全卷积定位神经网络在两个地震相互干扰情形下的应用
Apply fully convolutional neural network to simultaneously locate two earthquakes interfered with each other作者机构：江西省防震减灾与工程地质灾害探测工程研究中心(东华理工大学)南昌330013 上海佘山地球物理国家野外科学观测研究站上海201602 广东省地球物理高精度成像技术重点实验室(南方科技大学)广东深圳518055
出 版 物：《地球物理学报》 (Chinese Journal of Geophysics)
年 卷 期：2025年第68卷第1期
页 面：139-152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：上海佘山地球物理国家野外科学观测研究站开放基金(SSOP202103) 江西省自然科学基金青年基金项目(20224BAB211024、20224BAB213047) 国家自然科学基金(U2239204,42474092) 江西省防震减灾与工程地质灾害探测工程研究中心开放基金资助项目(SDGD202101) 广东省地球物理高精度成像技术重点实验室项目(2022B1212010002)联合资助
摘 要：台站连续记录的弱余震或微震数据中经常会遇到两个地震发生的时间比较接近,波形存在互相干扰的情况,给震相拾取和关联等处理造成困难,进而影响地震定位结果.近年来,人们开始探索使用深度学习方法直接从波形数据中定位地震,但鲜有对两个波形相互干扰的地震进行定位的情况.本研究基于全卷积神经网络模型,采用叠加两个高斯概率分布的方法,同时标记两个地震,使得同一时窗内存在两个波形相互干扰的地震事件时,神经网络能够同时定位两个地震事件.我们将该方法应用于美国南加州的Ridgecrest地震序列和样本,研究发现输入时窗只包含一个地震事件时,实际数据定位平均误差为2.8 km,当输出标签包含两个地震时,我们利用输出标签减去其中一个地震位置波峰的方法提取出两个地震的位置,估算出的干扰地震事件定位平均误差为7.9 km (定位范围89 km×72 km,包含了位置提取方法的误差).测试表明,该方法对两个波形相互干扰的地震进行定位具有一定的效果,对多事件相互干扰的定位研究具有一定启发意义,从而进一步提高地震监测的完备性.
维普期刊数据库
同方期刊数据库
