| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 地震波形特征的研究背景和意义 | 第8页 |
| 1.2 天然地震和人工爆破的不同之处 | 第8-9页 |
| 1.3 当前国内外的研究现状 | 第9-10页 |
| 1.4 本文的主要工作和论文的组织结构 | 第10-12页 |
| 第2章 震源波形信号的选取与数据预处理 | 第12-24页 |
| 2.1 原始震源波形信号的来源 | 第12-15页 |
| 2.2 不同地震波形初步分析 | 第15-17页 |
| 2.3 地震数据预处理 | 第17-24页 |
| 2.3.1 小波变换去噪 | 第17页 |
| 2.3.2 改进后的小波阈值去噪 | 第17-18页 |
| 2.3.3 经验模态分解方法 | 第18-20页 |
| 2.3.4 基于EMD的小波阈值去噪方法 | 第20-24页 |
| 第3章 三维地震数据的可视化研究与实现 | 第24-32页 |
| 3.1 科学可视化 | 第24-27页 |
| 3.1.1 科学可视化的基本流程 | 第24-25页 |
| 3.1.2 科学可视化的数据类型 | 第25-26页 |
| 3.1.3 科学可视化的主要绘制算法 | 第26-27页 |
| 3.2 利用编程工具实现三维动态可视化 | 第27-31页 |
| 3.2.1 编程工具简介 | 第27-28页 |
| 3.2.2 三维动画方法及实现步骤 | 第28-31页 |
| 3.3 三维地震数据的可视化特点 | 第31-32页 |
| 第4章 时间窗法提取地震波形特征 | 第32-46页 |
| 4.1 数据集的选取和波形特征类别 | 第32-34页 |
| 4.1.1 数据的选取 | 第32-34页 |
| 4.1.2 地震波形特征类别 | 第34页 |
| 4.2 VAR-AIC算法：一种新的不同时间窗口自动检测算法 | 第34-36页 |
| 4.2.1 VAR-AIC算法理论 | 第35-36页 |
| 4.3 特征提取算法流程设计 | 第36-37页 |
| 4.4 实验结果分析 | 第37-46页 |
| 4.4.1 指定窗口长度结果分析 | 第38-41页 |
| 4.4.2 窗长和步长交叠分窗处理结果分析 | 第41-44页 |
| 4.4.3 时间窗法的检测结果 | 第44页 |
| 4.4.4 本方法与STA-LTA方法及AR-AIC方法对比 | 第44-46页 |
| 第5章 不同震源类型的归一化处理和分类识别 | 第46-52页 |
| 5.1 贝叶斯分类器 | 第46-47页 |
| 5.2 TKEO算法 | 第47-48页 |
| 5.2.1 TKEO数据归一化处理 | 第47-48页 |
| 5.3 实验结果分析 | 第48-52页 |
| 5.3.1 误差统计和结论 | 第50-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士研究生期间取得科研成果和获奖情况 | 第57-58页 |
| 致谢 | 第58-59页 |