深度学习方法在地震事件分类中的应用及可解释性研究

采用2016—2020年福建台网所记录的爆破和天然地震事件以及背景噪声数据集,使用CNN模型、Inception10模型、ResNet18模型和Vgg16模型4种深度学习网络模型进行分类研究。针对深度学习网络模型的“黑盒”问题,将梯度类激活映射(Gradient-weighted Class Activation Mapping, Grad-CAM)算法引入这4种分类模型中,得到每个模型的可视化图。通过可视化图可以直观地看出模型在做出分类决策时对于不同波形特征的依赖权重,为模型的可解释性提供依据,进而提高模型的可信度。通过对模型的可视化图分析得出,分类效果更好的CNN模型和Vgg16模型在做出决策时更依赖于地震波形的震相特征,对于震前和震后的波段关注较小;而ResNet18模型和Inception10模型对于震相特征的关注不够敏锐。通过Grad-CAM算法对模型进行可视化分析得到的结果能够很好地反映模型的分类效果,对于改进和选择合适的分类模型具有重要意义。     

青海门源MS6.4地震微震检测与目录完备性研究

利用模板匹配方法对2016-01-21青海省门源县M_S6.4地震进行遗漏地震检测以及补充单台震相到时研究。鉴于主震后短时间内目录遗漏较多,故对主震后3 h的连续波形进行检测。主震后3 h内青海测震台网记录到的余震事件共332个,其中单台57个。选取主震后M_L2.0以上余震112个作为模板事件,通过匹配滤波的方式扫描出遗漏地震123个,约为台网目录的40%。利用波形互相关提取震相到时的方法对单台事件补充其他台站震相到时,对单台事件重定位,最后得出41个单台事件的震中位置。基于包络差峰值振幅与震级的线性关系估测了检测事件的震级参数,最后将检测后的余震目录与台网余震目录在主震后3 h内的最小完备震级进行了对比分析,结果发现,检测后最小完备震级从M_L1.1降到了M_L0.6,得到青海测震台网在门源地区最小完整性震级为M_L0.6。     

基于深度学习的地震与爆破事件自动识别研究

针对天然地震事件、爆破事件分类问题,使用甘肃及周边地区80个天然地震事件和20个爆破事件建立数据集,采取深度学习卷积神经网络(convolutional neural network,CNN)方法搭建两个不同结构的模型进行训练,并用500条训练集之外的天然地震事件与爆破事件波形作为测试数据集,其训练和测试准确率均达到9...     

基于GEI方法对苏皖地区地电活动指数的可靠性研究

使用地电扰动幅度与静日变化幅值比的地电活动指数(GEI)计算方法,连续计算江苏、安徽两省6个地电场台站2018年第一季度的单台地电指数D、平均地电指数Ds。同时将地电指数D、Ds与单台地磁指数K、平均地磁指数K(即[K+0.5])对比得到:86.48%的指数D与指数K完全相同或仅相差1,89.44%的指数D s与指数完全相同或仅相差1。两类电、磁指数的高度吻合说明:(1)连续产出的地电指数是可靠的。(2)地电指数D、Ds可以量化界定地电场活动水平。极个别的地电指数D、Ds与地磁指数K、仍存在一定差异,这与地电场台站观测有关,提升地电场观测资料的质量能更好地确定地电指数。(3)地电指数与地磁指数相互弥补能更准确地确定地球电磁活动水平,其在相关的地球科学技术领域有广泛的应用前景。     

青藏高原区域构造应力场特征分析

利用区域测震台网的地震波形及震相数据基于CAP方法反演北纬26°~42°,东经90°~110°内的270个M_S>3.0以上地震的震源机制解;并结合GCMT目录和一些前人研究结果中该区域的共759个震源机制解数据,运用SATSI方法计算了研究区域的应力场。将研究区域按1°×1°网格化后得到了154个局部应力场分布结果,从结果上看,整个青藏高原的最大主压应力方向大致表现为顺时针且向右的旋转方式。该结果反映了青藏高原块体向NE和NNE挤压的过程中,分别在其北部和东部受到鄂尔多斯和阿拉善两个坚硬块体的阻挡,造成青藏块体增厚,块体之间物质的侧向流动。对研究区域应力型因子R值的研究显示青海祁连、甘东南区域、四川龙门山断裂带等沿青藏高原块体与阿拉善块体以及鄂尔多斯块体交界处相对应力值偏大,与近年来这些地区的地震活动性成正比。本文研究结果对比其他应力场研究结果、GPS研究结果、以及数值模拟结果具有很好的一致性,可为青藏高原地区的孕震机理、活动构造以及地震趋势判定提供可靠的参考依据。     

基于CWI方法的门源MS6.9地震余震定位研究

门源发生M_S6.9地震后,余震目录中含有大量的单台事件,为了解决单台事件的定位不准确性,利用尾波干涉(CWI)的震源定位方法将门源台记录到震后8小时内的101次单台事件进行重定位,该方法主要通过计算事件对尾波部分的间距不确定性矩阵,从而估计聚类中具有相似震源机制的地震事件对之间的间距,通过优化这些事件对的间距来解决聚类中一组事件的相对位置。最后,对定位结果进行评估,得到相对可靠的定位结果。     

工业开采诱发地震的应力降研究现状和主要科学议题

诱发地震及其灾害风险已成为非常规油气资源开发和废水回注等新型工业活动顺利实施的重要威胁。应力降是反映地震破裂前后断层上平均应力差的物理量,对诱发地震中应力降的系统研究有助于揭示诱发地震的震源特征、高频地震动特征、构造背景和地震危险性。本文系统地总结了近20年来工业开采诱发地震中应力降的相关研究进展,分别从计算所用理论方法、获得的平均应力降数值、影响应力降数值的主客观因素、围绕应力降的重要科学讨论等方面做了归纳分析。介绍了直接进行谱拟合、经验格林函数(EGF)、谱叠加和广义反演3种适用性的计算方法,通过案例考察了工业开采诱发地震的应力降平均值,分析影响应力降测定数值的主客观因素,并总结应力降空间分布依赖性、与震源机制类型相依性、自相似性、深度依赖性等4个主要科学问题。同时,阐述了诱发地震应力降的测定可靠性仍未突破、主要科学问题存在广泛争议、在新型工业开采活动中具有重要应用潜力等现状。本文的总结分析可为从事新型能源开发、地震安全监管和科学研究领域的企业、管理人员和科学研究人员提供参考。     

基于数据驱动的时间序列b值计算新方法(TbDD):以2021年云南漾濞Ms6.4地震序列为例

时间序列的b值在天然地震和工业开采诱发地震的危险性分析中具有重要的应用潜力,但长期以来受到计算规则设置的人为主观性、计算结果的可靠性和时序对突变识别精度不高等问题影响,制约了不同结果的可比较性和共识性科学认识的提炼.本文借鉴基于数据驱动(data-driven)的地震活动参数计算思路,采用连续函数形式的OK1993模型、时间轴随机段落划分、贝叶斯信息准则模型选择等技术环节,构建了基于数据驱动的时间序列b值计算新方法TbDD.利用合成地震目录的理论测试,并分别与固定地震数目的窗长和步长、固定地震数目的步长和累积窗长等传统的固定窗口法进行了比较研究.结果表明,TbDD方法可较好地还原合成地震目录的b.值输入参数,在计算规则设置的客观性和对b值突变过程的准确识别上具有明显优势.此外,我们还对新近发生的2021年5月21日云南漾濞Ms6.4地震序列进行了实际案例应用.结果显示,此次序列的b值在Ms6.4主震前为0.7左右、震前20 h出现了约0.1幅度的下降,表明在序列发生前震区的差应力水平较高.而b值在Ms6.4主震发生后起伏明显、逐渐增加至0.8左右,这一现象可能与震区在主震后早期较为剧烈的应力调整有关.进一步针对随机模型的数量以及时间轴的随机段落划分设置对TbDD方法b值计算结果的影响程度进行了测试,发现b值受随机模型数量影响较小、具备较强的稳定性,时间轴的随机段落划分设置可影响b值时序微观起伏变化的识别.本文发展的TbDD方法在对时间序列b值计算的准确性、余震趋势跟踪的高精度要求,以及工业开采诱发地震风险管控等领域有较好的应用潜力,所获得的2021年云南漾濞Ms6.4地震序列的b值计算结果也对理解此次地震序列的孕育过程有参考价值.     

甘肃预警台网监测能力以及预警时间评估研究

地震事件检测能力在地震观测台站和地震临时观测点的运行中起着重要的作用.在确定网络几何结构下的地震监测台网中,地震监测能力是由监测到的地震事件震级的大小决定的.本文使用了一种完全基于测量噪声统计的SN-CAST方法计算了甘肃预警台网的地震监测能力空间分布,得到甘肃预警台网建立好后将平均监测能力提高到ML 0.8级,监测能力最高处可达到ML 0.2级,目前由44个固定性台站组成的甘肃地震监测台网监测能力为平均监测能力ML 1.7级,监测能力最高处为ML 0.5级,预警台网的建立对整个甘肃台网的监测能力将有较大幅度的提高,根据地震波走时特征分析了甘肃预警台网的空间预警发布时间估测结果,得到地震频发的甘东南和南北地震带地区地震预警时间所用时间较短,在5 s左右,而人口比例偏少地震发生概率偏小的河西走廊和肃北地区预警时间较长,最高为30 s左右,最终计算结果表明预警规划方案基本满足了地震预警设立要求.     

地震自动速报震级参数误差校正研究

地震参数是防震减灾的重要参数,随着地震台网的进一步扩建和地震行业技术的不断提升,地震参数自动快速计算与信息发布水平有了很大的进步,但参数的准确性有待进一步提高.为了改善决定地震破坏力强弱的地震震级关键参数的准确性,本文尝试使用了多种方法来预测地震自动速报震级与人工正式速报震级的误差值.样本数据选取2013-2019年国家地震局自动速报AU系统与人工正式速报所发布的地震参数,震级下限为MS 3.0级,研究区域为国界线以内,将AU速报的震级M结果和人工正式速报结果进行对比分析,利用不同方法总结了两种结果的震级差异分布,首先利用直线拟合以及曲线拟合的方式来研究二者的关系,再利用误差逆向传播神经网络以及基于遗传优化的误差逆向传播神经网络对其进行参数误差学习预测.本文结果显示自动速报震级与人工正式结果的差异性跟震中经纬度有关,具有区域性的特点.神经网络的方法可以改善自动速报与人工正式速报的震级差异,为自动速报的参数准确性提出了新的参考思路.