[发明专利]一种基于卷积神经网络的地震震相拾取及事件检测方法

权利要求书

1.一种基于卷积神经网络的地震震相拾取方法，其特征在于，该方法包括如下步骤：

步骤1：实时获取地震台站的地震传感器采集的连续波形数据；

步骤2:以设定的时间窗口和设定的步长，滑动截取所述连续波形数据为若干个待检测窗口；

步骤3：采用多任务卷积神经网络对每个所述待检测窗口进行震相检测识别和到时估计，得到震相识别概率和到时拟合值；

步骤4：通过所述震相识别概率的大小确定所述连续波形数据中的震相名称；

步骤5：通过所述到时拟合值的极值确定所述连续波形数据中的到时估计值；

所述步骤4具体包括：当P震相识别概率或S震相识别概率超过98％时，则形成P震相触发或S震相触发，当所述震相识别概率都低于98％时，则识别为噪声；

所述步骤5具体包括：选取识别为所述P震相或所述S震相的时间窗口内的一系列离散的到时拟合值，计算所述离散的到时拟合值的极大值，基于滑动检测的原理，满足到时拟合值大小要求的首个极大值即为所述P震相或所述S震相的到时估计值。

2.如权利要求1所述的基于卷积神经网络的地震震相拾取方法，其特征在于，所述步骤2中的所述设定的时间窗口为4s，所述设定的步长为0.1s。

3.如权利要求1所述的基于卷积神经网络的地震震相拾取方法，其特征在于，在所述步骤2之后，所述步骤3之前，还包括如下步骤：对滑动截取后的所述连续波形数据进行去线性和滤波，以及采用每段所述连续波形数据的最大值对所述连续波形数据进行归一化操作。

4.如权利要求1所述的基于卷积神经网络的地震震相拾取方法，其特征在于，所述步骤3中的多任务卷积神经网络为预先训练好的多任务卷积神经网络。

5.如权利要求1所述的基于卷积神经网络的地震震相拾取方法，其特征在于，所述步骤4之后，所述步骤5之前，还包括对震相触发进行综合判断，形成最终震相的步骤，所述对震相触发进行综合判断，形成最终震相的步骤具体为：

识别为所述P震相触发的持续时间需要大于预先设定的时间阈值，则确定为P震相，或者识别为所述S震相触发的持续时间需要大于预先设定的时间阈值，则确定为S震相；

在确定所述P震相或所述S震相后的4s时间内不再形成新的震相；

则确定的所述P震相或所述S震相为最终震相。

6.如权利要求1所述的基于卷积神经网络的地震震相拾取方法，其特征在于，所述地震台站为三分向地震台站。