2022年5月山東青州地震序列自動處理結果分析與研究

摘要：采用基于深度學習的實時智能地震處理系統（RISP）檢測2022年5月1—14日山東青州地震序列，構建自動檢測目錄，評估RISP系統在山東的適用性。RISP系統檢測的地震數量多于人工編目的地震數量，匹配率達90.14%；其中系統多檢測的地震事件都含有地震信號，漏檢測的事件由于不滿足系統自動檢測的觸發條件，沒有自動處理結果。此系統的定位精度也與人工處理結果相當，在發震時刻、震中位置、震源深度等方面具有較好的一致性；但自動檢測目錄的地震震級的人工目錄測量震級略大。根據自動檢測的地震序列分布和震源機制反演推測此次地震的發震斷層為張店—仁河斷裂。檢測結果表明：RISP系統檢測的微震、小震多，定位精度準確，分析速度快，且不依賴于個人經驗，可提供更加完整的地震目錄。

關鍵詞：青州地震；深度學習；自動檢測；RISP

中圖分類號：P315.7 文獻標識碼：A 文章編號：1000-0666（2025）02-0326-08

doi：10.20015/j.cnki.ISSN1000-0666.2025.0034

0 引言

地震目錄作為地震活動性分析和地震危險性判斷的關鍵資料，其完備性、完整性至關重要。豐富的微震、小震目錄及準確的震源參數可為地震序列的活動性、發震構造及孕震機理等研究提供基礎資料（李姣等，2020；張演等，2024）。隨著地震臺網密度的不斷增大，尤其是國家預警工程山東子項目建設完成后，山東省將擁有1 539個觀測臺站，屆時地震臺網觀測數據將大幅度增加。目前山東省地震編目工作主要由人工完成，所需人力多且時效性差，急需引進和發展人工智能地震識別檢測技術。

國內外關于自動地震編目的研究有很多。日本自動地震編目系統采用貝葉斯估計的震相組合正向搜索方法（Tamaribuchi，2018），使用分級處理實現檢測事件的翻倍，提高了對同時發生的地震的分辨能力。意大利地震自動處理系統（CASP）針對連續的歸檔數據，能夠生成完整地震數據集（P波、S波到達時間、位置和強震參數等），且程序內部參數可根據地震臺網位置分布、地震波形特征等進行動態調整（Scafidi et al，2019；Spallarossa et al，2020）；Ross等（2018）利用卷積神經網絡CNN模型提取震相到時、震相類型等處理全球多來源的震相數據，結果顯示75%的樣本到時提取相比人工拾取的誤差在0.028 s以內，初動判斷正確率達到95%；美國斯坦福大學則利用PhaseNet和GaMMA在云平臺進行處理（Zhu，Beroza，2019），其檢測靈敏度和到時拾取精度較高；Yeck等（2019）使用2 100個實時地震監測站的地震數據獨立配置了一套地震相位關聯系統即CLASS3，實現了含計算效率、瞬時提取和可配置功能于一體的地震數據實時監測。

隨著我國地震監測臺站的迅速增加，監測數據量也以指數形式激增，人工分析已跟不上數據產出速度。在此背景下，廖詩榮等（2021）研發了一套實時智能地震處理系統（RISP），此系統已應用于2021年云南漾濞MS6.4地震（廖詩榮等，2021）、四川馬爾康MS6.0地震（顏利君等，2022）、青海門源MS6.9地震（王祖東等，2022）等的實時處理工作中。該系統產出目錄時效性強，精度高，震級處理下限最低可到ML0.0。山東省微震、小震多、震群活動較為明顯，本文應用RISP系統對2022年青州M3.4地震進行檢測，結合觀測報告結果，從震中分布、震級測定、定位精度等維度評估此套系統在山東微震的適應性和可靠性，為RISP系統的完整評價提供依據。

1 數據和方法

據山東地震臺網測定，2022年5月2日7時53分27秒，山東濰坊市青州市發生M3.4地震，震源深度7 km，震中位置（36.55°N，118.27°E）。2022年5月1—14日，山東臺網正式地震目錄共記錄青州地震71次，其中MLlt;1.0地震31次，ML1.0～1.9地震30次，ML≥2.0～2.9地震7次，ML3.0以上地震3次。此次青州地震震中區發育有多條斷裂，其中距離較近且規模較大的斷裂有上五井斷裂、雙山—李家莊斷裂、張店—仁河斷裂和臨淄斷裂。公元前70年安丘７級地震、1829年青州、臨朐61/4級地震與上五井斷裂和雙山—李家莊斷裂構成的“Ｘ”型共軛構造密切相關（王紀強等，2020）。

廖詩榮等（2021）研發的實時智能地震系統（RISP）可實時產出地震目錄、地震參數、震相報告等信息，可為地震精定位、地震活動性分析提供更加豐富的地震資料。該系統首先對連續波形進行去均值、去傾斜、濾波等預處理，然后采用PhaseNet對波形進行檢測，基于組觸發（Tamaribuchi，2018）和等時差八叉樹（Lomax et al，2012）搜索法結合的方法進行震相組合，使用一維或三維速度模型，調用NLLoc定位；最后仿真為DD-1地震儀的位移記錄（劉媛等，2022），自動量取振幅并計算震級。其采用的地震自動檢測算法處理效率比傳統算法高，不僅可以檢測大地震，對于小地震的檢測同樣適用，目錄完備，產出豐富。該系統利用共享內存，AMQ消息中間件技術，實現模塊化設計、多模式協同、分布式部署；擁有在線和離線兩種處理模式，可自動產出完整的地震觀測報告。

本文使用RISP系統的離線處理模式對2022年5月青州地震震后14天的連續波形進行處理，研究區域和觀測臺站分布如圖1所示，RISP系統使用的臺站與人工編目一致。本文同一地震匹配規則與廖詩榮等（2021）規則一致：發震時刻偏差小于5 s，震中位置偏差小于20 km。若人工目錄中的地震事件無法從自動目錄中找到，則認為是漏檢測事件，若自動目錄中的地震事件無法從人工目錄中找到，則認為是多檢測事件。

2 結果與討論

2.1 自動檢測目錄與人工目錄對比

青州地震震后14天，人工編目共產出71個地震事件，RISP系統共產出78個地震事件，匹配成功64條，匹配率達90.14%（64/71）；漏檢測7個事件，漏檢測率為9.86%（7/71），其平均震級ML為0.44；RISP系統多檢測14個事件，平均震級ML為0.87。對多檢測的14個事件，確認每個事件都含有地震信號；漏檢測的7個地震，最大震級為ML1.2，最小震級為ML0.0；其中5個地震為人工編目單臺定位，只使用了1～2個震相，另外2個地震最多只使用3個震相進行定位，而RISP系統定位的最小定位需求則為5個震相，不滿足地震事件觸發條件，所以沒有自動處理結果。從漏檢測結果來說，除去沒有滿足觸發條件的地震事件，其余地震全部自動檢測出。

圖2為自動檢測和人工目錄給出的地震分布圖，自動檢測目錄與人工目錄在震中位置方面一致性較好，但自動檢測目錄產出地震數量多，分布更聚集。山東地震臺網在此時間段內分析震相1 090個，RISP系統拾取震相2 974個，可見RISP系統在拾取震相方面更具優勢。圖3為自動拾取的震相的走時分布，P波震相拾取數量為1 568個，S波震相拾取數量為1 406個，P波和S波的震相走時與震中距基本成線性關系，尤其是150 km以內的震相離散程度較低，自動拾取的震相到時精確、可信度高。

圖4為匹配成功的地震的發震時刻、震中位置、震源深度、震級偏差的數量統計圖（自動目錄與人工目錄）。從圖中可以看出，人工目錄與自動目錄發震時刻偏差為-1～2 s，有62次地震的發震時刻偏差小于±1.0 s，占比96.88%，多數地震的發震時刻偏差都在零軸左側，說明RISP系統在震相拾取方面略早于人工。震中位置誤差都在15 km以內，有2次地震的震中位置偏差為10～14 km，圖5為震中距相差較大的事件波形圖，圖中用短豎線標注了自動檢測的震相到時，震中距相差較大的主要原因在于AI算法適用于震中距小于150 km的震相，在兩個震中位置偏差較大的地震事件中自動編目將大于150 km遠臺的模糊震相參與了定位，遠臺信號信噪比低導致RISP系統在震相到時的拾取方面可靠性降低；震源深度偏差小于10 km的地震有64次，占比為100%。震級偏差全部在1級以內，其中12個地震事件震級偏差大于0.4，占比約為18%；震級偏差大于0.5級的地震事件有6個，占比9.4%，最大的震級偏差達到ML0.8。表1為這6個事件的詳細信息，從表可見自動編目量取的SME、SMN震相數遠遠高于人工編目。

圖6為匹配成功的地震的震級偏差，由圖可見，相同臺站單臺震級相差不大，在±0.16級以內，偏差±0.1級以內的居多，占比90%，相同臺站單臺震級幾乎一致但最終震級有所偏差，可能有兩個原因：一是自動檢測目錄識別的振幅更多，尤其對于遠臺震相，其地震波背景噪聲大導致自動編目拾取的SME、SMN震相不準確。

二是自動檢測目錄事件震級和人工編目事件震級的計算方法不同，前者使用了日本地震學公報中測量震級的JMA方法，計算所有臺站震級的初始平均值和標準偏差，將差值大于0.5的剔除，直至標準差小于0.35；后者則在位移記錄中量取水平分量的最大振幅值并使用式（1）進行計算。此外，在匹配成功的64個地震事件中，大部分地震事件的自動編目震級大于人工編目震級，從圖6中也可看出單臺自動編目震級同樣略大于人工編目震級，這與王祖東等（2022）對青海門源MS6.9地震余震序列的自動處理結果一致，這歸因于RISP系統未使用校正過的量規函數計算震級。

圖7為自動檢測目錄與人工目錄在不同震級段的地震數量對比，本文僅對比ML。由圖可知，人工目錄與自動目錄震級分布范圍基本一致，為ML0～4.1。相對人工編目，自動編目產出的地震事件主要集中在ML0.3～2.6，這是由于RISP系統采用了靈敏度更高的AI震相拾取算法輔助與三分量波形判斷（廖詩榮等，2021），能夠更好地拾取信噪比低的地震事件。自動目錄填補了部分正式目錄的震級空白，豐富了研究區內微震和小震，拾取的微震和小震越多，震級資料越豐富，完備性震級越低，b值結果越準確。由最小二乘法得到的b值結果，人工目錄為0.60，自動目錄為0.64。漏檢測的地震事件多集中在0.3級以下，其主要原因在于同一地震事件自動編目震級結果比人工編目震級結果要大，且人工目錄中含有單臺定位的微震和小震（如ML0.0）。從產出地震事件的數量看，RISP系統在微小地震的檢測方面更有優勢。圖8為RISP系統自動檢測的雙震疊加的震相到時，用短豎線標出，由圖可見RISP系統能夠準確識別出山東省內多震疊加的事件波形，從而彌補人工識別此類地震事件的缺陷，對提升地震序列的完整性與實用性具有較大的意義。

2.2 震源機制解反演

本文選取方位角覆蓋震中位置較好的16個臺站的寬頻帶波形（戴宗輝等，2022），使用CAP方法，以RISP系統獲得發震時刻和精確位置進行震源機制解算。由最佳震源深度圖可見，不同深度的兩個節面參數結果基本穩定，當震源深度在3.0 km時，觀測波形和理論波形的擬合值達到最小，此時矩震級為MW3.8（圖9）。圖10為CAP方法反演地震波形擬合，參與反演的共有16個臺站，在65個震相中理論地震圖與觀測地震圖相關系數大于80%的有41個，占比63%；相關系數大于60%的占比為90.77%，結果較為可靠。

2.3 發震構造討論

為驗證RISP系統自動處理的青州地震序列分布是否可用于輔助判定發震斷層，采用CAP方法反演主震的震源機制解：節面I走向301°、傾角67°、滑動角-81°，節面II走向98.9°、傾角24.6°、滑動角-110.2°。青州M3.4地震發生在張店—仁河斷裂、臨淄斷裂、上武井斷裂的交會處（圖11），距上武井斷裂、雙山—李家莊斷裂和臨淄斷裂較遠，在震中附近沒有其它的已知斷層（洪德全等，2011）。位于沂沭斷裂帶以西的張店—仁河莊斷裂（王紀強等，2020），是魯中隆起東北部的一條活動性較強的NW向斷裂（晁洪太等，1997），沿此斷裂及其延伸方向（王紀強等，2020）發生過較多大震，如公元前安丘７級地震，1829年青州、臨朐61/4級地震。本文用CAP方法獲得的震源機制解的節面I與張店—仁河斷裂大致平行，表現為正斷型地震，斷層走向為NW—SE方向，但距離雙山—李家莊斷裂相對較遠，推測其發震斷層可能位于雙山—李家莊西南側的張店—仁河斷裂。

3 結論

本文以2022年5月青州地震序列為例，評估了RISP系統對山東省微震、小震處理結果的可靠性。本次序列的人工目錄較為詳細，RISP系統能夠多檢測14個地震事件，且能夠精確識別多震疊加的事件波形，可見該系統在密集地震序列處理上具有優勢，自動檢測目錄與人工目錄在發震時刻、震源深度、震中位置具有較好的一致性。但兩者震級略有不同，自動檢測目錄的震級略大，一方面原因是RISP系統選取了更多的震相參與震級計算，另一方面該系統采用了更為精確的JMA震級測量方法。將自動檢測目錄的地震分布用于判斷發震斷層，推測青州地震發震斷層可能為張店—仁河斷裂。

RISP系統可應用于微震區的日常編目工作，可以在時間域和空間域均勻提升地震的檢測能力，其高效率、高靈敏度以及很強的泛化能力，具有非常好的發展前景。但該系統也存在對遠臺震相誤識別及計算震級偏大情況，需與人工識別的優勢結合，提升地震目錄的完整性，為應急救援、地震預報等研究提供準確完整的數據支撐。

本文研究數據由山東地震臺提供，福建省地震局廖詩榮研究員提供了RISP系統，山東省地震局董騰超在實時智能地震處理系統安裝方面大力支持，在此一并表示感謝。

參考文獻：

晁洪太，王琦，李家靈，等.1997.山東省地震構造圖、山東省新構造圖及其說明書［M］.濟南：山東省地圖出版社.Chao H T，Wang Q，Li J L，et al.1997.Earthquake tectonic map of Shandong Province，new tectonic map of Shandong Province and manual［M］.Jinan：Shandong Province Curtographic Publishing House.（in Chinese）

戴宗輝，李冬梅，王鵬，等.2022.2020年2月18日長清MS4.1地震發震構造研究［J］.地震，42（1）：111-121.Dai Z H，Li D M，Wang P，et al.2022.Study on the seismotectonics of the MS4.1 Changqing earthquake on 18 February，2022［J］.Earthquake，42（1）：111-121.（in Chinese）

洪德全，王行舟，韓立波，等.2011.用CAP方法研究安慶MS4.8級地震震源機制［J］.中國地震，27（2）：207-214.Hong D Q，Wang X Z，Han L B，et al.2011.Source mechanism of the 2011 MS4.8 Anqing earthquake determined from CAP method［J］.Earthquake Research in China，27（2）：207-214.（in Chinese）

李姣，姜金鐘，楊晶瓊.2020.2017年漾濞MS4.8和MS5.1地震序列的微震檢測及重定位［J］.地震學報，42（5）：527-542.Li J，Jiang J Z，Yang J Q.2020.Microseismic detection and relocation of the 2017 Yangbi MS4.8 and MS5.1 earthquake sequences，Yunnan［J］.Acta Seismologica Sinica，42（5）：527-542.（in Chinese）

廖詩榮，張紅才，范莉蘋，等.2021.實時智能地震處理系統研發及其在2021年云南漾濞地震MS6.4地震中的應用［J］.地球物理學報，64（10）：3632-3645.Liao S R，Zhang H C，Fan L P，et al.2021.Development of real-time intelligent seismic processing system and its application in the 2021 Yunnan Yangbi MS6.4 earthquake［J］.Chinese Journal of Geophysics，64（10）：3632-3645（in Chinese）.

劉媛，顏利君，廖詩榮，等.2022.實時智能地震處理系統在2020年四川石渠M5.6地震序列中的應用［J］.地質論評，68（4）：1375-1381.Liu Y，Yan L J，Liao S R，et al.2022.Application of real-time intelligent seismic processing system in the 2020 M5.6 earthquake in Shiqu，Sichuan［J］.Geological Review，68（4）：1375-1381.（in Chinese）

王紀強，王冬雷，鹿子林，等.2020.雙山—李家莊斷裂地表破裂特征與最新活動性研究［J］.地震，40（4）：115-128.Wang J Q，Wang D L，Lu Z L，et al.2020.The surface rupture characteristics and latest activities of the Shuangshan-Lijiazhuang Fault［J］.Earthquake，40（4）：115-128.（in Chinese）

王祖東，楊曉鵬，尹欣欣，等.2022.2022年1月8日青海門源MS6.9地震余震序列自動處理結果探討［J］.地震工程學報，44（2）：408-414.Wang Z D，Yang X P，Yin X X，et al.2022.Discussion on the automatic processing results of aftershock sequence of Menyuan，Qinghai MS6.9 earthquake on 8 January，2022［J］.China Earthquake Engineering Journal，44（2）：408-414.（in Chinese）

顏利君，劉媛，廖詩榮，等.2022.2022年6月10日四川馬爾康地震序列實時智能檢測結果分析與研究［J］.地震工程學報，44（6）：1450-1458.Yan L J，Liu Y，Liao S R，et al.2022.Real time automatic detection results of the Maerkang，Sichuan earthquake sequence on June 10，2022［J］.China Earthquake Engineering Journal，44（6）：1450-1458.（in Chinese）

張演，姜金鐘，王光明，等.2024.云南鹽津地區兩種地震序列的地震活動性分析［J］.地震研究，47（2）：178-190.Zhang Y，Jiang J Z，Wang G M，et al.202.Analysis of the seismicity of two types of earthquake sequences in Yanjin，Yunnan［J］.Journal of Seismological Research，47（2）：178-190.（in Chinese）

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

Ross Z E，Meier M A，Hauksson E，et al.2018.Generalized seismic phase detection with deep learning［J］.Bulletin of the Seismological Society of America，108（5A）：2894-2901.

Scafidi D，Spallarossa D，Ferretti G，et al.2019.A complete automatic procedure to compile reliable seismic catalogs and travel-time and strong-motion parameters datasets［J］.Seismological Research Letters，90（3）：1308-1317.

Spallarossa D，Cattaneo M，Scafidi D，et al.2020.An automatically generated high-resolution earthquake catalogue for the 2016-2017 Central Italy seismic sequence，including P and S phase arrival times［J］.Geophysical Journal International，225：555-571.

Tamaribuchi K.2018.Evaluation of automatic hypocenter determination in thr JMA unified catalog［J］.Earth Planets and Space，70（1）：1-13.

Yeck W L，Patton J M，Johnson C E，et al.2019.GLASS3：A standalone multiscale seismic detection associator［J］.Bulletin of the Seismological Society of America，109（4）：1-10.

Zhu W Q，Beroza G C.2019.PhaseNet：a deep neural network based seismic arrival time picking method［J］.Geophysical Journal International，216（1）：261-273.

Analysis of the Automatically Processed Results of the Qingzhou EarthquakeSequence in Shandong in May 2022

CHEN Tingting1，ZHANG Ling1，JIANG Qifeng WANG Yu1，ZHANG Zhengshuai1，GUAN Yiliang1

（1.Shandong Earthquake Agency，Jinan 250014，Shandong，China）

（2.Shandong Earthquake Disaster Prevention Center，Jinan 250021，Shandong，China）

Abstract The real-time intelligent seismic processing system（RISP）based on deep learning monitored the May 1-14，2022，earthquake sequence in Qingzhou，Shandong Province，and identified more earthquakes than manual identification，boasting a 90.14% accuracy rate.The exceeding earthquakes identified by RISP system do have seismic signals.The undetected events do not meet the trigger conditions of RISP system and have no automatic processing results.The positioning accuracy of RISP system is equal to that of the manual results，and other seismic parameters like original time，epicenter position，focal depth，etc.are in consistent with the manual results.However，the magnitude given by RISP system is slightly larger than that of the manual results.Based on the distribution and the inverted source mechanisms of the Qingzhou earthquake sequence，the Zhangdian-Renhe fault is supposed to be the seismogenic fault of the Qingzhou earthquake sequence.RISP system is proved to be capable of detecting more micro- and small-earthquakes.It has high accuracy for earthquake location，it does rapid analysis of seismic phases，but it does not depend on manual experience.

Keywords：the Qingzhou earthquake；deep learning；automatic detection；RISP

收稿日期：2024-05-06.

基金項目：山東省地震局一般項目——實時智能地震處理系統在青州地震序列中的應用（YB2304）.

第一作者簡介：陳婷婷（1995-），助理工程師，主要從事地震預測預報分析工作.E-mail：tingtingchen1995@163.com.

通信作者簡介：張 玲（1971-），高級工程師，主要從事地球物理分析預報工作.E-mail：zhanglingeq@163.com.

陳婷婷，張玲，蔣其峰，等.2025.2022年5月山東青州地震序列自動處理結果分析與研究［J］.地震研究，48（2）：326-333，doi：10.20015/j.cnki.ISSN1000-0666.2025.0034.

Chen T T，Zhang L，Jiang Q F，et al.2025.Analysis of the automatically processed results of the Qingzhou earthquake sequence in Shandong in May 2022［J］.Journal of Seismological Research，48（2）：326-333，doi：10.20015/j.cnki.ISSN1000-0666.2025.0034.