基于自组网的现地地震预警关键技术研究与试验系统研制

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41404048
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0404.地震学
  • 结题年份:
    2017
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2017-12-31

项目摘要

Earthquake early warning (EEW) is a new technology and a new measure for seismic hazard mitigation in the last twenty years. It can provide a few to several tens of seconds of warning time for impending strong ground shaking at a given user site. The key goal of the current EEW in the world is to reduce the range of "blind zone". We propose direct system improvement of sensors by introducing low-latency data processing mechanisms. Based on the statistical relationships of early warning parameters, we then integrate a real-time EEW data processing flow into the sensors, which includes automatic earthquake detection, precisely picking up the beginning of P waves, τc and Pd calculation, magnitude and PGV estimation, and shaking threshold alarming. In addition, the distributed automatic networking technology is used for comprehensively determining multi-stations early warning parameters in order to reduce false triggering events, improve system reliability, and compress the time for processing events. Furthermore, the warning information is released through Catastrophe System, a type of wireless broadband, for lowering network delay. Through these three aspects of technological improvements, algorithms refining and high integration, we can establish an automatic networking onsite EEW test system in order to reduce the range of "blind zone".
地震预警是近二十余年来新发展起来的用于减轻地震灾害的一种有效手段,可在破坏性地震发生后,破坏性地震波到来前,为目标区域提供数秒至数十秒的预警时间。目前世界上地震预警的关键目标是缩小地震预警盲区。本项目提出直接从传感器端进行系统改进,引入低延时数据处理机制,并基于统计获取到的预警参数关系式,在仪器内部实现集地震事件自动检测、P波初动精确检拾、τc和Pd计算、震级和PGV估算、震动阈值报警等功能的实时地震预警数据处理流程;通过分布式自组网技术进行多台预警参数综合判断,以降低误触发事件、提高系统可靠性并压缩事件处理时间;从基于无线宽带(巨灾系统)发布预警以降低网络交换可能产生的延迟时间。通过上述三个环节的技术改进、算法精炼和高度集成,建立一套能够自动组网的现地地震预警试验系统,达到缩小预警盲区的目的。

结项摘要

地震预警作为一种有效的减轻地震灾害的手段,可为目标区域在强震动到达前提供数秒至数十秒的预警时间。对于地震预警而言,一个重要的指标就是盲区范围的大小,因为它直接决定了地震预警系统效能的发挥。因此,寻求从技术上有效缩小盲区范围的方法将具有十分重要的意义。本项目构建了一种基于自组网的现地地震预警试验系统,从传感器、自组网和传输几个环节对系统进行设备、算法和网络环境改进。首先,提出了一种基于全P波段的预警参数关系线性拟合方法,该方法有助于减轻大地震震级估算“饱和”问题和降低小地震震级估算带来的误报问题。然后,从传感器端对嵌入式Linux软件系统进行了改进,通过引入低延时数据处理机制和相匹配的数据压缩算法,可将实时数据包延时降低到0.1 s。在此基础上,基于统计获取到的预警参数关系式,在单台仪器内部直接集成了具有地震事件自动检测、P波初动精确检拾、τc和Pd计算、震级和PGV估算、多台预警参数综合判断、阈值报警等功能的地震预警数据处理流程。最后,依托巨灾通信系统,建立了一套具有自组网功能的现地地震预警试验系统。在以0.5 s/包的情况下进行数据传输,整个系统的延时(含打包延时、网络延时和仪器端处理延时)可以有效控制在1 s以内。理论分析和测试结果表明,利用本项目研制的试验系统可以进一步缩小盲区范围、增加有效预警时间,为原来无法预警的区域提供预警信息。因而对解决目前预警系统并不能在震中附近区域预警,而有效预警区域已经远离灾害区的现状具有重要的科学意义和应用价值。

项目成果

期刊论文数量(8)
专著数量(1)
科研奖励数量(0)
会议论文数量(2)
专利数量(0)
M5'模型树算法和无人机航拍影像在震后崩塌滑坡分析中的应用——以鲁甸M_S6.5地震为例
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    中国地震
  • 影响因子:
    --
  • 作者:
    王伟平;杨建思;高瑜;徐志强;姜旭东;郑钰;彭朝勇
  • 通讯作者:
    彭朝勇
A new type of tri-axial accelerometers with high dynamic range MEMS for earthquake early warning
一种用于地震预警的新型高动态范围MEMS三轴加速度计
  • DOI:
    10.1016/j.cageo.2017.01.001
  • 发表时间:
    2017-03
  • 期刊:
    Computers & Geosciences
  • 影响因子:
    4.4
  • 作者:
    Chaoyong Peng;Yang Chen;Quansheng Chen;Jiansi Yang;Hongti Wang;Xiaoyi Zhu;Zhiqiang Xu;Yu Zheng
  • 通讯作者:
    Yu Zheng
用能量累积法检测地震波雷达信号
  • DOI:
    10.6038/cjg20150414
  • 发表时间:
    2015
  • 期刊:
    地球物理学报
  • 影响因子:
    --
  • 作者:
    刘明辉;周银兴;彭朝勇;陈阳;李江;王洪体
  • 通讯作者:
    王洪体
用于地震预警的通用数据采集系统构建
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    地震
  • 影响因子:
    --
  • 作者:
    彭朝勇;杨建思;薛兵;陈阳;李江;朱小毅;徐志强;郑钰
  • 通讯作者:
    郑钰
New τc regression relationship derived from all P wave time windows for rapid magnitude estimation
从所有 P 波时间窗口导出的新 Ïc 回归关系,用于快速震级估计
  • DOI:
    10.1002/2016gl071672
  • 发表时间:
    2017-02
  • 期刊:
    Geophysical Research Letters
  • 影响因子:
    5.2
  • 作者:
    Chaoyong Peng;Jiansi Yang;Yu Zheng;Xiaoyi Zhu;Zhiqiang Xu;Yang Chen
  • 通讯作者:
    Yang Chen

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

车轴压装部相控阵超声波探伤的各向异性扩散去噪改进算法
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    中国铁道科学
  • 影响因子:
    --
  • 作者:
    彭朝勇;高晓蓉;王艾
  • 通讯作者:
    王艾
2017 年九寨沟 M S 7.0 地震震源区速度结构与余震分布
  • DOI:
    10.11939/jass.20180058
  • 发表时间:
    2019
  • 期刊:
    地震学报
  • 影响因子:
    --
  • 作者:
    王伟平;杨建思;彭朝勇;郑钰;徐志强;姜旭东
  • 通讯作者:
    姜旭东
基 于 高 频 GPS 峰 值 地 动 位 移 的 震 级 标 度 探 讨
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    中国地震
  • 影响因子:
    --
  • 作者:
    陈锋;杨建思;王伟平;彭朝勇
  • 通讯作者:
    彭朝勇
基于并联卷积神经网络的高速铁路车体图像差异分类算法
  • DOI:
    10.3969/j.issn.1001-8360.2021.10.007
  • 发表时间:
    2021
  • 期刊:
    铁道学报
  • 影响因子:
    --
  • 作者:
    王志学;彭朝勇;罗林;宋文伟
  • 通讯作者:
    宋文伟
基于样本增强的卷积神经网络震相拾取方法
  • DOI:
    10.11939/jass.20190070
  • 发表时间:
    2020
  • 期刊:
    地震学报
  • 影响因子:
    --
  • 作者:
    李安;杨建思;彭朝勇;郑钰;刘莎
  • 通讯作者:
    刘莎

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码