项目名称: 基于时域方法研究地震期间的特低频电磁环境

项目编号: No.61401199

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 王毅

作者单位: 南京航空航天大学

项目金额: 24万元

中文摘要: 地震期间的电磁环境和电磁现象的研究对地震机理和观测方法研究具有重要的意义。地震期间(包括震前、震中、震后)出现的电磁现象、尤其是处在特低频(包括)以下频段的电磁异常现象具有持续时间长、范围大、强度强等特点,并已被大量观测所证实。由于地震期间的电磁环境研究涉及到由岩石圈-大气层-电离层所组成的复杂系统及其内部的地质地形信息和各种物理机理,这使得传统的电磁学解析方法无法对其进行准确的仿真。采用时域方法可以克服传统解析方法研究的局限性,引入更为精确的震区环境因素,求得电磁波传播更严格的解。本课题提出采用时域方法对地震期间的电磁环境和特低频(ULF,300-3000Hz)电磁现象进行研究。主要研究内容包括地震电磁环境仿真、电磁波传播特性研究、电磁异常现象研究。本课题的研究目标是建立地震期间的电磁环境模型,课题的完成将为未来的地震观测和预测研究提供有效的理论支撑,有效的促进地震电磁学的发展。

中文关键词: 地震电磁环境;地球系统;FDTD;电离层;

英文摘要: Electromagnetic environments and phenomena during earthquakes are very important to the study of earthquake mechanism and observation method. Anomalous electromagnetic (EM) phenomena, especially below the ultra-low frequency range (<3000Hz), have often b

英文关键词: Earthquake EM environment;Eanrth’s system;FDTD;ionosphere;

成为VIP会员查看完整内容
0

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
82+阅读 · 2022年4月17日
专知会员服务
41+阅读 · 2021年5月26日
专知会员服务
19+阅读 · 2021年5月1日
专知会员服务
67+阅读 · 2021年4月27日
专知会员服务
80+阅读 · 2020年12月18日
图像分割方法综述
专知会员服务
52+阅读 · 2020年11月22日
【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
LSTM还没「死」!
PaperWeekly
1+阅读 · 2022年3月31日
比MAE更强,FAIR新方法MaskFeat用HOG刷新多个SOTA
机器之心
0+阅读 · 2022年1月6日
我的信号是由核辐射传输的,金属屏蔽都挡不住
机器之心
0+阅读 · 2021年11月24日
【WWW2021】基于知识嵌入的图卷积网络
专知
0+阅读 · 2021年4月27日
【WWW2021】面向时空图预测的神经结构搜索
命名实体识别新SOTA:改进Transformer模型
AI科技评论
17+阅读 · 2019年11月26日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
13+阅读 · 2021年5月25日
Arxiv
17+阅读 · 2019年3月28日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
82+阅读 · 2022年4月17日
专知会员服务
41+阅读 · 2021年5月26日
专知会员服务
19+阅读 · 2021年5月1日
专知会员服务
67+阅读 · 2021年4月27日
专知会员服务
80+阅读 · 2020年12月18日
图像分割方法综述
专知会员服务
52+阅读 · 2020年11月22日
【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员