MSDP軟件震相自動識別技術實現

蘇柱金 黃文輝

（中國廣州 510070 廣東省地震局）

MSDP軟件震相自動識別技術實現

蘇柱金 黃文輝

（中國廣州 510070 廣東省地震局）

利用MSDP交互分析軟件實現震相自動識別技術，技術模塊主要實現STA/LTA觸發算法、AR-AIC震相識別方法、FilterPicker方法和自動量取振幅方法，提高MSDP分析處理地震事件和進行地震速報的效率，并利用大量地震事件對震相自動識別技術進行測試和驗證。

地震速報；初至波震相檢測；自動識別；自動量取振幅

0 引言

地震觀測技術自“九五”以來發展到今天已經實現全面數字化，然而隨著地震觀測和地震科學研究水平的提高，人們對地震速報要求也越來越高。地震速報（即地震三要素：發震時刻、震中位置和震級）要求準確度和速度。地震速報的準確度對于當今測震技術不再是問題，提高速度變成首要任務。基于此現狀，本文通過實現震相自動識別技術，使用計算機處理，從而提高測震工作者使用MSDP交互分析軟件進行地震速報的效率。

1 MSDP交互分析軟件

MSDP（人工交互分析模塊）為JOPENS系統下地震臺網數據處理軟件包，嚴格遵循中國地震局2006年12月推出的“中國數字臺網數據規范”，利用地震數據庫的技術，對地震臺網日常處理的地震波形、定位結果、震相數據進行統一管理，完成測震臺網承擔的地震速報、地震編目和數據服務等任務，且數據格式、數據產出統一、規范。

MSDP在中國31個省級區域測震臺網推廣使用多年，得到廣泛支持和認可，且不斷改進和增加新的功能。震相自動識別技術是MSDP新版本中一個重要的新功能，將提高地震速報效率。震相自動識別技術集成多種震相檢測技術，包括STA/LTA短時間平均（STA）和長時間平均（LTA）算法、FilterPicker（Lomax et al，2011）、AR-AIC方法（Sleeman et al，1999）及自動量取振幅方法（Rosenberger et al，1983）。

2 關鍵技術

2.1 STA/LTA觸發算法

連續跟隨地脈動數據在時間窗的變化，計算短時間平均（STA）中地震信號的瞬時振幅及長時間平均（LTA）中噪聲平均值，連續計算二者差值或比值，如果超過給定的觸發閥值，則該通道滿足觸發條件。

2.2 AR-AIC震相識別方法

AR-AIC方法是常用震相自動識別技術。其基本原理是，假定地震波記錄分為若干局部穩態過程，且滿足自回歸模型，并認為新的地震波震相到達前后的信號是兩個不同的穩態過程（趙大鵬等，2012）。

2.3 FilterPicker方法

FilterPicker方法（Lomax et al，2011）是一種通用的寬頻帶震相檢測和拾取方法，在實時地震監控和地震預警中發揮重要作用。該方法使用高效算法，對連續實時寬頻帶信號進行處理，可過濾大震中的誤觸發，產出觸發時間、觸發與檢測的時間差、觸發極性及振幅等信息。其基本原理是，地脈動信號經過不同頻率的帶通濾波后，用特征函數和閾值判斷在某個時間長度內是否存在觸發。

2.4 自動量取振幅

從初至波震相P的位置開始對地震波數據進行計算，按照震級類型的不同，分別在不同位置計算最大振幅及其出現位置。對遠震體波震級，在初至波之后的某一時間區域內計算；對近震體波震級，需在橫波理論震相S之后的某一時間區域內計算；對長周期記錄的面波，則在面波出現之后的某一時間區域內計算。根據最大振幅位置，找出一段接近正弦波的數據，并量取周期。進而計算遠震體波震級mb、近震體波震級ML、面波震級MS。

3 功能模塊設計

為了提高地震速報效率，用戶使用MSDP震相自動識別功能時，只需打開地震波形數據，點擊相應功能按鍵即可，不需手工輸入初始參數或對數據進行預處理，參數初始化和預處理由MSDP自動判斷并計算。震相自動識別技術模塊可細分為兩個子模塊：初至波震相P自動檢測模塊和自動量取振幅模塊，流程見圖1、圖2。

圖1 初至波震相P自動檢測模塊流程Fig.1 Flow diagram of the first P-phases automatic detection module

圖2 自動量取振幅模塊流程Fig.2 Flow diagram of automatic amplitude measurement module

4 接口實現

震相自動識別技術采用面向對象的程序設計語言JAVA來實現，可與MSDP原有定位程序接口和定位結果顯示接口無縫聯接。根據相關方程、參數及操作流程，負責邏輯計算的主要有以下幾個JAVA對象類。

4.1 STALTA類

STALTA類是STA/LTA觸發算法的實現類，通過調用公共方法“detect_stalta”來檢測觸發。STA/LTA觸發算法是一種原理簡單且計算量較小的觸發算法，通常作為初步檢測手段。在STALTA類中，首先在“init_sta_and_lta”方法中初始化長短窗數據，然后在“detect_stalta”方法中，利用1 s短窗口時間段的平均值與30 s長窗口時間段的平均值得到長短窗比值，如果該值小于觸發閾值8，則進行下一個時間段的計算，如果大于觸發閾值8，則標記該時間段的波形數據，并在ARAICPicker類中進一步確認檢測。

4.2 ARAICPicker類

ARAICPicker類是AR-AIC方法的實現類，該類根據AIC函數

假設有長度為N的地震波形數據，通過不斷改變K變量，得到［1，K-M］和［K-M+1，N-M-K］兩段數據最大似然函數的最大值及。M則表示AR擬合過程的階數，經過多次試驗得到。最后得出AIC函數最小值，即初至波到達時間。

由STALTA類進行初步處理，ARAICPicker類將進一步對超過閾值的時間段數據進行檢測。對該時間段頻率范圍0.7—10 Hz波形數據進行濾波，利用超過閾值標記處前5 s和后5 s數據計算信噪比，去平均值，利用AR-AIC算法進行迭代計算，得到初至波最佳位置。

4.3 FilterPicker5類

FilterPicker5類是FilterPicker方法的實現類，特征函數為

其中

利用該特征函數，對波形數據以不同頻率進行觸發檢測，確定特征函數大于閾值S1= 10時的觸發時間t - trigger和頻率k；對t - trigger后的0.5 s時間段進行積分，如果該值超過閾值S2= 10，則可確定初至波位置。此算法需要在多個頻率對波形數據進行濾波及檢測，計算量大，需運用多線程方法對多個通道的波形數據并行計算，以提高計算速度。

4.4 AutoMag類

AutoMag類是自動量取振幅方法的實現類。根據情況，可調用仿真后量取振幅的方法如下：autoMeasureMlAfterEmulateWA、autoMeasureMBAfterEmulateWA、autoMeasureMsAfterEmulateWA，或調用不仿真量取振幅方法：autoMeasureMl、autoMeasureMB、autoMeasureMs，最后返回振幅震相數據。

AutoMag類對波形數據進行自動量取振幅的前提條件是，存在到時震相（自動識別或人工標記），并利用定位算法確定震中位置。AutoMag類利用理論到時震相與臺站震中距，計算一段時間內最大振幅，標記為振幅震相。根據地震震級及臺站震中距大小，AutoMag類可自動計算一種或多種振幅震相（ML、mb、MS）。而針對地方震與近震，AutoMag類可對波形數據進行預處理，仿真成W.A.儀器，使振幅震相的計算更加準確。

5 應用測試

應用測試分為兩部分：①通過對比自動識別技術產出的P波到時震相與人工分析結果的誤差，分析自動識別技術對P波到時震相的識別能力；②通過對比人工速報與自動識別技術的定位結果，包括震中位置和震級，分析自動識別技術定位結果質量和量取最大振幅的能力。

5.1 P波到時震相識別能力測試

抽取廣東地震監測臺網M＞3地震事件25個，包含P波到時震相樣本967個。其中：地方震事件14個，識別P波到時震相316個；近震事件7個，識別P波到時震相422個；遠震事件4個，識別P波到時震相229個。

3種類型地震分別與人工分析結果進行對比，見圖3—圖5，橫坐標為自動識別P波到時震相走時，縱坐標為人工分析初至波震相（Pn、Pg或P）走時單位：ms。由圖3—圖5可見，大部分樣本集中在坐標軸等角線上，說明自動識別P波到時震相與人工分析結果吻合，誤差小。

圖3 地方震P波到時對比Fig.3 The comparation of P-wave arrival-time phases in local earthquake

圖4 近震P波到時對比Fig.4 The comparation of P-wave arrival-time phases in Near Earthquake Teleseismic

圖5 遠震P波到時對比Fig.5 The comparation of P-wave arrivaltime phases in teleseismic

地方震樣本最大事件為2013年2月22日11時34分12秒廣東東源M 4.7地震，利用自動識別技術識別58個初至P波震相，以廣東測震臺網地震臺站為主，初至波走時對比見表1。與人工結果進行對比得出，自動識別與人工標注的初至波震相走時差最小0 ms，最大650 ms，平均走時差100.69 ms，93%的走時差在200 ms以內。而相差較大的幾個臺站信噪比較小，可見臺站信噪比是影響自動識別的關鍵因素。

表1 M 4.7地震自動識別與人工結果初至波走時對比Table 1 Comparison of automatic picked and manual picked first travel-times for the M 4.7 earthquake

5.2 定位結果質量測試

抽取2013年和2014年M ＞3國內速報地震和M＞6國外速報地震901個，對自動識別技術和人工速報定位結果進行對比，見圖6和圖7。由圖可見，自動與人工結果基本在坐標上重疊，震中位置誤差在50km以內的事件有832個，占事件總數的92%。

圖6 震中位置對比Fig.6 The comparison of epicenters

圖7 震中誤差比例Fig.7 The percentage of epicenter error

震級對比結果見圖8，大部分事件處于坐標軸等角線附近，其中：①M＜4事件自動量取震級偏小，原因可能是，遠臺波形數據信噪小，無法識別最大振幅位置；②4＜M＜5事件，自動量取震級偏大，原因可能是自動量取振幅模塊計算的體波震級mb，與人工速報震級M有一定偏差；③M＞6事件，自動量取與人工結果偏差較小，原因是對于震級較大事件，自動量取振幅模塊計算的矩震級MW或面波震級MS，與人工速報震級M較符合。總之，與人工速報結果對比，處理震級較小的地震事件時，自動量取振幅模塊產出結果不夠理想，對于震級較大的地震事件，二者較符合。

圖8 震級誤差對比Fig.8 The comparison of magnitude

6 結束語

MSDP交互分析軟件實現震相自動識別技術，能夠提高地震速報效率，自動識別技術對P波到時震相識別具有較高的準確度，與人工分析結果相比，誤差較小，但自動量取振幅模塊有待改進。對于臺站波形數據質量不好，信噪比相對較小的情況，需要提高最大振幅識別能力。相信隨著數字地震技術的發展，會出現更加高效、準確、實用的檢測算法，MSDP軟件自動識別技術將隨之不斷改進，進一步提高地震速報效率與質量。

趙大鵬，劉希強，李紅，周彥文，等.峰度和AIC方法在區域地震事件和直達P波初動自動識別方面的應用［J］.地震研究，2012，35（2）：220-225.

Lomax A，Satriano C and M.Vassallo，Automatic picker developments and optimization:FilterPicker - a robust，broadband picker for real-time seismic monitoring and earthquake early-warning［J］.Seism Seismological Research Letters，2012，83（3）： 531-540.

Rosenberger J L and Gasko M.Comparing Location Estimators:Trimmed Means，Medians，and Trimean［J］.Understanding Robust and Exploratory Data Analysis，1983:297-338.

Sleeman R and Eck T van.Robust automatic P-phase picking:an on-line implementation in the analysis of broad-band seismogram recordings［J］.Phys Earth Plan Int，1999，（113）：265-275.

Automatic phases recognition technology in MSDP

Su Zhujin and Huang Wenhui
（Earthquake Administration of Guangdong Province，Guangzhou 510070，China）

In this article，an automatic recognition technique of seismic phases in MSDP is described.The technique can be divided into two sections:automatic first P-phases recognition technique and automatic amplitude measurement technique.The whole technology module mainly includes four algorithm:STA/LTA detections algorithm，AR-AIC phase recognition algorithm，FilterPicker algorithm，automatic amplitude measurement method，which can greatly improve the efficiency of processing earthquake events and quick report.

earthquake quick report，detections of the first P-phases，automatic recognition，automatic amplitude measurement

10.3969/j.issn.1003-3246.2015.05.023

蘇柱金（1983—），男，工程師，主要從事地震監測、監測軟件研發工作。E-mail：suzo@foxmail.com

2013年度地震行業科研專項——全國統一編目處理系統及相關技術規范體系研制（201308008）

本文收到日期：2015-01-12