近年来，随着观测仪器的大量布设和震例资料的不断累积，地震前兆异常研究获得越来越多的关注，其中破年变异常研究较为普遍^[1-2]。该类异常过去主要以人工判别为主，为提升客观性，相关学者开展定量提取算法研究，以正常年变背景拟合为基础，提出包括距平法、最小二乘法、分段最小二乘法、滑动傅里叶方法和奇异谱分析方法等典型算法^[3-5]。其中，距平法、最小二乘法构建的背景年变时序相对固定，无法适应变化的背景年变；分段最小二乘法通过分段形式解决背景年变变化问题，但会在分段点处引入阶跃；滑动傅里叶方法对非正/余弦波及非平稳时序周期成分的识别不太稳定；奇异谱分析方法存在相移现象，且处理过程中部分参数需要根据实际情况进行交互设置，不利于自动化业务应用。在预报效能定量评估方面，目前的主要依据包括有震报准率、无震报准率、漏报率、虚报率、时空占有率等参数，对上述参数进行适当组合，形成R值评分、Molchan图表法、接收者操作特性(ROC)曲线等评估方法^[6-8]。虽然上述方法的侧重点不同，但相互之间具有一定的关联，在实际预报业务中得到广泛应用。

本文提出一种基于时频分析方法的破年变信息分离提取流程，并基于双向非对称阈值策略，结合R值评分及Molchan图表法构建预测指标确定和效能定量评估方法。以新疆库尔勒水平摆倾斜北南测项的处理分析为例，介绍该方法的实际应用过程。

1 破年变信息提取及预测指标效能评估方法 1.1 基于时频分析方法的破年变信息提取流程

时频分析方法在多组分信号非稳态时频演化过程研究中具备优势，比较适合破年变信息的分离和提取。本文将时频分析类方法中应用相对广泛的S变换方法^[9]作为流程构建基础，该方法具有良好的时频聚集性和时频分辨率。具体步骤如下：

1) S变换处理。在去台阶、去突跳点、缺数插值等预处理基础上，针对日值采样数据进行数据筛选，选择观测时长较长且年变显著的数据用于S变换计算(基于频段幅值比进行年变显著程度的定量评估)。为降低边界效应，对数据两侧进行数据总长度7.5%的扩边处理。

2) 信息指标建立。基于计算结果建立2个信息指标，分别为年频段归一化平均幅度(ANA)和其他频段归一化平均幅度(ONA)。具体定义如下：

$ y(t) = \frac{1}{{{\mathop{\rm num}\nolimits} }}\sum\limits_{T = {T_1}}^{{T_2}} | S(t, T)| $

(1)

$ {y_{{\rm{norm }}}}(t) = \frac{{y(t) - \overline y }}{y} $

(2)

式中，S(t, T)为S变换结果，t为观测时间，T为信号周期，num为累加的不同周期信号个数，$\overline y $为y(t) 平均值。计算$\overline y $时需要各自扣除y(t) 总长度5%的极大值和极小值，以降低个别极值的影响。当T₁=14 d(跨断层观测的T₁=90 d)、T₂=250 d时，计算结果y_norm(t)即为ONA，该结果与常规方法提取的短周期破年变残差信号具有一定的类比性；当T₁=250 d、T₂=500 d时，计算结果y_norm(t)即为ANA，可展示背景年变信号的演化过程。

1.2 综合R值和Molchan图表的预测指标确定和效能评估方法

预测指标确定和效能评估最常用的方法为R值评分法。R值为扣除随机概率后的预报成功率，R=0表示预报无效。当同样的R值基于的地震次数不同时，信度也不同，因此还需要考虑R₀值。当R值大于R₀值时可认为，该R值至少有97.5%的置信度^[10]。Molchan图表法同样考虑了漏报率、预报占时率等要素，可通过概率增益、显著性水平等要素对模型预测能力展开进一步评价。

综上所述，动态设置一系列异常阈值，利用漏报率、预报占时率建立坐标，可生成Molchan曲线。基于该曲线可确定特定规则下(特定震级范围、预报范围及预报时窗)的相对最优阈值，即同时考虑距对角线最远点P1及距原点最近点P2，从中选择概率增益更大点对应的阈值参数(概率增益Gain=有震报准率/预报占时率，可反映与随机概率相比目前概率的提升倍数)。P1实际对应R值最大点，即漏报率、预报占时率L1范数最小点，P2则对应漏报率、预报占时率L2范数最小点。当Molchan曲线点位于显著性水平α=2.5%参考线左侧时，表示该点对应的R值大于R₀值(图 1(a))。采用双向非对称二维阈值策略(信息指标小于负向阈值Th₁或大于正向阈值Th₂，均被判定为异常，Th₂>Th₁)，可充分考虑正向、负向异常差异性。同一漏报率可能会对应多个预报占时率，需从中选择预报占时率最小时所对应的阈值参数组合。常用的双向对称阈值、单向阈值等一维参数均为该策略的特例，因此基于双向非对称阈值策略获得的阈值参数预测效能最优(图 1(b))。按照震级档对空间范围、预报时窗等参数进行调整，重复上述相对最优参数指标计算过程，对比不同参数组合下的R值，选择最大值对应的空间范围、预报时窗、阈值参数作为该震级档的最优预测指标。若R值相同，则可进一步依据高概率增益、低显著性水平进行筛选。

2 实际观测数据应用

新疆库尔勒台周边中强地震相对较多，以该台站水平摆倾斜北南测项为例，介绍上述方法的实际应用过程。使用数据时段为2008-01-01~2022-02-22(图 2(a))，该数据频段幅值比为2.02，具备相对清晰的年变背景(图 2(b))。

图 3(a)、图 4(a)分别为其他频段归一化平均幅度ONA(周期为14~500 d)以及年频段归一化平均幅度ANA(周期为250~500 d)曲线图。ONA可显示短周期信号的变化情况，由图 3(a)可见，2015年之前周期信号变化相对剧烈，2015年之后变化相对减缓；ANA可反映背景年变信号演化过程，由图 4(a)可见，ANA指标幅度缓慢增大，并在2012-07前后达到峰值，之后逐渐减小，2016-08前后再次缓慢增大。基于该信息，根据M≥5和M≥6两个震级档开展预测指标确定和效能评估。图 3(c)和图 4(c)为不同预报时窗、不同空间范围下相对最优阈值组合对应的R值分布情况，白色五角星为最优空间范围和预报时窗所处位置。

由图 3、4可见，5级以上地震的ANA和ONA信息最优预报范围均在200 km以内，最优预报时窗分别为930 d和840 d。最优预测指标均可正确预测观测期间发生的5次5级以上地震(2012-01-08和硕5.0级、2012-06-15轮台5.4级、2013-03-29昌吉5.6级、2015-06-25托克逊5.4级和2016-01-14轮台5.3级地震)，2种信息最优指标的R值均大于R₀值，统计意义上可信度较高。ONA信息最优预测指标对应的预报占时率和显著性水平更低，R值和概率增益更高，预测效能相对更优。

6级以上地震的ANA和ONA信息最优预报范围均在250 km以内，且最优预报时窗均为7 d。最优预测指标均可正确预测观测期间发生的2次6级以上地震(2012-06-30新源6.6级和2016-12-08呼图壁6.2级地震)。由于该时段内发震次数较少，对应的R₀值较高，因此只有当ANA信息最优指标的R值大于R₀值时，才会在统计意义上有较高的可信度。ONA信息最优指标对应的预报占时率较高，导致R值偏低，未通过显著性水平2.5%的检验。

3 结语

本文基于S变换时频分析方法，构建破年变信息分离提取新流程，该流程在提供短周期信号(ONA)的同时还可提供背景年变信号(ANA)的演化过程。采用双向非对称二维阈值策略，结合R值评分及Molchan图表法重新构建预测指标确定及效能评估流程。阈值参数空间扩展及评估因素的增加使得获取的指标相对更优、评估更加合理。新疆库尔勒水平摆倾斜北南测项的实际应用效果较好，该测项ANA对台站周边250 km内6级以上地震具有较好的预测效能，ONA则对200 km范围内5级以上地震具有相对更优的预测效果。

需要说明的是，本文方法获得的预测指标均基于概率统计，该类指标大多会面临地震样本数较少导致的稳定性问题，且单个地震实况不一定与整体概率预测结果一致，因此在实际震情研判过程中还需要综合考虑多方面因素。此外，为提升预测指标的合理性，后续可围绕干扰排除、震例相关性等进行更深入的研究。