2022年四川泸定M_S6...的自动构建与地震活动性分析_刘泽民.pdf

第 卷 第期 年月地球物理学报 ，刘泽民，李俊，苏金蓉等 年四川泸定 地震余震序列的自动构建与地震活动性分析地球物理学报，（）：，：，.（），（）：，：年四川泸定 地震余震序列的自动构建与地震活动性分析刘泽民，李俊，苏金蓉，于子叶，黄春梅，祁玉萍，陈依伲，王伟涛，中国地震局地球物理研究所，北京 四川省地震局，成都 浙江省地震局，杭州 中国地震局震源物理重点实验室，北京 摘要北京时间 年月日 时 分，四川甘孜州泸定县发生 地震（以下简称泸定地震）本文基于神经网络方法从泸定地震周边 之内 个台站 年月 日的连续波形资料中拾取 震相到时，对由优选的震相识别阈值筛选后的震相到时进行震相关联和定位分析，经上述处理流程获得自动检测目录（）包含 个地震事件，为同期台网人工目录（即中国地震台网中心目录，）数量的 倍，完备性震级由 下降至 基于波形互相关的双差定位方法获得的 个地震的时空分布特征表明，年泸定 地震的主震及余震主要发生在鲜水河断裂磨西段，沿着该断裂在 方向分布并表现出明显分段特征，北段总体深度较浅，深度集中在 以上，中段和南段相对较深，深度分布在 之间 此外，余震序列在鲜水河断裂上展现出高倾角的特征，而在主震 方向的海螺沟断裂附近与鲜水河断裂呈共轭展布，推测在中段海螺沟附近有一条走向、倾向 的低倾角分支断裂 研究结果表明，利用人工智能方法快速实现中强地震余震序列的自动化检测是获取地震发震构造、破裂方向等信息的有效方法关键词泸定地震；神经网络；余震序列；地震精定位 ：中图分类号 收稿日期 ，收修定稿基金项目国家自然科学基金项目（），中国地震局地球物理研究所基本业务专项（）和地震科技星火计划项目（和 ）资助第一作者简介刘泽民，男，在读博士，主要从事地震学方面的研究 ：通讯作者李俊，男，高级工程师，主要从事地震监测和地震预测方面的工作 ：，期刘泽民等：年四川泸定 地震余震序列的自动构建与地震活动性分析 ，（），（），（），（）（），；引言中强地震往往会伴随有大量的余震，余震的快速、准确测定对于分析地震发震构造和机理、评估地震灾害分布等具有重要意义 震源机制结合余震分布可有效判别发震主断裂，并且高精度的余震序列可用 于 更 好 地 刻 画 发 震 断 层 的 精 细 结 构 相 比 等基于地表信息的研究，余震序列可提供深部的信息，余震的时空分布特征也对后续地震的分析研判具有重要参考价值（杨智娴等，；房立华等，；张广伟，）因此，开展快速的余震序列分析对研究中强地震的发震构造和孕育环境以及分析地震危险性意义重大中强地震引发的余震在主震发生之后密集发生，随时间推移余震发生频次逐渐降低 不同震级余震数量的统计关系符合 关系，即小震级余震数量较多 而 大 震 级 余 震 数 量 较 少（，）增强小震监测能力，获得较为完备的余震序列目录有助于刻画断层空间形态和分析强余震危险性地震台站数量的增加可提升地震监测能力，但也导致余震序列的人工处理分析难以兼顾时效性和完备性 近年来基于机器学习的震相识别和地震检测方法得到了快速发展（，；于子叶等，；，；，；，；，；，；，），在多次大地震的余震目录构建中表现出高效、快速的优势 相关方法应用于 年美国 和 地震、年青海玛多 地震、云南漾濞 地震和双柏 地震的余震序列分析（，；，；廖诗荣等，；苏金波等，；郭慧丽等，），也可用于中强地震余震序列的回溯性研究（，），甚至在监测非天然地震活动方面也具有一定的优势（，）对相应技术进行更多应用，可进一步细化流程，提升技术成熟度据中国地震台网中心（）测定，北京时间 年月日 时 分，在四川省甘孜州泸定县（，）发生 地震（图）泸定地震发生在川滇菱形地块东边界的鲜水河断裂带南段，该区域构造十分复杂，是鲜水河断裂带南段、安宁河断裂带北段和龙门山断裂带南段交汇区，俗称三岔口地区鲜水河断裂带在历史上曾多次发生级以上地震，其中最大为 年四川康定南的级地震（距离本次主震约 ），最近一次为地 球 物 理 学 报（）卷 年 月 日康定 级地震 本次地震主震震中就位于鲜水河断裂带磨西段附近泸定地震最高烈度为度，等震线长轴呈 走向，长轴 ，短轴 ，不仅引起了当地建筑的损坏（，），同时还诱发了严重的地质灾害，尤其是滑坡分布广泛，导致地表调查十分困难（，）余震序列的时空分布成为分析地震构造特征，快速评判地震破坏范围的重要方式 根据中国地震台网目录，截至 年月 日 时，泸定地震序列共记录到 余震 次，最大余震为月日（）地震人工定位结果显示主震深度约 ，破裂主要向浅部和 方向传播，余震总体沿 向展布，长度约 ，深度在 ，初步显示断层形态较为复杂完整的地震余震序列目录有利于对发震断层进行细致的分析 为完善自动化构建地震目录的流程，本文分析了地震序列构建中震相识别阈值的选取策略，利用神经网络算法拾取了距泸定地震主震 范围内 个地震台站（图）年月日至 日连续记录中的震相到时，通过震相关联和地震定位，构建了泸定地震高精度的余震序列目录 高精度的余震目录刻画了泸定地震余震的时空演化特征，较好地揭示了 向主断层、向共轭断层以及北部雁列状断裂的深部构造特征，有助于深入认识泸定地震的孕震环境和发震机制数据泸定地震区域为川滇菱形地块、巴颜喀拉地块和华南地块的交汇区，西临四川省内最高峰贡嘎山本研究选取了 主 震 震 中 范围内的 个测图研究区域和本文使用的地震台站分布图红色五角星是泸定地震主震震中位置；蓝色三角形是泸定地震周边 范围内的地震台站（个）；灰色圆点表示 年以来该区域发生的 级以上的地震事件；震源机制解来自于 ：在子图中，青藏高原地块；，滇缅地块；，华南地块；，西域地块；，东北亚地块；，华北地块 ：，期刘泽民等：年四川泸定 地震余震序列的自动构建与地震活动性分析震台站，其中包括四川数字地震台网的 个固定台站和 个重庆台网和云 南 台网 架 设 的 流 动 台 站（、）在地震检测中，近场台站可提取可靠的 震相，良好的台站方位覆盖有利于震相关联和定位 如图所示，在距离主震 范围内有 个地震台站，范围内有 个地震台站 从台站分布上，除在主震东南 范围台站较为稀疏外，已有台站的分布相对震源区有较好的距离和方位角覆盖，台站的整体分布利于余震序列的自动化构建本文使用了 个台站 年月 日的三分量连续数据来构建泸定地震余震目录 为对网络拾取阈值进行定量分析，利用了其中 个长期运行的高数据连续率台站 年月的数据进行了拾取测试，以优化拾取结果方法余震目录的自动构建主要包含三个步骤：（）震相拾取；（）震相关联；（）地震重定位 详述如下：基于神经网络的波和波震相拾取及置信度阈值优选基于神经网络的震相拾取算法提高了震相到时的拾取精度和准确度，相比经典的长短时窗法，神经网络拾取的震相中含有震相的类型信息（如 ，），为后续的震相关联提供了便利（，；，；，）目前的震相拾取神经网络多利用监督学习方式训练，基于特定研究区数据样本训练得到的网络在应用于研究区之外的数据时，往往会引起震相拾取精度和准确度的降低（，）加入目标研究区数据样本进行迁移学习以及采用覆盖研究区的较大数据集进行训练是提升网络性能的可行方式（赵明等，；，）等（）利用中国地震台网 年的震相数据，结合 地震波形对几种震相拾取网络进行了训练和评估，结果表明感 受 野（）较 大 的 以 及 网络的拾取效能较优 本文中拾取和分析震相的神经网络是在 网络的基础上改进的 网络，该网络去除了 网络的 层，省去了其地震事件判断的概率输出，利用 函数直接输出和震相的概率，以提高模型的训练效率 在模型构建中，使用了中国大陆地区 年共 年级以上地震的人工标注信息以及其对应的震相波形作为数据集，数据采样率选择了通用的 模型以 年的数据作为训练，年的数据进行测试 等（）结果表明，改进的 模型结构相比于 有较大程度的精简，利于训练收敛，且在精度上略有提升神经网络震相拾取算法利用网络得到数据点置信度来进行震相拾取，当置信度超过特定阈值时，输出对应的震相时间和类型 置信度阈值的选取会影响最终地震目录的构建 当选择较高阈值时，拾取震相和后续关联的可信度增加，同时也可能会降低较小震级地震的检测能力；反之降低阈值，可提高震相识别数量，但也可能会引入部分虚假震相影响后续目录构建 同时，受网络结构、训练数据、加权策略等的影响，不同的网络对同一数据的置信度表现也有差异 多数研究往往会使用经验性的阈值来开展余震检测研究（，；苏金波等，；郭慧丽等，）根据固定台网长期运行以及四川多震的特点，本文利用研究区历史地震记录寻找最优的置信度阈值，以进一步优化震相拾取流程 本文利用图台站中数据连续率高的 个固定台站 年月至 年月的连续波形，基于历史地震在对应台站上的震相编目信息，对不同震相拾取阈值进行测试 根据人工目录中对已有地震事件进行定位所使用的台站上的 和 震相信息，选取对应的波形，利用神经网络识别波形中的 和 震相，通过统计震相识别结果的准确率、召回率以及调和平均来实现拾取阈值的优选 ，（），（），（）其中 为正确拾取的震相数量，在本文中定义为神经网络拾取震相到时与人工标注到时相差在 之内的震相；是神经网络识别为但按上述标准无对应人工标注的震相数量高准确率可实现更加可信的震相识别，而高召回率则可保证不遗漏有效 震 相，可 以作为二者的 均衡评估指 标（，；，）通过相应评估，可判断所使用的网络需要多大的置信度阈值才能够较完整地识别人工能够判别的 震相，从而指导震相到时的智能拾取地 球 物 理 学 报（）卷利用 年月 个 的地震在 个台站上评估结果如图所示，随着置信度的提高，波拾取准确率上升（图），但是 波的准确率在置信度 之后下降（图），可能由于波波形复杂，网络判断波的最高置信度偏低引起曲线是准确率和召回率的调和平均，可作为网络整体性能的表征 从图中可以看出，网络整体性能均衡点所对应的 波置信度阈值约为，波为 基于人工智能自动化构建地震目录的目标是获得更加完整的地震目录，选用较低的阈值可提升震相查全率，有利于检测更多地震 本文通过将震相拾取的置信度阈值降低至 来提升震相的查全率召回率，从而减少遗漏震相 图 也分别显示了对应 波的拾取精度，从中可以看出 波到时差的均值为 ，标准差为 ；波到时差的均值为 ，标准差为 该拾取阈值可较好的满足地震定位的震相拾取精度需求图神经网络震相拾取效能与置信度阈值选取（，）和 震相到时拾取的准确率（）、召回率（）和调和平均与其置信度的关系图；（，）置信度阈值为 时 震相拾取偏差的分布 左上角注明了召回率、准确率、调和平均、平均值及标准差 （），；（）（）；（，），（），（），（），（）利用优选的阈值，本文对 个台站 年月 日的三分量数据进行了处理分析数据采样率为 ，仅做去均值和去趋势的预处理图显示了 台站上 窗口内的拾取结果从中可以看出，高信噪比震相置信度可超过 ，而低信噪比震相的置信度偏低 选取 为阈值，可以对信噪比较低的震相进行准确的到时拾取和类别判定，同时不引入过低置信度的信号（图，附近）基于网格搜索的震相关联利用基于网格搜索的 程序来对拾取到期刘泽民等：年四川泸定 地震余震序列的自动构建与地震活动性分析图神经网络震相到时拾取结果 的震相进行震相关联和初步定位（，），该算法依据一维速度获取理论走时曲线，通过格点搜索将震相数量以及发震时刻的标准差作为指标，确认对应地震的发震时刻和概略位置 文中采用的格点搜索策略为：以台站为中心，水平向搜索范围为 ，搜索步长为；深度方向的搜索范围为 ，搜索步长为 成功关联的震相数量策略为：震相数量不少于个，震相数量不少于个，震相不少于个 为保持关联稳定性，要求同时具有和震相识别的台站数目不少于个 在网格搜索中，震相关联最大范围为 图显示了最终关联结果以及所使用的一维速度模型，该模型是以康定速度模型（易桂喜等，）为初始模型，通过多阶段定位法（，）对泸定地震的余震序列进行定位反演获得 通过震相关联，共从拾取的震相中获取具有时空关联的 条波震相和 条波震相（图）地震重定位以震相关联获得地震的概略发震时间和位置为初始值，本文调用了 系统中的 定位方法对关联到的地震进行了绝