【作者】 和雪松；

【导师】 李世愚；

【作者基本信息】 中国地震局地球物理研究所 ， 固体地球物理， 2005， 硕士

【摘要】 用传统的傅氏变换不太适合识别非稳态信号,为了不丢掉时间-频率域的信息,本文提供了一套用小波变换识别非稳态信号的方法,用辽宁抚顺和北京门头沟煤矿的天然地震和矿震波形作为例子,对该方法进行了检验。 选用小波包作为识别工具,是因为小波包和多分辨率小波分析相比,小波包能够把信号的高频分析做得更好。小波包是一种函数族,由它可以构造出L2(R)的规范正交基库。从此库中可以选出许多组规范正交基,而多分辨率小波分析只是其中的一组规范正交基。由于多分辨率小波变换侧重在信号低频部分的信息分析上,对于像地震和矿震这样的非稳态信号,其高频部分含有很多有用的信息,所以用小波包替代多分辨率小波分析,能把信号的高频部分分析得更好。 这套识别非稳态信号的方法如下:第一步对已知类型的信号进行学习。也就是用小波包对已知类型中的一个信号进行变换,得到一系列的小波包系数向量,每一个小波包系数向量都对应一个特定的频带,求出这个频带的能量值,把所有频带的能量值按频带的高低顺序组成一个小波包系数能量向量,如有M个频带,就是一个M维向量,共有信号N个,就可以组成一个M×N矩阵。第二步提取识别因子。对得到的M×N矩阵进行奇异值分解,得到U、∑、V~T矩阵,用U矩阵第一列作为识别因子,共有M个分量。第三步检验识别因子识别率。用提取出的识别因子,识别已知波形,借助常规的识别手段,检验识别因子的识别率。 本文所选用的资料来自辽宁省数字化遥测台网2000年到2003年的地震波形和2003年抚顺市小孔径台网的矿震波形。16个地震波形和18个矿震波形分布在东经122°-125°和北纬41°-43°区域。16个地震波形的震源深度都在深于8km以上,他们的P波初动都成四象限分布。18个矿震波形震源深度在1.5km之内,它们的P波初动基本呈现”-”分布,再加上震中定位结果,我们认定这些波形为已知的波形类型。用小波包和矩阵奇异值分解对这些已知波形进行学习,提取出识别因子。发现,就辽宁和抚顺地区,其小波包系数能量向量的第31个和第45个分量有显著的差异。把这两个分量作为识别因子,对辽宁和抚顺地区的地震波形进行识别,能很好的区分出矿震和地震事件。同样,本文还选用了北京门头沟区域的14个天然地震和15个矿震,得到第65和90分量作为该区域的识别因子。 影响地震波和它的记录的因子分为:源的性质、路径性质、接收器性质。本文所选用的地震和矿震波形都是指相同台站相同分量的波形,所以接收器的性质在这里被简单的看作是没有影响的。地震和矿震的距离相对于到地震台站的距离很小,所以近似地认为路径的影响也是一样的。剩下只有源的性质不一样,所以,通过对已知波形学习,用矩阵奇异值分解提取出特定波形的特征向量,得到的最大特征值正好反映了源的差异的比重。这就是用小波包识别地震和矿震的物理基础。 用小波包提取出来的识别因子反映了抚顺地区地震的优势谱频率要比该地区矿震的高。北京门头沟区域地震和矿震也是这个结果。矿震的小波系数能量向量的第31个分量是高值,而第45个分量是低值,地震正好相反。这里第31个分量对应的是低频段,而第45个分量是高频段。以上这些性质用常规的傅氏变换也能得到,但是小波包变换使得识别的过程系统化、可操作性强。更多还原

【Abstract】 These years, the quantities and value of divestitures have been increasing both domestic and abroad. Contrary to M&A, either the academic or the business doesn’t attach the same importance to divesture. The quantity of the research on divesture is relatively small, and these researchers still have different opinion on divesture both from empirical finding and theoretical analysis. This dissertation focuses on divesture only.This dissertation describes the actuality of divesture of listed company in our country and analysis the different effect on the value of listed company. And then choosing 85 divestiture events from Shanghai and Shenzhen Stock Exchange in 2004, do empirical research using Event Studies based on stock prices. CAR during Event Window (-10, + 10) is -0.92%, but not significant statistically. Days between -10 and +5, all the CAR value is positive, but still not significant statistically. We can conclude divestiture can bring wealth to shareholders in several days before and after declaring day, but don’t have significant effect on listed company. And then the writer explain and analysis the results .更多还原