基于深度學習的地震檢測模型在區域臺網的泛化性研究

作者：趙明,陳石

摘要：將識別地震的深度學習算法PhaseNet應用于四川臺網和首都圈臺網,對該模型的泛化能力進行了測試和評估。首先利用2010年1月至2018年10月首都圈臺網199個地震臺站記錄的29328個事件(ML0~ML4)所對應的126761段事件波形,以及2019年4—9月四川及鄰省部分臺網227個地震臺站記錄的16595個事件(ML0~ML6.0)所對應的120233段事件波形分別建立了SC和CA測試數據集,并用預訓練好的PhaseNet模型進行P、S震相自動識別和到時拾取,并將拾取結果與人工拾取結果在不同誤差閾值下進行對比。測試結果表明,PhaseNet在兩個數據集上具有良好的震相檢測能力(誤差閾值為0.5 s),其P、S震相檢測的F1值都超過0.75,具有比較穩定的準確拾取P波到時能力(誤差閾值0.1 s),其檢測F1值均超過0.6,而S波到時拾取的F1值分別為0.33(SC)和0.53(CA)。進一步分析了測試結果與震中距、震級、信噪比、臺站所處地域之間的關系,為下一步繼續訓練更優化的模型指明了方向。研究結果表明,PhaseNet算法在區域臺網地震自動檢測和到時拾取方面有很大的應用潛力和提升空間,可以為區域臺網的自動編目工作提供輔助。

發文機構：中國地震局地球物理研究所 北京白家疃國家地球科學野外觀測研究站

關鍵詞：PhaseNet泛化性到時拾取震相檢測PhaseNetGeneralization abilityArrival time pickingPhase detection

分類號： P315.7[天文地球—地震學]