[发明专利]一种基于边缘计算的地震信息处理方法与装置

说明书

本发明提供了一种基于边缘计算的地震信息处理方法与装置，其中该方法为：利用U型神经网络模型对MiniSeed数据格式文件进行震相拾取得到震相类别；利用smart motion神经网络模型对P波的初动极性进行识别得到P波的初动极性；根据震相类别和P波的初动极性确定后方位角、震中距和震级。本发明通过利用U型神经网络模型和smart motion神经网络模型对地震监测数据进行分析可以自动得到震相类别和P波的初动极性，并基于上述分析结果确定后方位角、震中距和震级，可以快速确定震中位置与震级，缓解了网络中心端的数据处理压力，提升了地震监测告警的时效性。

技术领域

本发明涉及地震信息处理技术领域，特别是涉及一种基于边缘计算的地震信息处理方法与装置。

背景技术

近年来，随着大数据、云计算、物联网、人工智能、“互联网+”及5G等新技术快速发展和地震台站的不断加密，地震台网监测到的地震数量呈爆发式的增长，但是由于各省、市地震局、监测中心在地震大数据处理能力方面有限，仍需要借助区域地震台网的专业技术人员手工对实时获取的大量波形进行分类与震相识别，当确定震中位置、发震时刻、震级等要素信息后，再交相关部门按流程进行核对校验、分析决策与告警信息发布等相关操作。

由于专业技术人员的数量有限，技术水平参差不齐，和区域构造复杂性及其环境噪声水平对观测数据的影响差异性，不同区域地震台网在实时数据处理的准确性和及时性方面呈现着明显的两级分化，尤其是边远地区的地震台站因为专业技术人员的长期缺乏和实时数据样本的识别精度较低，导致无法利用地震大数据对相关区域的地震危险性进行预判、风险评估和及时告警，进而容易造成人民财产损失巨大、应急救援困难及后续灾后重建成本增加等一系问题的出现。即使是在经济较为发达、监测资源和技术人员配备较为充足的地震频发地区的监测中心，在面对大震发生之后余震动态监测等高强度任务时，系统和人员也常常处于超负荷运转状态，从而无法及时发布余震信息，使人民的生命和财产遭受到进一步的威胁。

目前，为了解决上述问题，各省、市地震局、监测中心不断通过提高网络覆盖率，优化网络结构，进行服务器升级和研发自动化地震波形处理系统等方式，来提升整个数据中心的处理和快速响应能力，但这些手段不仅未能解决爆发式的增长实时地震监测数据与有限的处理能力之间根本矛盾，且由于网络和服务器的长期高负荷运作，极易发生网络拥堵、中断或服务器崩溃等现象。如何解决上述问题，已成为目前地震波形的快速识别与处理技术领域的研究重点之一。

发明内容

为了克服现有技术的不足，本发明的目的是提供一种基于边缘计算的地震信息处理方法与装置以解决地震监测数据处理效率低的问题。

为实现上述目的，本发明提供了如下方案：

一种基于边缘计算的地震信息处理方法，包括：

获取实时地震监测数据；

对所述实时地震监测数据进行预处理得到MiniSeed数据格式文件；

利用U型神经网络模型对所述MiniSeed数据格式文件进行震相拾取得到震相类别；所述震相类别包括P波、S波和噪音；

利用smart motion神经网络模型对所述P波的初动极性进行识别得到P波的初动极性；

根据所述P波的初动极性确定地震震中的后方位角；

根据所述震相类别确定震中距；

根据所述震中距确定震级。

优选地，所述U型神经网络模型是以三分量地震波形为输入，以震相类别为输出进行训练得到的；其中，U型神经网络模型在训练过程中的损失函数为：