粗差探测是卫星重力数据预处理环节的关键步骤。针对海量观测数据如卫星重力梯度数据, 原有的粗差探测方法存在时间消耗长、 准确率较低等不足。文中基于长短时记忆(LSTM)网络方法, 提出了可用于重力梯度数据粗差探测的机器学习方法, 实现了对长时间序列观测数据的粗差识别问题, 避免了粗差对观测数据的影响。计算结果显示, LSTM训练模型的预测精度达99.4%, 在预测过程中, 扩大训练数据量或增加LSTM神经元的个数都可提高预测效果, 且损失函数、 学习率、 迭代次数等是影响预测效果的主要模型参数。训练模型识别粗差实验结果表明: LSTM模型能够很好地应用于卫星重力梯度测量观测数据的粗差探测。
2014年3月27日和30日湖北秭归县发生了三峡水库蓄水以来该地区最大的2次地震, 文中通过多种方法分析了2次地震的震源与发震构造特征.采用Kiwi方法反演2次地震的矩张量解, 该方法中使用了湖北和重庆测震台网14个宽频带波形记录和6层地壳速度结构模型, 反演结果显示, 2次地震观测谱和波形与理论谱和波形拟合得比较好, 非拟合误差数<0.57, 表明反演结果是可靠的.2次地震均为走滑兼少量逆冲错动, 但前一地震为左旋走滑, 后一地震为右旋走滑, 矩张量解中DC成分偏少而ISO成分多可能是库水对地下介质物性影响的反映.同时也使用三峡台网15个子台记录的波形资料, 采用双差定位法重新精定位了从3月27日至4月27日时段内超过500次地震序列事件, 结果显示余震序列分布方向为NNW向和NE向, 但主要集中在NE向, 并分别沿NNW和NE向作了深度剖面, 剖面显示震源深度为4.5~10.0km, 余震在深部呈现2个较明显的断面, 与震源机制解NE向节面产状一致.野外现场宏观烈度调查指出, Ⅴ度极震区等震线为一椭圆, 长轴NWW向, 短轴NE向, 结合野外现场考察结果和震源区地质构造背景, 综合推断仙女山断裂北端的NE向破裂面为2次地震的发震断面, 余震序列的NE和NNW向分布、剖面上发震层的形态和深度特征表明, 这次地震活动受到了仙女山断裂和九畹溪断裂活动的控制与影响.
2011年MS 4.6瑞昌-阳新地震是瑞昌地区继2005年M5.7地震后的又一中等强度地震,文中从多角度对此次地震的发震构造进行了探讨.利用双差定位法进行的地震精定位结果显示,主震发生在NE向断裂的西南端,余震的分布则呈现出沿NNE和NW两个方向展布的特征.野外考察发现,等震线长轴方向为NE,沿此方向烈度衰减较慢.考虑震源时间函数的影响,采用波形反演方法得到了此次地震的震源机制解.节面Ⅰ走向302.2°,倾角68.2°,滑动角-3.8°; 节面Ⅱ走向33.6°,倾角86.5°,滑动角-158.1°. 综合分析认为,NNE向郯庐断裂的南端隐伏段(瑞昌-武穴断裂)为此次地震的发震构造,而与NW向断裂的共轭作用造成了部分余震沿着NW向分布的特征.