基于SNR方法的地震震相识别研究

第35卷第7期2019年4月

Vol.35No.7

Apr.2019

甘肃科技

Gansu Science and Technology

基于SNR方法的地震震相识别研究

王树旺，王斌

（甘肃省地震局，甘肃兰州730000）

摘要：在本研究中，使用基于信号噪声比即（SNR）方法来准确拾取地震震相到时。该方法本质上是将传统的特征函数搜索与简单一维速度模型反演相结合。当速度误差在一定的允许范围内，将特征函数限制在一定范围内搜索，从而避免了与理论到时相差较大误差。从甘肃省台网测震目录中选取2013年1月-2018年3月期间2654个地震作为测试数据，结果显示SNR方法识别震相方法与人工识别震相方法整体误差在5%左右，基本可以取代人工结果，从而减少人为工作量。

关键词：地震；震相识别；信噪比

中图分类号:P315

1概述

地震目录的产出需要某些台站或台网的地震

准确震相到时数据，其原理如图1所示，地震波从

震源出发，达到地表台站接受点，由于路径及速度

的不同，震相达到顺序不同，P波速度较S波速度

快，根据此特性分辨出地震震相后，再通过定位程

序反演计算地震参数问。但即使是经常提供震相到时的台站，某些震相如S波震相的拾取，通常也不完整。根据识别手段可以将地震震相识别分为人工经验分析和计算机自动识别，通常人工经验分析方法主要有：直观拾取法、走时表检测法、综合检测法、和达曲线检测法、合成地震图检测法等阿，自计算机与地震学结合以来，将地震记录输入计算机，对地震记录进行放大、模拟、滤波等简单处理，实现半自动识别。人工方法主要依靠技术人员的经验来判断和提取，这是一种耗时、浪费人力的方法。此外，人为误差和水平因素也会影响地震震相检测的精度。对于同一地震震相，不同的分析人员在处理结果上会有一定的差异。目前，随着数字地震台网的大规模建立和发展，以及地震预警与地震灾后快速评估应急响应系统对时效性的要求，如果单靠人工分析地震是非常低效和不现实的。因此,有必要研究和开发稳定、实用、高效的自动识别方法和系统阴。

图1地震震相识别原理图

2SNR方法

我们的方法是将搜索局部范围内的最大信噪比作为直达p波和s波震相到时。该方法成立的假设条件是直达p波和s波震相的能量是最强的，但事实上偶尔会有其他震相，如p/s转换波，是折射的，以及反射PS波，这些波的能量较初至波要强。此时，在假设速度模型是可用的情况下，设立减少搜索范围参数纭”可以帮助我们减少错误的震相选择的可能性。

&爲厂

y是给定的速度模型，△?叱是允许的最大误差范围内真实速度模型。窗我们注意到扰动误差速度£是整个地壳平均速度模型，但实际上，每一层内速度扰动可能会有所不同。用户可以基于粗略估计给定速度模型的准确性来预设参数。将速度扰动转变为到达时间扰动，可以得到搜索时间窗为

*基金项目：甘肃省科技计划（17YF1FA124）

O

14甘肃科技第35卷

3数据应用

其中t。为事件起始时间,斤为理论到时。值得注意的是，由于低估了速度模型的不准确性，或通常由于初始速度模型问题引起的横向不均匀性，这个搜索窗口可能不包括所有的实际到时。然而，只要在搜索窗口内的实际到时数据能足够稳定地反演速度模型，则反演速度模型应向真实速度模型偏移。更重要的是,基于更新的速度模型，在理论到时和搜索窗口被修改得更准确的情况下，在下一次迭代中成功选择真实速度模型的次数应该会增加，从而使反演的速度模型进一步接近真实速度模型。

为了获得实际震相到时，可以利用以下SNR函数：

r+r

t-T

其中A为地震波形振幅,T为SNR计算的预定窗长。在时间窗内选取SNR函数的最大值为实际震相到时，这与传统的广泛使用预设触发阈值的特征函数选取器不同。因为窗口中的最大值总是存在的，所以选择总是被标识出来。因此，利用SNR来控制检测质量是非常重要的。当在窗口边缘找到最大值时，选择将被丢弃。这是为了避免选取平稳信号、单调地增加或减少信号以及其他错误的到时数据。其他异常，如波形头文件信息不完整或数据点丢失，也可能导致拾取失败。具体过程如图2所示，当SNR检测窗口碰到信号突变处时将达到极大值，此时如果SNR值超过我们设定的阈值时将认定此处可能为P波震相到时，之后，检测器在短时间内如果再遇到SNR峰值即S波信号时,可以断定该信号为地震信号,SNR函数极大值点即我们寻找的震相到时。

SNR search

Z

N

E

图2SNR检测地震三分量震相示意图

我们使用甘肃省测震台网记录的2013年1月-2018年3月期间2654个地震数据对该方法进行了测试。数据集由10个台站记录的2654个事件组成，主要集中在甘肃东南部地区，震中分布见图3左，形成21342对事件接收对。我们从甘肃省测震台网地震目录数据库下载事件目录、波形和震相文件。速度模型采取统一的甘青一维速度走时模型㈣，具体参数见图3右，最大允许速度扰动设置为15%.。

灌度*m's

I—蟻祖

—竣速度

图3左图为选择的2654个地震事件震中经纬度分

布，右图为甘青一维速度走时模型

具体工作流程，详情如图4所示：首先我们从国家测震台网数据库(/)下载好地震数据,浏览地震波形，对地震事件波形进行筛选，优先挑选震相清晰，初始震相尖锐震相，且台站记录完整；挑选好地震数据后，先对波形文件做预处理工作，主要是去白噪声以及波形归一化处理;接下来是阈值设定，主要根据SNR的绝对离差中位数来设定，阈值设定是一个关键环节,其高低直接影响了检测结果；阈值设定好后就可以进行震相检测了，检测完成后，根据结果对测震台网震相报告进行更新处理，完善震相报告。

图4

工作流程

第7期王树旺等：基于SNR方法的地震震相识别研究15

通过SNR检测器检测后，共得到21,513个SNR>5和17,534个SNR>10P震相，19,213个SNR >5和13,432个SNR>10S震相。相比之下，甘肃测震台网只提供了10848个P震相和2224个S震3000相。图5为具体检测震相数，其中浅色方柱代表测震台网提供的P,S震相，深色方柱代表本文检测出来的地震震相。

3000

40K0100120二

u

n

o

。

-

U

J

U

i

a

J

n

g

E

U

W

SNR SNR

图5震相检测结果，(左图为P波检测结果，右图为S波检测结果，图中深色方块代表本文检测到的震相，浅色方块代表测震台网检测震相)

4结论

随着地震监测台网的进一步密集化，地震数据资料的海量增加，人工分析震相已初显颓势，显然将在日渐增长的大数据时代中被淘汰，因此各学科都争相开展智能化的研究，在地震学领域，目前地震自动化分析已成为地震学的热门研究问题。本文使用的SNR方法检测地震震相的方法相对于人工检测地震到时，具有高效和误差较小的优势，且只要硬件设施允许的情况下，地震分析可以不间歇地一直持续工作下去，人工显然不能做到，因此该方法可以用于今后地震科研以及日常工作中。

此次我们选择的震例虽然在时间跨度上较大，但空间分布跨度还是较小，仅局限于甘肃东南部地区，选择此地区是因为该地区是甘肃地震频发区域，且测震台网在该处的密集程度大，便于我们顺利开展测试，未来工作将进一步扩展工作区域，使地震震相自动分析具有更好的普适性。

参考文献：

[1]武东坡.震相识别的实时方法研究[D].哈尔滨：中国地震

局工程力学研究所,2004.

[2]余建华，李丹丹,韩国栋.特征函数响应特性分析及STA/

LTA方法的改进[J].国外电子测量技术,2011,30(7):17-19.

[3]王娟，刘俊民,范万春.神经网络在震相识别中的应用[J].

现代电子技术,2004,27(8):35-37.

[4]刘希强，周蕙兰，沈萍，等.用于三分向记录震相识别的小

波变换方法[J].地震学报,2000.22(2):125-131.

[5]李力,张建国，李盛乐.余震自动识别技术研究进展[J].地

震研究,2018,v.41；No.185(1):3-15+159.

[6]尹欣欣.基于模板匹配和双差定位的地序列完备性研究

[D].兰州：中国地震局兰州地震研究所,2018.

[7]张诚，张伶，邓齐赞，等.甘肃及邻近地区的地壳结构[J].

西北地震学报,1977(2),22-26.

[8]王周元.甘肃地区分层地壳结构|J].西北地震学报，1984,

6,4.

(上接第21页)

[2]段永良，邢艳芳，周洪萍，等.现代广播电视发射技术[M].

北京：人民邮电出版社,2014.⑺[3]曹金泉.DAM PDM中波广播发射机的原理与维护[M].甘

肃：甘肃省广播电影电视局无线处,1992.[8] [4]王辉，何晋文•调幅技术第十六届全国中波技术交流会[9]

论文集[M]•湖南：湘潭大学出版社,2015.[10] [5]杨欣，王玉凤，刘湘黔，等.51单片机应用从零开始[M].

北京：清华大学出版社,2016.[11] [6]康华光，邹寿彬，秦臻.电子技术基础数字部分[M].北京:高等教育出版社,2006.

康华光，陈大钦，张林.电子技术基础模拟部分[M].北京:高等教育出版社,2006.

张肃文.高频电子线路[M].北京：高等教育出版社,2009.邱关源.电路[M].北京：高等教育出版社,1999.

C.A.狄苏尔，葛守仁著•林争辉主译.电路基本理论[M].北京：高等教育出版社,1979.

郭天祥.51单片机C语言教程——入门、提高、开发、拓展全攻略[M].北京：电子工业出版社

,2009.