夏雅琴
（北京工业大学地震预测研究所，北京100022）

北京工业大学地震研究所自1976年10月至今，在李均之教授的带领下，二十多年来一直从事临震前兆观测方法的研究。采用多学科多种观测方法进行临震预报。目前所里共有十多种观测手段。其中次声波观测是重要而有效的方法之一。
次声观测是选用频率为0.04-0.1Hz的由中国科学院声学研究所研制的次声传感器。现有2套系统，一套是传感器与记录仪，24小时连续观测，记录次声曲线；另一套是传感器加计算机组成次声自动采集系统。记录的是电压信号，可以换算为声压信号。研究表明，次声波有衰减小、传播远的特点，因而世界范围内7级以上地震在一般情况下震前均能接收到次声波异常信号。信号结束后9天内发震，根据异常信号的幅值和时间可以预测震级和发震时间，震级误差为±0.8级，发震时间误差小于4天。但是大量的观测资料表明次声波存在多种干扰因素，如：火山爆发、冰雹、大风、雷雨、核爆炸等都产生次声波，研究这些干扰因素产生的
次声波的特性，对准确的地震预测是至关重要的。将干扰信息和地震前兆信息有效地区别开来，分析和研究震前次声波信号与地震的相关性以及震前次声波信号和非地震次声波信号的特征就是本课题所要研究的内容和意义所在。
研究内容：
1.日本和台湾是地震多发的地区，以这两个地区为研究对象，选取7级以上震前信号，对其进行频谱分析，找出不同地区震前次声波异常信号频率特征的异同，这对地震预报是非常有价值的。
2.为了区分震前次声波异常信号与非地震次声波异常信号，选取大风天气收到的次声波异常信号和雷雨天气时收到的次声波异常信号进行频率特征分析。找出震前次声波异常信号与非地震次声波异常信号的异同。
3.采用布阵的方法研究次声预测震中位置的问题。
在2004年12月26日印尼发生9级大地震震前我们接收到了次声异常信号，次信号有别于其它震前次声异常信号。对该信号进行了频谱分析。
对该信号做3层小波分解、频谱分析及连续小波变换。分析结果如图所示：
图中a)为原始信号及小波分解后的近似和细节。通过小波分解，可以有效地把信号的高频部分逐层分解出来，近似a3为低频有用信息。b)为近似信号a3的功率谱图。从功率谱图中可以看到该信号的频率主要集中在(0～2×10-3Hz)之间。图c)是原始信号的连续小波变换图。从图中可以看出，随着尺度增大小波系数逐渐减小，信号频率降低，并且在不同尺度存在周期性。
从此例中可以看出，不同的地区发生的地震产生的次声信号是存在差异的，只要我们不断的积累，就有可能分辨出其各自的特征，为准备的地震预报提供依据。

（储著斌整理）