• ISSN 1673-5722
  • CN 11-5429/P

新浪微博地震舆情数据库的设计与实现

陈亚男 薄涛 王洋 王喆 高爽 熊政辉

李春政, 马文涛, 罗佳宏. 紫坪铺水库附近都江堰震群小震震源机制解分析[J]. 震灾防御技术, 2018, 13(2): 342-352. doi: 10.11899/zzfy20180209
引用本文: 陈亚男,薄涛,王洋,王喆,高爽,熊政辉,2023. 新浪微博地震舆情数据库的设计与实现. 震灾防御技术,18(4):873−882. doi:10.11899/zzfy20230421. doi: 10.11899/zzfy20230421
Li Chunzheng, Ma Wentao, Luo Jiahong. Analysis on Mechanism of Dujiangyan Earthquake Swarm in the Vicinity of Zipingpu Reservoir[J]. Technology for Earthquake Disaster Prevention, 2018, 13(2): 342-352. doi: 10.11899/zzfy20180209
Citation: Chen Yanan, Bo Tao, Wang Yang, Wang Zhe, Gao Shuang, Xiong Zhenghui. Design and Implementation of Sina Weibo Earthquake Public Opinion Database[J]. Technology for Earthquake Disaster Prevention, 2023, 18(4): 873-882. doi: 10.11899/zzfy20230421

新浪微博地震舆情数据库的设计与实现

doi: 10.11899/zzfy20230421
基金项目: 国家重点研发计划(2019YFC1509402);地震科技星火计划攻关项目(XH19002);北京市地震局面上项目(BJMS-2022005);北京市地震局技术微创新项目(BJWC-2022008)
详细信息
    作者简介:

    陈亚男,女,生于1989年。硕士,工程师。主要从事地震应急和自然灾害风险分析方面的研究。E-mail:chenyanan@bjseis.gov.cn

    通讯作者:

    薄涛,女,生于1984年。博士,高级工程师。主要从事灾害管理与信息系统,震害快速评估,城市减灾等方面的研究。E-mail:botao@bjseis.gov.cn

Design and Implementation of Sina Weibo Earthquake Public Opinion Database

  • 摘要: 社交媒体地震舆情数据可实时反映灾区现状,为震后应急提供较好的地震灾情舆情研判服务。选取新浪微博作为数据源,对接EQIM,采用新浪微博开放平台API与分布式网络爬虫相结合的方式获取地震舆情数据。在数据清洗和基于fastText地震相关性分类模型进行数据预处理的基础上,应用MySQL关系型数据库,设计并实现我国大陆地区准实时新浪微博地震舆情数据库及管理平台。现阶段,该数据库收集了2021年1月1日至2022年3月31日我国大陆地区3.0级及以上地震447次、地震舆情数据732 949条,实现数据下载、快速查询及精确查询,方便数据查询与管理,有助于震后舆情监控与灾情快速获取。
  • 相关研究表明2008年5月12日汶川8级地震是龙门山断裂带的中央断裂带重新活动的结果(张培震等,2008徐锡伟等,2008),从震源破裂机制上看,存在由逆断层型向走滑型转变的过程(王卫民等,2008)。在研究中人们还发现汶川地震前,在位于大震初始破裂位置的紫坪铺水库附近发生了一系列密集的小震活动(胡先明等,2010卢显等,2010程万正等,2010),分别称之为水磨震群、深溪沟震群和都江堰震群(马文涛等,2011),它们与汶川地震的关系值得研究。胡先明等(2009)利用PS垂直分量振幅比资料测定了紫坪铺水库区2004年8月至2007年12月间262次小震震源机制参数,得到了水库蓄水使走滑断层活动增多和小震震源机制解节面优势方向与断层走向展布一致的结论。张永久等(2010)运用PS振幅比法计算了紫坪铺水库区及周边486次大于ML 1.6地震的震源机制,得到了水库水域范围的地震活动受到了紫坪铺水库蓄水的影响,而外围稍远区域的断层错动性质和应力场变化则反映了汶川8级地震前的增强信息结论。

    特别是2008年2—4月期间,在位于汶川大震初始破裂点的都江堰附近发生了一系列的小震活动,它们的震源机制及活动性对于研究汶川8级地震的孕育、发生及发展过程至关重要。本文通过解剖一系列小震活动的“时、空、强”和震源机制解特点,从力学机制上深刻理解大地震孕育、发生及发展过程。

    地震的震源机制解是指震源区在地震发生时的发震应力、方向和断层错动方式的力学过程,是由地震产生并被许多测震台站记录到的地震波形分析结果,是所得到的地震断层面及与该断层面垂直的辅助面的参数、发震应力场和其它有关参数的总和。由于地震的震源机制描述了震源的性质及其破裂过程,因此及时确定地震的震源机制对于地震本身的研究、孕震机理的解释及震后应力分布的描述,具有十分重要的意义。

    利用Zhao等(1994)等提出的CAP(Cut and Paste)方法,把波形记录分割为P波部分(Pnl)和面波部分(Snl),分别赋予不同的权重,通过格点搜索的方法进行地震震源机制的反演。CAP反演方法中设u(t)是地震台站记录到的去除仪器响应后的地震波形,S(t)是相对应的理论计算出的波形,则有如下等式:

    $$ {S_j}(t) = {M_o}\sum\limits_{i = 1}^3 {{A_{ij}}} (\Phi {\rm{ - }}\theta, \delta, \lambda){G_{ij}}(h, \Delta, t) $$ (1)

    式中,ij分别对应垂向、径向和切向分量,取1、2、3,Gij是对应各个方向的格林函数,Aij是辐射的衰减系数,Mo是地震的矩张量,$ \mathit{\Phi} $、$\mathit{\Delta} $、t是地震的方位角、震中距、走时。需要反演得到的地震深度h、断层走向$\theta $、倾角$ \delta $、滑移角$\lambda $可以通过解式(2)得到:

    $$ u(t) = S(t) $$ (2)

    为此我们可以使用格点搜索法,搜索可能的震源深度、方位角、滑移角、倾角,同时给出误差函数作为测量标准,从而得到最佳震源机制解。

    在反演时使用的波形为近震波形,而近震波形受地壳横向各向异性的影响较明显。因此,越来越多的研究人员采用频率-波数(f-k)方法(Zhu等,2002)来计算台站各处的格林函数。另外,在波形反演过程中,反演结果容易受到波形中较强部分的影响。对P波部分(Pnl)和面波部分(Snl)的3分量共5部分(Pnl不存在切向分量)给定不同的权重进行反演,可充分考虑各部分波形对反演结果的贡献,如选择格点搜索的方法,选取(3)式的误差测量函数:

    $$ e = \parallel u(t) - S(t)\parallel $$ (3)

    通过格点搜索方法在适当的范围内循环震源深度、方位角、倾角、滑移角,得到相对误差最小时的震源机制解和震源深度。

    CAP法应用十分广泛,吕坚等(2008)使用CAP方法分析九江-瑞昌MS 5.7、MS 4.8地震震源机制,并得到主震和强余震发震构造等有关结论;李铂等(2016)使用CAP方法反演了乳山震群ML 3.0以上地震震源机制解,并推测出该区域存在一条或者多条隐伏断裂;郑培玲等(2017)使用CAP方法得到河南范县ML 4.2地震震源机制,并得出此地震与聊兰断裂活动有关的结论。近年来CAP方法不但应用于中强地震,在中小地震中的应用也越来越广泛,呈现出在更小地震中应用的发展趋势。但人们也对小地震使用CAP法存在着疑虑,认为4级及以上地震波形具有较大的信噪比,能够获得比较可靠的震源机制解结果。

    人们研究4级以上震源机制解所使用的地震台网台间距一般在100—200km或更远,而我们使用的紫坪铺水库地震专用台网的台间距在10km左右。从选取的紫坪铺台站都江堰震群的资料看,ML 2.7的200802142312事件被BAY台站记录到,其震中距为12.8km,最大振幅为17425;而相对于ML 4.0的200707310735事件,被震中距为170km的BAY台站记录到,它的最大振幅为21927。可见远台接收到的中强震级与近台接收到的小微震在能量振幅量级上是相当的,即两者所使用的地震数据的信噪比是相当的,故可以用CAP方法反演都江堰震群的小震震源机制。

    紫坪铺小台网自建成以来获得了良好的宽频带数字地震记录,可以有效地拾取地震波形等资料。本次研究选用紫坪铺水库的7个专用台站(图 1),台站基本情况见表 1

    图 1  台站与水库位置分布图
    Figure 1.  Distribution of stations and location of the reservoir
    表 1  紫坪铺小台网基本情况
    Table 1.  The details of stations used in the study
    台站名称 台站代码 纬度/°N 经度/°E
    八角台 BAJ 30.98 103.41
    白岩台 BAY 30.92 103.47
    桂花树台 GHS 31.09 103.56
    灵岩寺台 LYS 31.03 103.61
    庙子坪台 MZP 31.03 103.53
    桃子坪台 TZP 31.07 103.46
    钻洞子台 ZDZ 30.98 103.55
    下载: 导出CSV 
    | 显示表格

    针对紫坪铺水库所处的龙门山断裂带的速度结构研究成果非常丰富。研究区的一维速度模型结构(表 2)选用周龙泉(2009)根据紫坪铺水库台网从2004年8月—2008年11月4306个地震观测报告拾取到的P波和S波走时数据,利用网格插值的方法计算校正并参考王椿镛等(2002)程建武等(2009)易桂喜等(2013)对该区及其邻近区域的地壳速度结构和构造地质背景研究成果,最终校正确定的一维速度模型。

    表 2  研究区域一维速度模型
    Table 2.  Crustal velocity model in the study area
    深度/km P波速度/km·s-1 S波速度/km·s-1
    0 4.8 2.8
    5 5.8 3.4
    12 6.2 3.6
    20 6.4 3.7
    35 6.6 3.8
    下载: 导出CSV 
    | 显示表格

    挑选出紫坪铺水库小台网2008年2—4月间震级大于ML 1.0的地震事件28个,在MSDP软件下转换地震目录的数据格式为SAC,在SAC程序下标记P波到时及P波、S波时窗的选取,旋转观测波形至RTZ分量,控制振幅数量级,最后利用CAP方法计算得到的理论波形与实际观测波形相拟合。

    拟合过程中不断调试P波部分和S波部分的滤波频率,可以得到不同的、甚至差异大的结果。以往的研究中用CAP方法对震源深度的确定依据是调整滤波频率,在全空间格点搜索震源参数,使观测波形与理论波形更好地吻合,得到震源机制解误差深度曲线的一个全局极小值且是最小值,于是便认定此深度处的震源机制解为最符合实际的震源机制解,此深度即为该事件最佳震源深度。

    调试过程中滤波得到Pnl部分(0.01—0.5Hz)和Snl部分(0.1—0.35Hz),2008年2月14日23:50的ML 2.9地震事件的误差深度曲线与波形拟合曲线分别如图 2图 3所示。

    图 2  ML 2.9事件误差深度曲线
    Figure 2.  The error curve of the ML 2.9 focal mechanism depth
    图 3  波形拟合曲线(红色为理论波形,黑色为观测波形)
    Figure 3.  Waveform fitting curve

    图 2中可知,误差曲线在深度3km左右有一个明显的极小值,获得最佳震源机制解。图 3所示3km的波形拟合曲线中,在7个台站、35个震相中有21个震相的理论波形与观测波形互相关系数大于50,占60%,震源机制解可信。

    依次计算28个地震事件的震源机制解,得到最佳解。计算结果与前人的结果相比较为一致。200802142350事件节面Ⅰ走向36°、发震应力方向351°,与张永久等(2010)利用振幅比法计算所得结果节面走向46°、发震应力方向348°比较吻合。200802142312事件节面走向78°、发震应力方向157°,与张永久等(2010)所得的94°和187°比较一致,证明了计算结果的可靠性。

    图 4中底图颜色差异代表海拔高低,浅蓝色部分代表四川盆地区域,红褐色部分为高山地区,由图可见28个地震事件中有9个零散分布在水库南部和西部,有19个地震事件集中分布在水库东南部都江堰市,这些集中在水库东南部的地震事件为都江堰地震群事件。

    图 4  紫坪铺水库震源机制解平面分布图
    Figure 4.  The plane distribution of focal mechanism of the Zipingpu reservoir

    从垂直于映秀-北川断层与前山断裂的剖面看(图 5),都江堰震群震源深度集中在13km,位于前山断裂带上,且地震事件发震断层以逆冲断层为主,兼带走滑分量。本研究所有震源机制参数列于表 3

    图 5  紫坪铺水库震源机制解剖面分布图
    Figure 5.  The profile distribution of focal mechanism of the Zipingpu reservoir
    表 3  库区ML 1.0以上地震的震源机制参数
    Table 3.  The focal mechanism parameters of earthquakes with magnitude greater than ML 1.0 in the reservoir area
    发震时间 发震地点 深度/km 震级/ML 节面Ⅰ 节面Ⅱ P轴 T轴 N轴
    经度/°E 纬度/°N 走向
    倾角
    滑动角/° 走向
    倾角
    滑动角/° 走向
    倾角
    走向
    倾角
    走向
    倾角
    200802081609 103.603 30.977 11.4 1.13 191 61 -38 302 57 -145 155 46 247 2 339 44
    200802100657 103.469 31.017 7.5 1.06 294 42 81 126 49 98 210 3 91 83 301 6
    200802142134 103.654 30.945 13.3 1.849 355 49 -30 106 68 -135 329 47 226 11 126 41
    200802142312 103.589 30.976 12.6 2.41 203 74 12 110 78 164 157 3 66 20 255 70
    200802142336 103.598 30.981 12.8 1.397 204 80 19 111 71 169 336 6 68 20 231 69
    200802142349 103.612 30.987 14.7 2.974 231 51 51 103 53 128 167 1 76 61 258 29
    200802142350 103.597 30.978 13.2 2.958 36 85 -1 126 89 -175 351 4 261 3 138 85
    200802150026 103.606 30.969 13.5 1.938 211 83 -1 301 89 -173 166 6 76 4 309 83
    200802150043 103.611 30.971 13.5 1.303 214 66 22 115 70 154 165 3 73 32 259 58
    200802150054 103.602 30.975 13.4 2.297 80 66 51 323 45 145 197 12 304 52 98 35
    200802150615 103.605 30.977 13.1 1.03 5 58 -39 118 58 -141 331 49 62 0 152 41
    200802150658 103.621 30.97 12.9 1.436 211 76 16 117 74 165 344 1 74 21 251 69
    200802151624 103.602 30.968 13 1.201 33 90 1 303 89 180 168 1 258 1 32 89
    200802151626 103.605 30.976 13.2 1.273 202 75 12 109 78 165 156 2 65 19 253 71
    200802151637 103.608 30.969 13.4 1.145 35 78 1 305 89 168 351 8 259 9 120 78
    200802181216 103.628 30.949 11.1 2.058 331 81 -14 63 76 -171 287 16 18 3 119 73
    200802201131 103.615 30.965 13.2 2.125 339 66 -15 75 76 -155 299 27 206 7 102 62
    200802201708 103.615 30.965 13.2 2.125 251 36 -1 342 89 -126 221 35 102 34 342 36
    200802201824 103.374 30.92 2.8 1.246 251 36 -1 342 89 -126 221 35 102 34 342 36
    200802212038 103.606 30.97 13.3 1.928 335 52 -79 137 39 -104 291 79 57 6 148 9
    200802221649 103.432 30.956 3.8 1.001 268 84 -6 359 84 -174 223 8 133 0 43 82
    200802270257 103.601 30.976 12.4 1.06 208 76 10 116 80 166 162 3 71 17 262 73
    200803060843 103.461 31.08 9.6 1.055 146 90 2 56 88 180 281 1 11 1 147 88
    200803062010 103.358 30.953 7.4 1.834 277 69 13 182 78 158 231 6 138 24 334 65
    200803062028 103.536 30.919 16 1.205 81 55 50 317 51 133 198 2 292 58 107 32
    200803081416 103.358 30.936 2.1 1.292 300 46 66 153 49 113 227 2 132 73 317 17
    200804041034 103.43 30.967 9.4 1.228 261 75 2 170 88 165 217 9 125 12 343 75
    200804131633 103.395 31.074 9.6 1.319 309 64 19 210 73 153 261 6 168 31 1 58
    下载: 导出CSV 
    | 显示表格

    节面Ⅰ的总体情况可以反映水库研究区断层的大致情况(图 6),其走向在190°—220°方向形成优势分布,即西南—东北方向,与前山断裂带的走向基本一致。滑动角集中在-20°—20°,倾角集中分布在40°—90°,发震主压应力场P轴的走向为北西—南东向或近东西向,且都江堰震群深度都在前山断裂带附近,可见都江堰震群是前山断裂活动的结果。

    图 6  节面Ⅰ、Ⅱ的走向、滑动角、倾角和P、T、N轴走向与倾角的统计特征
    Figure 6.  The strike, rake angle and dip angle of nodal planeIand Ⅱ, and the statistic characteristic of P, T, N axis and inclination

    2008年2月主压应力轴走向变化大,3月、4月压应力轴走向变化小(图 7),呈现出归一和稳定的状态。刁桂苓等(1994, 2011)发现主震前震源区中小地震震源机制解的应力场与构造应力场由不一致变化为一致,则说明主震区域应力积累,在局部发生应力场转换现象到最终与主震应力状态一致时,表明主震区域应力累积已达到相当高的水平,此为大地震发生的征兆。

    图 7  压应力轴(P轴)走向随时间变化图
    Figure 7.  Change of pressure stress axis (P-axis) trend with time

    人们已经认识到汶川8级地震的发生是龙门山断裂带的中央断裂带重新活动产生的结果,引起中央断裂带重新活动的原因及过程中起主导作用的因素,成为今后人们最为关注的问题。如能从中得到一些力学机制上的规律性认识,则可用于指导有关地震演化过程的研究工作。

    2008年2—4月的地震事件代表了汶川8级地震前最后一期的小震活动,其中大于ML 1.0地震事件主要集中在都江堰附近,发震机制以逆冲机制为主,最大地震为逆冲型,其它发震机制逆冲型带走滑分量,少量带正断层分量。发震断层走向是西南—东北方向,与中央断裂带和前山断裂带走向基本一致。从深度剖面看,震源深度分布在13km以上区域。都江堰震群呈重集性,集中在前山断裂带上,其它地震散布在中央断裂带上。发震主压应力场为北西—南东向或近东西向,与该区域构造应力场方向相一致,说明最后一期小震活动与汶川8级地震受同一个区域构造应力场的控制。

    从最后一期小震的最大主压应力场方向随时间变化上看,其方向从150°—350°之间频繁剧烈变化,而临近汶川8级地震发生时缩小到210°—250°,主压应力轴走向趋于与区域构造应力场走向相一致,预示着即将有大地震发生前,发震构造应力场有一个协同化过程(马瑾等,2014)。

    综上所述,2008年2—4月地震事件的发震机制以逆冲机制为主,兼走滑和少量带正断层分量。龙门山断裂带中的前山断裂带与中央断裂带是一个构造变形单元。前山断裂带在中央断裂带之下,其受力如同楔形体,向西北方向地下延伸。当前山断裂带上发生都江堰震群后,引起中央断裂带上的滑动阻力减小,相当于去掉了龙门山断裂带上的中央断裂带的“楔子”(马文涛等,2011)。这些现象说明龙门山断裂带在都江堰附近存在着1个凸凹体,形成应力集中。当都江堰震群发生迫使龙门山断裂带前山断裂逆冲性活动,它加剧了龙门山断裂带中央断裂的活动,为汶川地震的发生创造了构造条件,在一定程度上加速了汶川地震的发生。因此,2008年2—4月地震事件具有加速汶川8级地震发生的性质,对其详细研究将有助于获得地震预测的信息与方法。

    致谢: 本研究的紫坪铺水库专用台网地震数据来源于四川省地震局水库研究所,得到了韩进研究员对本研究的大力支持。
  • 图  1  新浪微博地震舆情数据获取流程

    Figure  1.  Weibo earthquake public opinion data acquisition flowchart

    图  2  数据清洗与预处理流程

    Figure  2.  Flow chart of data cleaning and preprocessing

    图  3  基于fastText的地震相关性二分类学习模型

    Figure  3.  Seismic correlation dichotomous learning model based on fastText

    图  4  迭代优化流程

    Figure  4.  Flow chart of iterative optimization

    图  5  微博文本数据预处理前后结果对比

    Figure  5.  Comparison of results before and after processing of Weibo text data

    图  6  新浪微博地震舆情数据库建设逻辑

    Figure  6.  Concrete construction logic diagram of Weibo earthquake public opinion database

    图  7  Web端新浪微博地震舆情数据库管理平台设计架构

    Figure  7.  Design framework of Weibo earthquake public opinion database management platform on Web

    图  8  新浪微博地震舆情数据库快速查询界面

    Figure  8.  Quick query interface of Weibo earthquake public opinion database

    图  9  新浪微博地震舆情数据库精准查询界面

    Figure  9.  Accurate query interface of Weibo earthquake public opinion database

    图  10  单次地震新浪微博地震舆情示例

    Figure  10.  Weibo earthquake public opinion case excel display chart for a single earthquake

    图  11  地震舆情时间特征分布示例

    Figure  11.  Example of time feature distribution of earthquake public opinion

    图  12  云南、四川地区震级与地震频次及单次地震微博发布量关系

    Figure  12.  Relationship between magnitude,frequency of earthquakes and Weibo release of single earthquake in Yunnan and Sichuan

    表  1  微博数据获取方法

    Table  1.   Data acquisition methods of Weibo

    方法名称原理与功能优点缺点备注
    微博开放平台API作为1组预先定义的函数,微博运营商将开放的微博产品服务封装为一系列计算机易识别的数据接口,供第三方开发者使用。第三方向固定的网络地址提交参数后,返回数据供使用(杨飞等,2016调用简单,无须访问源码及了解内部工作机制等细节,相比网络爬虫等方式,使用更简洁高效抓取次数有限制,抓取数据不全面,数据获取有一定的成本与难度。运营商对API的权限设置及访问次数进行限制,大部分接口需付费使用(廉捷等,2011返回数据格式通常情况下为JSON 和 XML
    网络爬虫作为1段计算机程序, 按照一定的逻辑和算法从互联网上抓取和下载网页,得到网页上的数据。具体操作流程为:设定爬行策略,从预定的1个或多个节点开始爬取网页,获取网页数据及其URL链接,再通过URL链接爬取网络中的其他节点,满足爬行条件后终止爬虫程序,并以文本形式保存(袁浩,2009廉捷等,2011游翔等,2014数据格式可定制,微博数据的获取一般均适用,且不受微博运营商权限开放范围的限制稳定性差,时间、人力成本高。微博运营商会不定期调整HTTP请求参数及返回HTML页面格式,导致无法获取和解析微博数据,需定期监测爬虫运行情况(刘晓娟等,2013
    数据源镜像微博运营商为所需数据的用户提供数据服务(游翔等,2014数据质量高一般不向大众开放,只在政府机关传召时提供
    开放数据平台机构或个人将自己获取的数据集、语料库等以开放平台的形式公开(刘晓娟等,2013数据已完成预处理,可直接使用,提高研究效率常规数据获取类型与范围受限;定制化数据获取收费较高国内外较著名的数据开放平台有Data mo、Get The Data、SNAP、中国爬萌和数据堂等(刘晓娟等,2013
    下载: 导出CSV

    表  2  新浪微博地震舆情数据库字段属性

    Table  2.   Field attribute table of Weibo earthquake public opinion database

    序号字段名称中文含义数据类型备注
    1eqid地震唯一标识码字符串
    2longitude微博发布位置经度数值型
    3latitude微博发布位置纬度数值型
    4mid微博唯一标识字符串
    5Pub time微博发布时间字符串YYYY:MM:DD HH:mm:ss
    6content微博内容字符串
    7city微博用户所在城市字符串
    8uid微博用户ID字符串
    9nick_name微博用户昵称字符串
    10user_createtime微博创建时间字符串YYYY:MM:DD HH:mm:ss
    11heading评论人头像字符串
    12belong_to_mid评论属于的微博数值型
    13pics发布的图片字符串
    14belong_to_orzid评论ID数值型
    下载: 导出CSV

    表  3  部分地震舆情数据(2021年1月1日至2022年3月31日)

    Table  3.   List of earthquake public opinion data catalogue (From January 1, 2021 to March 31, 2022)

    序号发震时间纬度/(°)经度/(°)深度/km震级MS发震地点数据量/条
    12021-01-01 6:07:0826.24101.27163.0云南楚雄州大姚县75
    22021-01-02 4:24:3436.8694.6293.5青海海西州格尔木市37
    32021-01-03 2:40:2525.6399.92113.2云南大理州漾濞县436
    42021-01-03 8:34:3724.69117.70283.0福建漳州市长泰县2 115
    52021-01-03 16:16:3043.8691.48103.6新疆昌吉州木垒县18
    62021-01-04 0:34:1129.43104.52103.2四川自贡市荣县422
    72021-01-04 10:58:2929.41104.02134.2四川乐山市犍为县1 788
    82021-01-04 21:49:3531.08119.5163.3安徽宣城市广德县960
    92021-01-05 8:45:3135.7882.49103.1新疆和田地区于田县19
    102021-01-05 11:49:2642.3181.13103.1新疆伊犁州昭苏县25
    …………………………………………
    4372022-03-25 15:09:4236.0977.8993.1新疆和田地区皮山县3 621
    4382022-03-26 0:21:0238.597.33106.0青海海西州德令哈市3 591
    4392022-03-28 6:21:4742.8887.68143.0新疆吐鲁番市托克逊县1 071
    4402022-03-28 22:10:0040.4483.49103.2新疆阿克苏地区沙雅县1 805
    4412022-03-29 5:25:0930.03103.41104.3四川眉山市丹棱县1 662
    4422022-03-29 9:44:1542.1883.51103.2新疆阿克苏地区库车市1 175
    4432022-03-29 9:59:3336.1277.95103.7新疆和田地区皮山县1 141
    4442022-03-30 11:52:2827.00103.26103.7云南昭通市巧家县1 064
    4452022-03-31 5:59:0928.35104.87103.0四川宜宾市长宁县1 657
    4462022-03-31 18:05:2233.7791.6793.4青海海西州唐古拉地区1 922
    4472022-03-31 18:16:0229.29105.49103.2重庆荣昌区1 892
    下载: 导出CSV
  • 薄涛, 2018. 基于社交媒体的地震灾情数据挖掘与烈度快速评估应用. 哈尔滨: 中国地震局工程力学研究所.

    Bo T. , 2018. Earthquake disadter data mining and application of rapid intensity assessment based on social media. Harbin: Institute of Engineering Mechanics, China Earthquake Administration. (in Chinese)
    薄涛, 李小军, 陈苏等, 2018. 基于社交媒体数据的地震烈度快速评估方法. 地震工程与工程振动, 38(5): 206—215

    Bo T. , Li X. J. , Chen S. , et al. , 2018. Research of seismic intensity rapid assessment based on social media data. Earthquake Engineering and Engineering Dynamics, 38(5): 206—215. (in Chinese)
    曹彦波, 吴艳梅, 许瑞杰等, 2017 a. 基于微博舆情数据的震后有感范围提取研究. 地震研究, 40(2): 303—310

    Cao Y. B. , Wu Y. M. , Xu R. J. , et al. , 2017 a. Research about the perceptible area extracted after the earthquake based on the microblog public opinion. Journal of Seismological Research, 40(2): 303—310. (in Chinese)
    曹彦波, 毛振江, 2017 b. 基于微博数据挖掘的九寨沟7.0级地震灾情时空特征分析. 中国地震, 33(4): 613—625

    Cao Y. B. , Mao Z. J. , 2017 b. Analysis of the spatial and temporal characteristics of disaster-information about the Jiuzhaigou, Sichuan MS7.0 earthquake based on data mining of Sina Weibo. Earthquake Research in China, 33(4): 613—625. (in Chinese)
    曹彦波, 2018. 基于新浪微博的2018年云南通海5.0级地震舆情时空特征分析. 地震研究, 41(4): 525—533

    Cao Y. B. , 2018. Analysis of the spatial and temporal characteristics of public opinion about Yunnan Tonghai MS5.0 Earthquake in 2018 Based on Sina Micro-blog. Journal of Seismological Research, 41(4): 525—533. (in Chinese)
    褚俊秀, 徐敬海, 2016. 地震灾情位置微博抓取与展示. 地理空间信息, 14(5): 38—40 doi: 10.3969/j.issn.1672-4623.2016.05.012

    Chu J. X. , Xu J. H. , 2016. Capture and display of earthquake disaster information based on geotagged microblog. Geospatial Information, 14(5): 38—40. (in Chinese) doi: 10.3969/j.issn.1672-4623.2016.05.012
    何晶, 2012. 新媒体时代的应急响应模式变革. 中国行政管理, (4): 20—24

    He J. , 2012. The reform of emergency response model in the new media age. Chinese Public Administration, (4): 20—24. (in Chinese)
    李亚芳, 王新刚, 梁庆云, 2020. 基于新浪微博大数据的新疆伽师6.4级地震舆情分析及可视化研究. 内陆地震, 34(1): 103—110

    Li Y. F. , Wang X. G. , Liang Q. Y. , 2020. Public opinion analysis and visualization of Xinjiang Jiashi MS6.4 earthquake based on Sina Weibo big data. Inland Earthquake, 34(1): 103—110. (in Chinese)
    廉捷, 周欣, 曹伟等, 2011. 新浪微博数据挖掘方案. 清华大学学报(自然科学版), 51(10): 1300—1305

    Lian J. , Zhou X. , Cao W. , et al. , 2011. SINA microblog data retrieval. Journal of Tsinghua University (Science and Technology), 51(10): 1300—1305. (in Chinese)
    刘婉婷, 杨新月, 刘耀辉等, 2021. 基于微博数据的西藏那曲比如县地震舆情分析. 震灾防御技术, 16(4): 771—780

    Liu W. T. , Yang X. Y. , Liu Y. H. , et al. , 2021. Public opinion analysis of the earthquake in Biru County, Naqu City, Tibet Based on Webo Data. Technology for Earthquake Disaster Prevention, 16(4): 771—780. (in Chinese)
    刘晓娟, 尤斌, 张爱芸, 2013. 基于微博数据的应用研究综述. 情报杂志, 32(9): 39—45

    Liu X. J. , You B. , Zhang A. Y. , 2013. Review on the data used in researches of microblogs. Journal of Intelligence, 32(9): 39—45. (in Chinese)
    刘耀辉, 刘婉婷, 张文焯等, 2022. 基于新浪微博数据的云南漾濞6.4级地震舆情时空特征及情感分析. 自然灾害学报, 31(1): 168—178

    Liu Y. H. , Liu Y. T. , Zhang W. Z. , et al. , 2022. Spatiotemporal characteristics of public opinion and emotion analysis of MS 6.4 Yunnan Yangbi earthquake based on Sina Weibo data. Journal of Natural Disasters, 31(1): 168—178. (in Chinese)
    聂高众, 安基文, 邓砚, 2012. 地震应急灾情服务进展. 地震地质, 34(4): 782—791 doi: 10.3969/j.issn.0253-4967.2012.04.020

    Nie G. Z. , An J. W. , Deng Y. , 2012. Advances in earthquake emergency disaster service. Seismology and Geology, 34(4): 782—791. (in Chinese) doi: 10.3969/j.issn.0253-4967.2012.04.020
    闪淳昌, 薛澜, 2012. 应急管理概论: 理论与实践. 北京: 高等教育出版社.

    Shan C. C., Xue L., 2012. Introduction to emergency management: theory and practice. Beijing: Higher Education Press. (in Chinese)
    王艳东, 李昊, 王腾等, 2016. 基于社交媒体的突发事件应急信息挖掘与分析. 武汉大学学报·信息科学版, 41(3): 290—297

    Wang Y. D. , Li H. , Wang T. , et al. , 2016. The mining and analysis of emergency information in sudden events based on social media. Geomatics and Information Science of Wuhan University, 41(3): 290—297. (in Chinese)
    徐敬海, 褚俊秀, 聂高众等, 2015. 基于位置微博的地震灾情提取. 自然灾害学报, 24(5): 12—18

    Xu J. H. , Chu J. X. , Nie G. Z. , et al. , 2015. Earthquake disaster information extraction based on location microblog. Journal of Natural Disasters, 24(5): 12—18. (in Chinese)
    杨飞, 江南, 李响等, 2016. 基于多策略的微博位置数据获取方法研究. 测绘科学技术学报, 33(2): 201—207

    Yang F. , Jiang N. , Li X. , et al. , 2016. Research on the method of microblog location data acquisition based on multi-strategy. Journal of Geomatics Science and Technology, 33(2): 201—207. (in Chinese)
    杨菁, 杨梦婷, 申小蓉, 2014. 突发事件后微博舆情结构及应急反应特征研究——以雅安地震为例. 理论与改革, (3): 114—118.
    游翔, 葛卫丽, 2014. 微博数据获取技术及展望. 电子科技, 27(10): 123—126, 132

    You X. , Ge W. L. , 2014. Techniques and forecasts on information retrieval in microblog. Electronic Science & Technology, 27(10): 123—126, 132. (in Chinese)
    郁璟贻, 张海涛, 罗桂纯等, 2018. 地震应急视频会议系统的建设与应用. 中国应急救援, (5): 31—34

    Yu J. Y. , Zhang H. T. , Luo G. C. , et al. , 2018. Construction and application of earthquake emergency video conference system. China Emergency Rescue, 13(5): 31—34. (in Chinese)
    袁浩, 2009. 主题爬虫搜索Web页面策略的研究. 长沙: 中南大学.

    Yuan H. , 2009. The research of topical crawler search strategy in Web page. Changsha: Central South University. (in Chinese)
  • 期刊类型引用(0)

    其他类型引用(1)

  • 加载中
图(12) / 表(3)
计量
  • 文章访问数:  247
  • HTML全文浏览量:  71
  • PDF下载量:  28
  • 被引次数: 1
出版历程
  • 收稿日期:  2022-09-26
  • 刊出日期:  2023-12-01

目录

/

返回文章
返回