深度學(xué)習(xí)的突破性發(fā)展及其在地震學(xué)領(lǐng)域的初步應(yīng)用,為有效處理和利用地震資料提供了可能.震相拾取是地震資料處理中的基礎(chǔ)性工作,目前已經(jīng)提出了很多基于深度學(xué)習(xí)的震相拾取方法,取得了很好的效果.但是,為了滿足地震學(xué)研究中處理連續(xù)地震記錄的需要,尚需對方法進(jìn)行進(jìn)一步的改進(jìn).本研究針對性地設(shè)計了結(jié)合臺陣策略,單獨(dú)識別P波和S波的長時窗震相拾取深度學(xué)習(xí)模型PP（phase picker）及其訓(xùn)練方式,提出了具有實(shí)用性的震相拾取方法APP（array-assisted phase picker）.利用阿里余震AI捕捉大賽和Hi-net數(shù)據(jù)進(jìn)行測試的結(jié)果表明,模型能夠有效地在連續(xù)波形上拾取體波震相并具有很好的泛化能力.通過比較該模型與其他模型（較短時窗的模型和同時識別P波、S波的模型）的拾取效果,驗(yàn)證了模型設(shè)計的合理性.具體的測試樣例顯示,該方法能夠正確地處理地震密集的波形數(shù)據(jù)并能避免典型噪聲的影響.將該方法運(yùn)用到內(nèi)蒙古地區(qū)臺網(wǎng)的觀測數(shù)據(jù)中,檢測到了人工目錄中98.1%的地震,地震拾取總數(shù)為人工目錄數(shù)的30倍,進(jìn)一步表明本研究方法具有很好的實(shí)用性. 

【文章來源】：科學(xué)通報. 2020,65(11)北大核心EICSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

PP模型的網(wǎng)絡(luò)結(jié)構(gòu).彩色的框和連接線表示模型內(nèi)不同類型的層;虛線框標(biāo)識出模型中針對性設(shè)計的部分

如前所述,在震相拾取工作中,很多研究首先從連續(xù)波形中對地震進(jìn)行檢測,挑選出具有地震的波段,然后在這個波段上拾取P波和S波[4,8].這樣處理的問題在于,難以選擇檢測地震所用時間窗長:過短的時間窗會使得方法只能處理震中距較小、波場持續(xù)時間較短的地震;較長的時間窗又會在處理到時較為接近的多個地震時遇到困難.我們在1.1中提出的使用兩個模型分別對P波和S波進(jìn)行識別的PP模型,不依賴于時間窗的準(zhǔn)確選取,可以給出一系列P波和S波的到時,但并未將同一臺站上屬于同一地震的P波和S波匹配起來,不同臺站上的震相也未被聯(lián)系到具體對應(yīng)的地震上.蔣一然和寧杰遠(yuǎn)[15]在Chen和Holland[19]的基礎(chǔ)上,發(fā)展出一種以P、S震相到時差作為時空約束的臺陣策略.先由自動拾取算法給出連續(xù)記錄里不同臺站上的P、S震相的到時信息;再利用P波、S波在同一臺站上的到時差計算地震的發(fā)震時刻和位置,根據(jù)不同臺站估計的發(fā)震時刻和位置的一致性將不同臺站上屬于同一地震的震相匹配起來,最終完成對地震的識別和對震相到時的拾取.這樣可以不先在單臺上把屬于同一地震的P、S波匹配起來,而是借助臺陣約束來完成這種匹配,通過更強(qiáng)的約束,讓方法具有了處理復(fù)雜情形的能力.在單臺上,以現(xiàn)有方法和樣本,在很多情況下對震相、噪聲幾乎不可能做出準(zhǔn)確的判斷,始終會有大量的誤識別產(chǎn)生.借助于臺陣方法,可以去除掉絕大部分孤立出現(xiàn)的誤識別信號,能夠顯著提高拾取的準(zhǔn)確率.本研究因此進(jìn)一步借鑒蔣一然和寧杰遠(yuǎn)[15]的思路,提出將本研究的PP模型與臺陣策略相結(jié)合,減少誤識別的比例,形成震相拾取方法APP(array-assisted phase picking),具體拾取流程如下:(1)使用訓(xùn)練好的PP模型的兩個網(wǎng)絡(luò),對三分量數(shù)據(jù)進(jìn)行滑動掃描,分別識別P波和S波,取輸出結(jié)果大于0.5的峰出現(xiàn)的位置作為P波、S波的到時.時間窗每次滑動10 s,P波取每個時間窗中15～25 s時間段的輸出結(jié)果,S波取每個時間窗中20～30 s時間段的輸出結(jié)果.(2)尋找同一臺站上到時差小于80 s的P、S震相,并根據(jù)到時差估算發(fā)震時刻和臺站與震中的距離.(3)根據(jù)蔣一然和寧杰遠(yuǎn)[15]的臺陣策略,將研究區(qū)域劃分為多個子區(qū)域,聯(lián)合不同臺站的估計結(jié)果,取發(fā)震時刻和震中位置一致性最好的時刻和子區(qū)域作為發(fā)震時刻和震中位置.(4)將不同臺站上滿足發(fā)震時刻和震中位置的拾取結(jié)果和相應(yīng)的地震匹配起來,剔除余下未被匹配的震相,得到最終的地震和震相到時目錄.

本研究統(tǒng)計了模型拾取與人工拾取差在1.5 s內(nèi)的結(jié)果,誤差的分布如圖3(a)～(d).可以看出,由SC訓(xùn)練集得到模型的拾取結(jié)果早于由JP訓(xùn)練集得到的模型:在JP測試集上,SC訓(xùn)練集得到模型的拾取結(jié)果偏早;在SC測試集上,JP訓(xùn)練集得到模型的拾取結(jié)果偏晚.經(jīng)過對具體波形的查看,發(fā)現(xiàn)這里的差異是由于兩個臺網(wǎng)人工拾取習(xí)慣造成的,SC數(shù)據(jù)集的人工拾取會偏早一些.對于震相拾取而言,一個穩(wěn)定的小的到時偏差,對于定位等方法沒有影響,也可以通過標(biāo)定很容易地消除這種偏差.我們對同一組拾取結(jié)果都采用去均值處理,再評價其拾取結(jié)果.這里的均值取到時差在2 s以內(nèi)結(jié)果的平均值.為了定量地對比模型的拾取效率,采用與Zhu和Beroza[10]相同的評價標(biāo)準(zhǔn),下面為正確率P、召回率R和綜合正確率F1的表達(dá)式:

【參考文獻(xiàn)】：
期刊論文
[1]基于U形卷積神經(jīng)網(wǎng)絡(luò)的震相識別與到時拾取方法研究[J]. 趙明,陳石,房立華,David A Yuen.  地球物理學(xué)報. 2019(08)
[2]基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的地震波形自動分類與識別[J]. 趙明,陳石,Dave Yuen.  地球物理學(xué)報. 2019(01)
[3]基于支持向量機(jī)的地震體波震相自動識別及到時自動拾取[J]. 蔣一然,寧杰遠(yuǎn).  地球物理學(xué)報. 2019(01)
[4]深度神經(jīng)網(wǎng)絡(luò)拾取地震P和S波到時[J]. 于子葉,儲日升,盛敏漢.  地球物理學(xué)報. 2018(12)
[5]中國地震科學(xué)臺陣流動觀測現(xiàn)狀及進(jìn)展[J]. 宋麗莉,楊微,葛洪魁,袁松湧,歐陽飚.  國際地震動態(tài). 2012(03)



本文編號：3623662