对发震构造形态特征和地震迁移规律的研究，有利于震情形势研判和震源物理的研究，也可为后期三维地壳介质结构建模提供数据支持。本研究结合大量中小地震的分布特征规律，利用机器学习的相关算法，提取断层形态特征和地震迁移规律。

近年来，随着观测精度的不断提高，中小地震数据大量产出。在川滇块体等重点观测区域，中小地震活动显示明显的丛集特征，对断层面位置和形态特征具有一定指示意义。中强地震发生后通常伴随大量余震，丰富的余震记录可为震情形势跟踪、研判及现场应急提供重要的参考依据，如发震断层的形态特征、余震破裂的迁移方向等。但是，余震并不完全按照断层的展布方向分布，在邻近区域会出现不同程度的背景地震，加之地震定位精度和断层交汇处余震归属等问题，使得断层形态特征识别难度增加，有必要借助机器学习的相关算法，对余震进行归类，剔除背景噪声地震，凸显余震沿断层展布的优势方向。文中以石棉—冕宁—西昌地区（101.7°—102.8°E，27.4°—29.6°N）2013—2019年记录的9 338次地震为样本，基于机器学习算法，研究发震构造形态特征及地震迁移规律，并分析该算法的应用前景。

石棉—冕宁—西昌地区是川滇块体的重要组成部分，发育有安宁河断裂带、则木河断裂带、大凉山断裂带等大型断裂带，地震活动相对活跃。2012年，中国地震局地球物理研究所在该区布设了高密度、宽频带流动地震台阵，开展面向断裂带深度地震活动行为的监测，对不同深度微震的检测能力进行了评估，并结合数据驱动思想，计算震级频率分布模型参数，获取了该区地震活动参数，可为机器学习算法计算提供可靠的数据来源和参数支持。而且，前人对该区块体和断层形态结构特征、活动性、运动模式、滑动速率、应力应变及相邻构造的加载关系等研究相对成熟，可为后期断层形态特征提取和解释予以验证。

结合国外相关领域的研究经验，以聚类分析和插值拟合为核心算法。其中，聚类分析主要用Scikit Learn工具包的谱聚类算法和DBSCAN算法，剔除背景噪声地震，将地震按断层形态分类，提取断层形态特征；插值拟合主要基于前期分析结果，采用Scipy工具包的Interpolate模块和Optimize模块进行插值和曲面拟合，形成断层面，并结合时间参数，分析该断层破裂面的形成演化规律。

采用上述方法，基于区域地震研究现状，借助智能会商技术平台，将大量观测数据进行流程化、自动化和智能化处理，快速实时提取震源区断层形态特征，研判地震迁移规律，为后期震情跟踪、震源机理分析、地震应急和地震形势研判等奠定基础，也可用于后期地震物理预报，为地壳介质结构模型建立提供数据支持。此外，在火山活动较强区域，岩浆房的部分熔融、塌陷以及岩浆迁移均可能造成大量中小地震的发生，其发震构造与岩浆通道密切相关，可通过上述方法自动获取岩浆迁移规律，从而为火山活动性监测和分析提供新的途径。