人工智能在拾取地震P波初至中的应用——以汶川地震余震序列为例

doi:10.13209/j.0479-8023.2018.036

北京大学学报自然科学版 ›› 2019, Vol. 55 ›› Issue (3): 451-460.DOI: 10.13209/j.0479-8023.2018.036

人工智能在拾取地震P波初至中的应用——以汶川地震余震序列为例

蔡振宇, 盖增喜^†

北京大学地球与空间科学学院, 北京 100871

收稿日期:2018-05-18 修回日期:2018-06-24 出版日期:2019-05-20 发布日期:2019-05-20
通讯作者: 盖增喜,E-mail:zge(at)pku.edu.cn
基金资助:
国家重点研发项目(2018YFC1504203)、国家自然科学基金(41774047)和中国地质调查局地质调查项目(DD20160082)资助

Using Artificial Intelligence to Pick P-Wave First-Arrival of the Microseisms: Taking the Aftershock Sequence of Wenchuan Earthquake as an Example

CAI Zhenyu, GE Zengxi^†

School of Earth and Space Sciences, Peking University, Beijing 100871

Received:2018-05-18 Revised:2018-06-24 Online:2019-05-20 Published:2019-05-20
Contact: GE Zengxi,E-mail:zge(at)pku.edu.cn

摘要/Abstract

摘要：

为了准确而迅速地拾取大量地震事件的P波初至, 将深度学习方法引入微地震P波初至到时拾取研究中, 对卷积神经网络的结构进行改造, 以便适应地震波形数据的特点 P波初至拾取的要求。该算法只需要输入10 s窗口的三分量地震波形数据, 就可以自动地判定P波初至时刻, 无需扫描连续波形, 运算时间远远小于长短窗、模板匹配等传统方法。使用该算法训练汶川地震主震后2008年7—8月7467条人工拾取的余震P波初至到时, 将得到的模型对测试集中 1867条数据的计算结果与人工拾取结果对比, 误差小于0.5 s者占比达到98.9%。在低信噪比条件下, 该方法仍能保持较好的拾取能力。

关键词: 人工智能, 机器学习, 深度学习, 小波变换, 初至拾取

Abstract:

In order to accurately and quickly pick up P-wave first-arrival of a large number of seismic events, deep learning method is introduced into the micro seismic P-wave first-arrival picking problem. The structure of convolution neural network is adjusted to apply to the characteristics of the seismic waveform data and first-arrival picking problem. The algorithm takes a 10s-window three-component seismic waveform data as input instead of scanning the continuous waveform. So the running time is far less than traditional methods such as STA/LTA and template matching. The algorithm is applied to aftershocks of 2008 Wenchuan earthquake in July and August, using 7467 manual picked first-arrival data as training dataset. Among the 1867 testing data, 98.9% of the P arrival times picked using this algorithm have an error less than 0.5 s compare to the results picked manually. This method can still maintain good pick-up capability under the condition of low signal-to-noise ratio.

Key words: artificial intelligence, machine learning, deep learning, wavelet transform, first-arrival picking

蔡振宇, 盖增喜. 人工智能在拾取地震P波初至中的应用——以汶川地震余震序列为例[J]. 北京大学学报自然科学版, 2019, 55(3): 451-460.

CAI Zhenyu, GE Zengxi.

Using Artificial Intelligence to Pick P-Wave First-Arrival of the Microseisms: Taking the Aftershock Sequence of Wenchuan Earthquake as an Example

[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2019, 55(3): 451-460.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/10.13209/j.0479-8023.2018.036

https://xbna.pku.edu.cn/CN/Y2019/V55/I3/451

[1]	张丰硕, 李豫, 李向前, 徐金安, 陈钰枫. 一种消减多模态偏见的鲁棒视觉问答方法[J]. 北京大学学报自然科学版, 2024, 60(1): 23-33.
[2]	李玳, 王天牧, 张思, 秦跃, 谢福贵, 刘辛军, 聂振国, 黄红拾. 基于足底压力和卷积长短期记忆神经网络的前交叉韧带断裂智能辅助诊断[J]. 北京大学学报自然科学版, 2024, 60(1): 109-117.
[3]	姚照原, 马磊, 万玮, 宋本钦, 王卫红, 邓继伟, 肖蕾, 冀锐, 魏之皓, 崔要奎. 基于深度学习的遥感样本库一致性评估[J]. 北京大学学报自然科学版, 2023, 59(4): 563-568.
[4]	周翔宇, 毛善君, 李梅. 基于频域降采样和CNN的轴承故障诊断方法[J]. 北京大学学报自然科学版, 2023, 59(2): 251-260.
[5]	李放, 曹健, 李普, 谢豪, 赵雄波, 王源, 张兴. 基于ARM+FPGA异构平台的目标检测加速模块设计与实现[J]. 北京大学学报自然科学版, 2022, 58(6): 1035-1041.
[6]	刘喆, 赵威伦, 田晓青, 桑悦洋, 屈永霖, 任静静, 李成才. 利用葵花8号卫星资料反演中国东部地区地面PM_2.5浓度[J]. 北京大学学报自然科学版, 2022, 58(3): 443-452.
[7]	李天然, 刘明童, 张玉洁, 徐金安, 陈钰枫. 基于深度学习的实体链接研究综述[J]. 北京大学学报自然科学版, 2021, 57(1): 91-98.
[8]	张斌, 吕宝磊, 王馨陆, 张雯娴, 胡泳涛. 利用集合深度学习方法订正空气质量数值预报结果——以新疆乌昌石城市群为例[J]. 北京大学学报自然科学版, 2020, 56(5): 931-938.
[9]	海晓东, 刘云舒, 赵鹏军, 张辉. 基于手机信令数据的特大城市人口时空分布及其社会经济属性估测——以北京市为例[J]. 北京大学学报自然科学版, 2020, 56(3): 518-530.
[10]	黄德朋, 李正华, 龚晨, 张民. 基于神经耦合模型的异构词法数据转化和融合[J]. 北京大学学报自然科学版, 2020, 56(1): 97-104.
[11]	包乾宗, 许杰, 许明瑞. 高铁地震信号时频特征对比分析[J]. 北京大学学报自然科学版, 2019, 55(5): 805-812.
[12]	黄红拾, 王政飞, 许国雄, 李文新, 张思, 张东霞, 敖英芳. 基于步行时足底压力信息的前交叉韧带断裂辅助诊断方法[J]. 北京大学学报自然科学版, 2019, 55(5): 859-864.
[13]	方海泉, 蒋云钟, 冶运涛, 曹引. 基于深度学习和多次棋盘分割法的高分辨率影像河流提取[J]. 北京大学学报自然科学版, 2019, 55(4): 692-698.
[14]	朱逸馨, 张云鹏. 一种针对气枪记录的三阶段初至震相拾取方案[J]. 北京大学学报自然科学版, 2019, 55(1): 120-132.
[15]	厉小军, 施寒潇, 陈南南, 柳虹, 邹轶. 基于表示学习的情感分析研究[J]. 北京大学学报自然科学版, 2019, 55(1): 105-112.

人工智能在拾取地震P波初至中的应用——以汶川地震余震序列为例

Using Artificial Intelligence to Pick P-Wave First-Arrival of the Microseisms: Taking the Aftershock Sequence of Wenchuan Earthquake as an Example

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

留言