1 北京测震台网编目工作现状

随着北京地震烈度速报与预警工程项目的开展和“十四五”时期防震减灾规划的实施，北京区域测震台网得到不断升级改造和加密，大量流动台网被架设。目前，北京测震台站共计199个，其中基准台站33个，基本台站101个，一般台站65个。除北京市地震局所属台站外，北京测震台网还接入河北省全部、天津市全部及周围其他省地震局部分测震台站，产出大量地震数据，仅依靠人工进行数据处理和分析变得愈来愈不切实际，无数震级较小事件急需从大量连续观测波形数据流中被有效识别出来，以便为地震研究、地震预报和防灾减灾救灾工作提供服务。

地震编目是对地震波形资料进行分析处理，产出地震目录（发震时刻、震源位置、震源深度和震级等）和观测报告等产品的过程，编目结果被广泛应用于地震精定位和体波走时成像等研究。目前，北京测震台网主要依赖人工处理地震数据，形成地震快报编目和统一正式编目，基本流程包括事件检测、震相拾取、地震定位和震级测定，其中事件检测、震相拾取工作需要人工完成，地震定位和震级测定工作则需要借助Jopens系统软件完成。寻找一个快速、可靠的方法来提高地震编目工作效率，是北京测震台网目前急需解决的棘手问题。

2 自动编目系统

随着计算机技术的高速发展，微震识别技术也得到了快速发展，并成为地震学研究热点之一。目前，微震检测方法主要有赤池信息量准则法、高阶统计量、长短时窗比值法、Walsh变换、S变换和小波变换法、波形模板匹配法、GPU加速模板匹配法、匹配定位（Match & Locate）方法、GPU加速匹配定位技术和机器学习方法。近年来，机器学习方法在地震检测领域展现出其快速、对噪声较高容忍度、迁移泛化等优势，其中基于卷积神经网络的深度学习法较为流行，而Zhu等（2019）提出的PhaseNet结构和Mousavi等（2020）提出的EqTransforemer结构成为好评较多的热点算法。

廖诗荣等（2021）采用以上2种深度学习算法开发了实时智能地震编目系统（RISP），并集成于区域测震台网数据处理JOPENS系统，对实时波形数据进行在线检测、震相拾取、震相关联和震级计算等。在2021年云南漾濞M_S 6.4地震序列实际波形检测中，利用RISP自动编目系统检测出地震数量比人工处理多2—3倍，定位精度与人工处理相当，震级测量误差较小。鉴于此，在北京测震台网采用RISP自动编目系统（主要包括流服务器配置及启动程序、震相拾取程序、震相关联及震级测定程序和目录界面程序）进行地震实时检测，并与人工编目结果进行对比，判断其有效性。首都圈大部分地区地质沉积层比较厚，背景噪声较高，平时很多微震被淹没在信噪比比较低的地脉动干扰中，需要人工仔细鉴别才能确定是否为地震波形。因此，RISP自动编目系统在北京测震台网的应用效果尚需一定运行周期予以检验。

3 RISP自动编目系统在北京测震台网的运行 3.1 自动编目运行结果

2021年11月，将RISP自动编目系统接入北京测震台网实时数据流进行在线检测。2021年11月5日—2022年2月7日，在线检测北京地区地震目录373条（震级无效目录为11条），而同期人工分析所得地震目录为111条（去除5个单台地震）。经对比分析发现：在111条人工目录中，自动编目系统在线检测93条，检出率84%，18条漏检地震最大震级为M_L 0.7；在自动编目系统多检的262条事件目录中，M_L 1.0及以上事件37条，最大震级M_L 4.1。人工截取37条事件波形进行分析，以检验RISP自动编目系统在线检测结果的准确性。结果发现：37条目录中9条为噪声干扰，10条为M_L＜2.5的非天然地震（中国地震台网中心规定，统一编目只提交M_L≥2.5非天然地震），2条为可疑事件，14条为北京台站记录的国内外大震的远震波形，1条为河北地区发生的地震，1条为人工漏检地震。

3.2 自动编目结果分析

结合人工编目，对运行周期约3个月的自动编目系统记录结果进行综合分析。

（1）自动编目系统检出率较高，达84%；漏检的18条地震波形比较清晰，漏检可能与深度学习方法的模型有关。这是因为，目前系统使用北加州数据训练的模型，漏检地震的波形特征可能与该模型差别较大。若要进一步提高地震事件检出率，则需训练首都圈地区或北京地区当地模型，或者采用迁移学习技术提高模型性能。

（2）自动编目系统检测事件数为人工目录的3.36倍，然而在线检测误检率较高，需进行人工复核。对自动编目系统多检出的37条M_L 1.0及以上事件进行人工校核并得出以下分析结果。

① 自动编目系统无法有效识别天然地震和非天然地震。在37条事件中，存在10条震级较小（M_L＜2.5）的非天然地震。

② 首都圈大部分地区沉积层厚，背景噪声高，台站观测的地震波形信噪比较低，自动编目系统存在将噪声误检为地震的现象。以上被核实事件中有9条干扰被误检成了地震。

③ PhaseNet和EqTransforemer方法主要训练震中距150 km范围内的地震波形，可以较好检测到直达波震相Pg、Sg。对于我国首都圈地区地壳厚度而言，一般约在震中距60 km后出现莫霍面反射波震相PmP、SmS，约在震中距120 km后出现莫霍面首波震相Pn、Sn，自动编目系统会将这些反射波或首波震相误识别为直达波震相，从而导致地震被误检。如在线检测的北京延庆M_L 1.3事件即为误检地震，XBZ、MDY和MIY台记录到的河北宁晋M_L 3.0地震波形，自动编目系统误将Pn、Sn震相拾取为Pg、Sg震相，从而导致误检现象发生。可见，自动编目系统对较远台站或者较复杂的震相分辨力较弱。

④ 自动编目系统误检率较高，在37条事件中，有14条属远大震波形。复查这些远大震连续波形时发现，自动编目系统多误将P震相拾取为本地Pg波，使得远大震被当成近震进行处理，自动编目目录中11条震级无效的事件多为远大震波形。如自动编目系统检测的北京平谷M_L 4.1事件，即为系统误将2022年1月8日01:45青海门源地震的体波或面波波形的震相拾取为某些北京台近震震相记录，从而导致误检。

（3）与自动编目系统相比，人工编目数据更全面。以2022年2月3日01:55北京朝阳M_L 3.3地震为例，自动编目系统使用数据来自115个台站，共372个震相参与分析，而人工编目使用数据来自149个台站，共675个震相参与分析。

4 结束语

自动编目系统RISP在北京测震台网在线运行约3个月，系统检出率达84%，但人工复核发现，其存在较高误检率。可见，自动编目系统目前仍存在一些问题，应提高系统检测结果的可靠性，增强对不同事件类型的分辨力等。

福建省地震局廖诗荣等为北京地震台提供自动编目系统软件，张燕明为系统部署安装给予热心指导，在此表示感谢。