数据集的中心点，线或测试区域；

(4) 方向分布用于创建一个椭圆，旨在确定分散和方向趋势;根据需要，可以基于欧几里德或直线距离进行计算；

(5) 线性方向平均值确定给定线的平均方向，长度和地理中心；

(6) 质心标识给定数据的地理中心（或集中中心）；

(7) 集群映射使数据聚类成为可能，以识别统计结果上显著的峰值、低值、异常值等的位置；

(8) 分组分析是一种能够让人们更好地理解数据的功能;它执行分类程序，将数据划分成簇;此外，人们可以定义空间约束，可以指定观察要划分的组的数量。

地质统计工具是系统（地质统计分析员）的一个重要功能特征，可以在进行进一步分析之前对分布进行分析，生成插值模型或评估数据质量，并可以用最流行和最简单的工具展现出来，包括：直方图、QQplot、Voronoi地图。

提出数据处理模型

在地震活动空间分析GIS原型系统的分析模块中，提出了使用上述数据分析方法的时空分析程序。其中包括：

(1) 识别地震活动，包括从数据库中获取的所选地震活动的空间和描述信息进行识别。因此用户能获得一份包含活动位置的制图文档以及描述该活动的报告；

(2) 基于用户选择的开采区域的数据库中搜索地震现象，分析选定开采区域中的地震活动，因而生成一个制图文档，其中包含所选开采区域、地震活动的位置以及这些活动特征的数据报告。人们还可以对给定时间中发生的地震活动数量进行统计分析；

(3) 在选定的时间间隔（年，年，月，日，小时）中分析地震活动，包括用户从数据库中选择感兴趣的时间间隔，并分析当时发生的活动，最后生成一张地图，其中包含活动的位置、活动发生的报告和统计数据以及释放能量的分布情况说明（例如，按小时分析某一天的地震活动数量）；

(4) 分析地震活动中释放能量最大的活动，包括在数据库中搜索具有给定能量的活动，并获得结果图及其位置、报告和统计数据以及释放的能量分布情况说明；

(5) 根据地震活动发生的位置分析地震活动，包括识别未受干扰的土壤、廊道、由开采引起的洞穴表面或区域内的地震活动的数量。由此生成有关活动发生位置分​​类的统计报告；

(6) 分析登记地震活动数量最多的发生地点。通过此分析，您可以获得结果图和包含统计信息的报告；

(7) 分析与开采区域的开采持续时间相关的地震活动。结果生成关于其持续时间的开发区域的分类以及活动统计。

第4章 分析模型的测试—描述所选分析数据

选取2002-2016年中发生不同能量的地震活动的一个开采区域进行研究，对该区域的数据进行统计分析。首先，从数据库中选择两类对象：地震活动和开采区域。然后，使用“按属性选择”工具，选择一个利用区域，如果想要识别所有地震活动，可以在包含字段类数据的地理数据库中构建SQL查询并查询它，获得查询的结果（图4a）。在下一步中，使用“按位置选择”工具，可以搜索选定用于分析的开采区域内的地震活动（图4b），结果生成制图文件（图4c）。在下一步中，对在所选择的开采区域中发生的地震活动进行统计分析。首先，在GIS环境中制作所谓的“散点图”，创建一个直方图，在X轴上标记活动编号，在Y轴上标记活动能量（图5a），显示活动产生的能量（图5b）和2002-2016年的活动数量（图5c）。随后，使用统计应用的K最近邻算法对活动能量的数据进行分组，以预测随机变量的值和分类。K最近邻算法包括：将C观测的解释变量值与学习数据集中每个观测值的相应变量值进行比较，从学习数据集中选择最接近C观测值的k（预定数量）并取平均值确定观测值的解释变量的值，从而进行预测。图6为2002-2016年活动能量分类结果。

图4.选定开采区域的地震活动分析 图5. 2002-2016年对选定区域

地震活动的统计分析。

图6. 对2002-2016年选定开采区域地震活动能量数据进行分类的结果。

在下一步中，验证地震活动的能量是否可以通过经典高斯分布来描述。为了验证高斯分布，这里使用基于QQplot图的视觉测试。图7a显示了所选择的开采区域2002-2016年活动能量的QQplot图。我们很容易注意到，数据和高斯分布的分位数图并不重合。因此，很明显这种分布行不通。选择地理统计向导中克里金函数的功能进一步分析，使其他几个分布成为可能。该测试包括从经验数据获得的基本特征与测试分布的特征进行比较。这里考虑了概率密度（理论和经验），累积分布函数和QQplot图。以2002年至2016年对活动的能量进行建模为例，在此选择了t-student分布。需要说明的是，t-student分布有一个参数n，指定自由度的数量。如果随机变量X的密度由下面的公式给出，则它具有t-student分布：

在上面的公式中，Ί是Gamma函数。随着参数n的增加，t-student分布呈现出高斯分布特征。图7b-d为密度、累积分布函数和分位数图的比较，该比较基于描述t-student分布具有适当特征的能量的数据而确定。在这种情况下，该分布对于分析数据也是不适当的。

图7.活动能量的QQ图表（a），直方图（b）和经验累积分布函数（c）与t-student分布密度的能量值的比较：根据经验使用t-student分布进行变换后的能量基础，以及对于选定的开采区域，在2002年至2016年的地震活动的正态分布（d）

值得注意的是，不应该用一个模型长时间模拟地震数据。由于数据的性质随时间而变化，因此有必要提出其系数随时间变化的模型。所以，在进一步的分析中，将建立数据模型来描述地震活动的等待时间和所选时期（日历年）的活动能量。第一个分析的是2015年的能源数量。统计菜单选项的功能可以确定简单的描述性统计数据并建立分析数据的直方图（图8a）。与2002-2016年期间的数据一样，此处也验证了高斯分布是否可用于2015年的数据建模。利用地理统计分析的功能，比较了2015年经验数和高斯分布的QQplot（图8b）。很容易注意到，这里的高斯分布对于分析的量也是不合适的。在下一步中，验证了其他可用的分布是否可以描述2015年的能源相关数据。此处将t-student分布与对数正态分布一起考虑在内；图8c-d显示了两个刚刚提到的分布的QQplot特征的比较。结果明确地表明，2015年活动能量的数据并未显示t-student分布或对数正态分布的属性。因此，为了模拟这种类型的数据，有必要使用不同的分布-帕累托分布。

图8.针对所选开采区域2015年地震活动的能量数量的描述性统计

MATLAB环境用于进行帕累托分布。图9a描述了2015年活动能量的数据的经验值与帕累托分布的理论量的QQplot图，图9b显示了2015年活动能量分布的尾部（1-累积分布函数），帕累托分布和高斯分布（log-log scale）比较的QQplot图。该图清楚地表明帕累托分布在更大程度上反映了数据的性质。GIS环境中的分析还包括下一个事件

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[435390]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章