[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

说明书

本发明涉及一种基于卷积神经网络的地震震相拾取及事件检测方法，属于地震事件检测和估计领域。本发明为了克服地震事件检测存在震相识别错误率高、事件误检、漏检率高的问题，通过对各个台站的连续数据以设定的时间窗口和步长，滑动截取连续数据为若干个待检测窗口，采用预先训练好的卷积神经网络模型对截取的每个数据窗口进行检测，得到震相识别概率序列和到时拟合值序列，再通过震相概率值大小和到时拟合值的极值确定震相名称和到时估计值；依据近震P、S到时差估算事件的初步位置和时间，将其作为常规的迭代反演定位程序的初始值，得到最终的事件位置和时间，从而实现了震相的准确识别和到时估计，以及获得了准确的地震事件位置和时间。

技术领域

本发明属于地震事件检测和估计领域，具体涉及一种基于卷积神经网络的地震震相拾取及事件检测方法。

背景技术

地震事件检测是依据监测台站记录到的信号及特征，反演形成事件的过程，一般包括台站信号的检测、到时估计、震相的识别、多台震相关联和定位等过程。区域台网对于网内近震事件的快速、可靠检测，对于防震减灾、应急响应等具有重要意义。学术界针对地震事件检测问题开展了广泛的研究，建立了较为成熟的一套方法，如基于短时平均与长时平均比方法(STA/LTA)实现信号检测、基于自回归赤池信息准则(AR-AIC)的信号到时精确估计、基于偏度和峰度等高阶统计量的震相检测方法、基于地震波整体包络特征的震相检测识别方法、基于震相特征规则和传统神经网络相结合的震相识别方法、基于全球格点搜索的事件关联方法以及基于概率的事件关联定位方法等。

尽管学者们做了大量的努力，提出多种方法，但区域地震事件的检测依然存在震相识别错误率高、事件误检、漏检率高等诸多问题。

发明内容

(一)要解决的技术问题

本发明的目的是解决在区域地震事件检测中如何提高震相识别的正确率、减少事件误检和漏检的技术问题。

(二)技术方案

为了解决上述技术问题，本发明提出一种基于卷积神经网络的地震震相拾取方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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；