2021, Vol. 42
2019年8月起，河南平顶山平煤矿区及周边小震持续活跃，尤其是2020年2月，矿区及周边地震频次明显增加，震级多为ML 1.0—2.5，形成了一个微震震群。《新的国家地震区划图》（高孟潭，2003）显示，平顶山市位于地震烈度Ⅵ度区，该区属抗震设防区。平煤矿区内地质构造环境复杂，井下爆破施工频繁，存在大量采空区，此次微震震群活动即集中分布在矿区及其周边地区。
在地震日常监测工作中，分析人员需要对实时记录的地震事件进行分类。不同人员对震相的理解和分析存在主观上的差异，这会导致事件类型混淆，并直接影响到日后的震情研判工作。因此，如何正确识别地震事件类型，保证产出地震目录的准确性，对分析该地区构造应力背景和此次震群的活动性质较重要，这不仅关系到矿产企业的生产安全，也是目前平煤矿区所面临的主要问题之一。
本文拟对河南测震台网记录的平顶山平煤矿区及周边地区的天然地震和人工爆破进行波形特征提取并对比分析，以期得到快速识别该地区地震事件类型的判据方法。
1 识别方法简述和震例选取自20世纪50年代开始，国内外科研人员对天然地震与人工爆破的识别进行了广泛和深入的研究，并提出多种识别判据。林伟等（2004）、袁芬等（2004）、赵永等（1995）、汪贵章等（2010）等使用发震时间规律、波形特征、衰减时间等方法对非天然地震进行研究，得到了非天然地震的一些基本特征和普适性的识别方式；边银菊等（2010）、王婷婷等（2011）、王惠琳等（2017）利用前人得到的非天然地震基本特征和规律，应用不同的方法（如发震规律、P波初动方向、振幅比、振幅与尾波持续时间比等），对天然地震和人工爆破作进一步对比，提出了更加具有针对性和适宜性的识别判据。
根据河南测震台网记录可知，平顶山平煤矿区及周边（33.65°—33.95° N，113.03°—113.34°E）地震事件震级普遍较小，多数为ML 1.0—1.9，其占所有事件总数的85%以上。因此，选择将该震级范围内的地震作为主要研究对象。选取2019年8月—2020年3月共计92个事件（表 1），其中，天然地震（EQ）71个、人工爆破（EP）21个（图 1）。
|
表 1 本研究所选平煤矿区震例参数 Table 1 The parameters of earthquakes and explosions analyzed in this study |
|
图 1 平煤矿区及周边地区构造断裂和事件震中分布 Fig.1 The distribution of faults, earthquakes, and explosions in the Pingmei mining area |
通常认为，天然地震的发震时间较随机，而人工爆破的发震时间较规律（为减少对附近居民的影响，矿区内施工一般将施工爆破作业计划安排在凌晨前后）。对21个人工爆破的发震时刻作初步统计后发现（图 2），14个（67%）的发震时刻集中在晚上22点以后至第2天凌晨5点前后。但总的来说，没有明显的规律性特征，因此，发震时间特征不能作为区分该地区天然地震和人工爆破的依据。
|
图 2 人工爆破的发震时间 Fig.2 The occurrence time of the explosions |
爆破为膨胀源，其产生的压缩波无象限分布，因此P波垂直分量初动方向应全部向上；天然地震为岩石的破裂或错动，其产生的压缩波和膨胀波有象限分布（杨成荣等，2001）。P波初动方向的判定标准为（王婷婷等，2011）：在1个事件的所有波形记录中，若P波初动方向向上的波形占初动清楚的台站总数的80%以上，则认为此事件的P波初动方向为上；反之，若P波初动方向向下的波形占总数的50%以上，则认为此事件的P波初动方向为下；不满足以上2种情况时，则认为无法通过初动方向来判断是天然地震还是人工爆破。
统计了92个震例的波形记录，其中，能够清晰识别P波初动方向的仅有306条，平均1个事件不足4条。通常，使用P波初动方向的方法识别地震事件类型时，需要综合考虑可包围事件的多个台站P波初动方向结果。而若研究区域及周边地区测震台站数量较少，波形记录包围性不好，对部分事件或因震级较小、干扰叠加和信噪比等因素的影响无法准确判断P波初动方向，因此采用上述P波初动方向作为判定标准（王婷婷等，2011）存在局限性。但考虑到P波初动符号目前仍是识别人工爆破和天然地震的最快速直观的方法，因此，我们对研究区92个震例的PDS台记录的P波初动方向进行统计，向上的记为1，向下的记为-1，初动方向无法判断的记为0（图 3）。
|
图 3 P波初动方向 Fig.3 The P-wave first-motion polarity |
21个人工爆破事件中，2个初动不清，1个初动向下，18个初动向上；71个天然地震事件中，10个初动不清，35个初动向下，26个初动向上。结果显示，人工爆破事件的P波初动方向向上的占多数（95%），天然地震P波初动无明显的方向特征。
2.3 振幅比人工爆破波形有较强的P波群，S波相对较弱；而天然地震发生时，岩石剪切错动，会产生较强的S波（赵永等，1995；Yildinm E et al，2011）。因此，P、S波的振幅比可以反映此特点，而且利用振幅比的方法可以有效降低震级、地震计放大倍数和频率的影响（王婷婷等，2011）。选用PDS台的波形记录，分别量取P波初动振幅与S波最大振幅之比Pc/Sm[图 4（a）]和P波最大振幅与S波最大振幅之比Pm/Sm[图 4（b）]。
|
图 4 P波振幅与S波最大振幅的比值 （a）P波初动振幅与S波最大振幅之比Pc/Sm；（b）P波最大振幅与S波最大振幅之比Pm/Sm Fig.4 P-wave amplitude to S-wave maximum amplitude ratio |
由图 4可见，人工爆破的P波初动振幅与S波最大振幅之比Pc/Sm为0.4—1.3，其中，20个事件的大于0.5，占总数的95%；天然地震的则普遍较小，为0—0.7，其中，小于0.5的有64个事件，占总数的90%。因此，选取Pc/Sm=0.5作为阈值即可区分大部分天然地震和人工爆破。
人工爆破的P波最大振幅与S波最大振幅之比Pm/Sm为0.7—2.1，其中，20个事件的大于0.94，占总数的95%；而天然地震的为0—1.0，其中，70个事件的小于0.94，占总数的98.6%。因此，选择Pm/Sm=0.94作为阈值可区分大部分天然地震和人工爆破。
2.4 振幅与尾波持续时间比人工爆破一般发生在地表浅源，传播路径在地表浅层，能量损失较大，衰减较快。而从理论上来讲，相同震级的天然地震较人工爆破波形持续时间长，因此可以利用波形持续时间这一特性来对事件进行分类。本研究利用PDS台的波形记录量取了事件尾波持续时间，此处对尾波持续时间的定义为从S波初动到噪声水平的时间，分别统计了P波初动振幅与尾波持续时间之比Pc/T [图 5（a）]、P波最大振幅与尾波持续时间之比Pm/T [图 5（b）]和S波最大振幅与尾波持续时间之比Sm/T（图 6）。
|
图 5 P波振幅与尾波持续时间的比值 （a）P波初动振幅与尾波持续时间之比Pc/T；（b）P波最大振幅与尾波持续时间之比Pm/T Fig.5 The ratios of the P-wave amplitudes to coda durations |
|
图 6 S波最大振幅与尾波持续时间的比值 Fig.6 S-wave maximum amplitude to coda wave duration ratio (Sm/T) |
由图 5、6可见，2种类型事件的P波初动振幅、最大振幅与尾波持续时间的比值分布疏散且跨度较大，无法提取出有效的阈值来区分事件类型。而人工爆破的S波最大振幅与尾波持续时间的比值有一定规律可寻，其值为0—0.3，其中，小于0.2的有20个事件，占爆破事件总数的95%；天然地震的值为0.06—1.70，分布范围较大且数值没有较集中的区域。如果设定Sm/T=0.2作为阈值，则人工爆破事件可被有效地识别出来，但对天然地震的识别效果并不理想。
3 判据识别能力许绍燮（1989）提出的预报能力评分R值，除可用于地震预报效能评价之外，还可用于判断物理量的聚集程度和关联信息评价。边银菊（2005）将之引入到爆炸地震学中，提出了识别地震与爆炸的能力评定指标dr。dr值（真威胁率）的定义为
| $ \text{dr} = D-F $ | (1) |
其中，D为爆破识别正确率；F为天然地震识别为爆炸的概率（即天然地震的误识率）。这里定义dr时既考虑了爆破识别的正确率，又考虑到了天然地震的误识率，因此，我们可以将dr定义为研究区内地震类型的最小正确识别率，并以此来评估区域地震事件类型识别判据的有效程度。
将对前述识别判据综合计算后的结果设定阈值并进行了统计（表 2）。由表 2可见，P波最大振幅与S波最大振幅之比Pm/Sm的dr值最大为0.94，将其作为研究区域天然地震和人工爆破的识别判据较可靠；Pc/Sm和Sm/T在一定程度上可以结合Pm/Sm加以使用，以提高地震事件分类的准确性；而P波初动方向特征的方法在研究区域内仅可作为识别爆破的辅助判据，并不具有实际意义。
|
|
表 2 各判据的识别结果和效能 Table 2 The identification results and efficacy for different criteria |
（1）针对于平顶山平煤矿区及周边地区的地震事件，总结并归纳了4种直观快速的事件类型识别方法，并提出可用真威胁率dr值来评定识别判据的有效程度。研究结果表明，利用P波最大振幅与S波最大振幅之比Pm/Sm的识别效果最好，可以作为识别本区域地震事件类型的主要判据；P波初动振幅与S波最大振幅之比Pc/Sm和S波最大振幅与尾波持续时间之比Sm/T这2种方法可以结合Pm/Sm加以使用，以提高事件分类的准确性；P波初动方向特征的方法在该研究区域内仅可作为识别爆破的辅助判据。
（2）研究中发现，一些事件利用多种判据方法得到的类型与真实类型相悖，如2019年10月22日ML 1.0、2020年2月7日ML 1.1、3月3日ML 1.9等地震事件。经分析发现，这些事件震中普遍集中分布在研究区边缘，对于ML 1.0左右的小震级事件，可能受信噪比、衰减路径等因素的影响，在波形识别中存在一定的困难。同时，本研究选取的PDS台站距震群震中较近，对于震级稍大的事件在量取波形特征时可能应选取更多距离稍远的台站进行综合分析。此外，矿区内煤层大面积开采，地下浅层结构复杂，也给多数地震事件的识别增加了难度，因而造成了对部分地震事件利用以上判据方法未能正确地判定其真实类型。今后，需要进一步结合模式识别、神经网络、运筹学等方法进行多判据的综合识别研究。
（3）本研究基于快速识别事件类型的要求，只提出了4种针对于平顶山平煤矿区及周边地区ML 1.0—1.9天然地震和人工爆破的识别判据。今后，通过进一步积累该区域的震例并通过不断修正阈值，有望提高该区域所有震级地震的识别正确率。
（4）受河南省各地区地质构造的差异、不同矿区井下岩性结构和人工爆破方式的多样性等因素的影响，不同地区地震波形记录的特征也各不相同，本研究所提出的天然地震和人工爆破的识别判据在其他地区未必适用。但可以参考本文研究方法，提取出不同地区的地震类型识别判据，并将研究结果运用在“河南省非天然地震识别系统”，以实现在河南地震监测工作中对非天然地震的自动化识别。
边银菊, 黄汉明, 郭永霞. 明灯一号及邻近地区地震与爆炸的识别[J]. 地震地磁观测与研究, 2010, 31(5): 49-55. DOI:10.3969/j.issn.1003-3246.2010.05.009 |
边银菊. Fisher方法在震级比mb/MS判据识别爆炸中的应用研究[J]. 地震学报, 2005, 27(4): 414-422. DOI:10.3321/j.issn:0253-3782.2005.04.008 |
高孟潭. 新的国家地震区划图[J]. 地震学报, 2003, 25(6): 630-636, 675. DOI:10.3321/j.issn:0253-3782.2003.06.009 |
林伟, 吴叔坤, 陈杏. 广东非天然地震的特征与识别[J]. 华南地震, 2004, 24(1): 35-43. DOI:10.3969/j.issn.1001-8662.2004.01.006 |
汪贵章, 凌学书, 张佑龙, 等. 安徽及周边爆破塌陷特殊地震动特征识别[J]. 防灾科技学院学报, 2010, 12(2): 26-31. DOI:10.3969/j.issn.1673-8047.2010.02.007 |
王惠琳, 李志雄, 徐晓枫, 等. 琼北确定性人工爆破与天然地震识别判据[J]. 地震地磁观测与研究, 2017, 38(4): 74-80. DOI:10.3969/j.issn.1003-3246.2017.04.013 |
王婷婷, 边银菊. 识别天然地震和人工爆破的判据选择[J]. 地震地磁观测与研究, 2011, 32(6): 62-67. DOI:10.3969/j.issn.1003-3246.2011.06.012 |
许绍燮. 地震预报能力评分[A]//国家地震局科技监测司. 地震预报方法实用化研究文集: 地震学专辑[C]. 北京: 学术书刊出版社, 1989: 554-575.
|
杨成荣, 王桂岭, 敖雪明. 乌鲁木齐附近地区小爆破识别判据的研究[J]. 内陆地震, 2001, 15(1): 30-38. DOI:10.3969/j.issn.1001-8956.2001.01.004 |
袁芬, 魏琼珍. 海南岛陆及沿海地震与爆破数字记录探讨[J]. 防灾技术高等专科学校学报, 2004, 6(3): 26-30. DOI:10.3969/j.issn.1673-8047.2004.03.007 |
赵永, 刘卫红, 高艳玲. 北京地区地震、爆破和矿震的记录图识别[J]. 地震地磁观测与研究, 1995, 16(4): 48-54. |
Yildinm E, Guelbag A, Horasan G, et al. Discrimination of quarry blasts and earthquakes in the vicinity of Istanbul using soft computing techniques[J]. Computers & Geosciences, 2011, 37(9): 1209-1217. |