摘要：本文的目的是帮助学生提高识别和解释＂海滩球＂图（地震学家推导的矩张量几何形状的图形表示）的技能。笔者把有关获取矩张量过程的大部分定量细节描述留给地震学教程或文献中讲述。然而,笔者发现有关如何手工获得震源机制解（FMS）的一些知识对学生很有用,因此整个过程并不具有多少黑箱艺术。

摘要：地震学正经历着数据量的快速增长,它已超过处理算法发展的速度。地震检测——连续数据中地震事件的识别——是观测地震学的一项基本操作。使用波形相似性克服了现有检测方法的缺点,从而开发了一种有效的方法来检测地震。该方法称为指纹和相似性阈值法(FAST),分析1个星期的连续地震波形数据用时不到2小时,或者比自相关快140倍。指纹和相似性阈值法采用数据挖掘算法,最初设计用于大数据库中识别相似的音频剪辑。它首先通过提取关键的判别特征来创建波形的紧凑"指纹";然后把相似的指纹组合在一个数据库中,以利于相似指纹对快速、可扩展的搜索;最后生成地震检测的一个列表。指纹和相似性阈值法从位于美国加利福尼亚中部卡拉韦拉斯断层附近的一个台站1个星期的连续数据中检测到了大部分编目地震(24个中的21个)和68个非编目地震,实现了能与自相关相媲美的检测性能,尽管有一些额外的虚假检测。当应用于地震台站的分布式台网、非常长的持续时间数据集上时,指纹和相似性阈值法可望发挥其充分的潜力。指纹和相似性阈值法的广泛应用,可能有助于发现意想不到的地震信号,改善地震监测,促进对各种地震过程的更深的了解。

摘要：我们给出了MATLAB环境下的一个图形用户界面,用于远震剪切波分裂分析。鉴于越来越大型的地震学实验,设计SplitRacer来快速处理大型数据集,因为它集成了自动和用户主导步骤,这使得可根据用户自己的质量标准来进行直观的分析。SplitRacer提供了一系列用来确保精确测量以及用户友好的特征。可以从数字地震台网网络服务国际联合会成员的所有数据中心直接下载数据。将现有数据分割成1个小时的三分量地震波形后就很容易被使用。起初是自动数据检查,然后是对有问题的震相的目视评估。我们通过分析台站记录事件的质点运动并和理论反方位角进行比较来估计传感器的可能偏差。剪切波分裂分析是基于最小(切向)能量法(Silver and Chan,1991),这约束了快波偏振方向和延迟时间。可以对一系列时间窗进行重复测量来做统计误差分析。SplitRacer提供了每个台站单个震相分裂测量的概况,这可用于检测方位依赖性。为了推断台站下方的各向异性,SplitRacer为用一个或两个各向异性层模型,或平滑变化的各向异性模型来拟合观测数据提供了可能。此外,SplitRacer还提供了一个和两个假想层的多震相联合分裂分析,其中同时使用给定台站的所有事件来约束各向异性模型。这显著降低了噪声的影响,并使测量更稳健。作为示例,我们将应用SplitRacer来约束伯克利数字地震台网的固定台站BKS下方的地震各向异性。