地震定位方法最新进展综述

作     者：侯新荣 郭振威 高大维 李磊 柳建新 HOU XinRong;GUO ZhenWei;GAO DaWei;LI Lei;LIU JianXin

作者机构：中南大学地球科学与信息物理学院长沙410083 有色资源与地质灾害探查湖南省重点实验室长沙410083 有色金属成矿预测与地质环境监测教育部重点实验室(中南大学)长沙410083 

出 版 物：《地球物理学进展》 (Progress in Geophysics)

年 卷 期：2024年第39卷第3期

页      面：959-974页

核心收录：

学科分类：070801[理学-固体地球物理学] 07[理学] 0708[理学-地球物理学] 

基　　金：国家基础科学中心项目(72088101) 国家自然科学基金项目(42130810,42204067,42374076) 湖南省自然科学基金优秀青年项目(2022JJ20057) 有色金属成矿预测与地质环境监测教育部重点实验室(中南大学)开放基金(2022YSJS16)联合资助 

主　　题：震源定位 机器学习 神经网络 联合定位 

摘      要：精确的地震定位对于地球内部结构和地震孕育过程认知、断层精细结构探测、资源能源勘探开发、地震预警研究等众多科学技术问题至关重要.鉴于地震定位方法发展迅速,及时的综述最新进展重要且必要.目前的综述论文主要论述常规地震定位方法的进展,而涉及机器学习的地震定位方法的系统总结却很少.为便于读者了解地震定位方法原理与最新的前沿进展,本文首先介绍了近年来新发展的常规地震定位方法,如震源扫描类方法、双差类定位法、GrowClust等;然后重点介绍了最新的涉及机器学习的地震定位方法,包括完全基于机器学习的地震定位方法和机器学习辅助的地震定位流程.其中,基于机器学习的定位方法按照利用的神经网络的不同进行再次分类,包括了卷积神经网络、图神经网络、循环神经网络.机器学习辅助的定位流程介绍了EasyQuake、QuakeFlow、LOC-FLOW三种较受关注的方法.通过详细阐述LSTM-FCN模型、LOC-FLOW方法流程的实际应用,对比了代表性方法的定位效果.最后,本文对机器学习类的地震定位方法存在的问题和地震定位的发展方向进行分析与展望,指出机器学习模型轻量化是重要研究方向以及多种地震定位方法联合定位是地震定位发展的重要目标.