文章快速检索    
  地震地磁观测与研究  2024, Vol. 45 Issue (2): 158-163  DOI: 10.3969/j.issn.1003-3246.2024.02.020
0

引用本文  

翟浩, 王勇, 王禄军. 内蒙古测震台网实时智能地震处理系统运行实践——以2020年和林格尔地区地震事件为例[J]. 地震地磁观测与研究, 2024, 45(2): 158-163. DOI: 10.3969/j.issn.1003-3246.2024.02.020.
ZHAI Hao, WANG Yong, WANG Lujun. Operation practice of real-time intelligent seismic processing system for the Nei Monggol seismic network—Taking the 2020 Helinger earthquake event as an example[J]. Seismological and Geomagnetic Observation and Research, 2024, 45(2): 158-163. DOI: 10.3969/j.issn.1003-3246.2024.02.020.

基金项目

内蒙古自治区地震局局长基金(项目编号:2022JC04)

作者简介

翟浩(1990—),本科,工程师,主要从事地震编目、预警系统等工作。E-mail:496831965@qq.com

文章历史

本文收到日期:2022-10-12
内蒙古测震台网实时智能地震处理系统运行实践——以2020年和林格尔地区地震事件为例
翟浩   王勇   王禄军     
中国呼和浩特 010010 内蒙古自治区地震局
摘要:为评估实时智能地震处理系统(RISP)在内蒙古测震台网运行的可靠性,以2020年3月30日和林格尔ML 4.5地震前后30天内该区发生的31条地震事件为研究对象,将人工编目与实时智能地震处理系统产出结果(自动目录)进行对比分析,得出以下结论:RISP系统识别事件数量约为人工识别数量的2.5倍,其中自动目录有30条与人工目录(31条)相匹配,事件召回率高达96.8%;自动目录在发震时刻、震中位置、震级、P波和S波震相到时方面,与人工目录偏差较小。由自动目录与人工目录结果对比可知,2种目录相同事件的编目结果基本保持一致,震中偏差一般在±10 km范围内,发震时刻一般在±2 s范围内,自动目录基本符合人工编目误差范围要求。综合来看,实时智能地震处理系统(RISP)产出结果符合预期目标,可为震后快速产出余震序列、震群趋势判断等相关科学研究提供数据支撑。
关键词震相识别    地震检测    深度学习    和林格尔    自动编目    
Operation practice of real-time intelligent seismic processing system for the Nei Monggol seismic network—Taking the 2020 Helinger earthquake event as an example
ZHAI Hao   WANG Yong   WANG Lujun     
Earthquake Agency of the Nei Monggol Autonomous Region, Hohhot 010010, China
Abstract: To evaluate the reliability of the Real-time Intelligent Seismic Processing System (RISP) in the operation of the Nei Monggol seismic network, 31 earthquake events occurred in the area within 30 days before and after the Helinger ML 4.5 earthquake that occurred on March 30, 2020, were taken as the research object. The results of manual cataloging and real-time intelligent seismic processing system output (automatic cataloging) were compared and analyzed, and the following conclusions were drawn: The number of events identified by the real-time intelligent seismic processing system (RISP) is about 2.5 times that of manual identification. The automatic catalog matches 30 events from the manual catalog, and the event recall rate is as high as 96.8%. The automatic catalog has a smaller deviation from the manual catalog in terms of the time of earthquake occurrence, epicenter position, magnitude, and P and S phase arrivals. By comparing the results of automatic and manual catalogs, it can be seen that the cataloging results for the same event in both catalogs are consistent, with an epicenter deviation generally within the range of ±10 km and an earthquake occurrence time generally within the range of ±2 s. The automatic catalog basically meets the requirements of the error range for manual cataloging. Overall, the output results of the Real-time Intelligent Earthquake Processing System (RISP) meet the expected goals and can provide data support for scientific research such as rapid post-earthquake aftershock sequences and earthquake swarm trend judgment.
Key words: seismic phase identification    earthquake detection    deep learning    Helinger    automatic cataloging    
0 引言

2021年7月,内蒙古测震台网运行实时智能地震处理系统(RISP)。该系统基于深度学习技术(Perol et al,2018),利用PhaseNet模型(Zhu et al,2019)和EQTransformer模型,对测震台网产出的seed格式波形进行处理,自动产出地震目录。该系统既可以在线实时处理测震台网地震波形,也可离线计算历史波形,通过自动拾取波形震相从而定位形成地震目录(廖诗荣等,2021a)。

内蒙古和林格尔地处华北断块区,位于近EW向阴山—燕山断褶带、NS向鄂尔多斯断块拗陷和山西断块隆起的交会地区(徐杰等,1978),地质结构复杂,历史上多次发生6级以上强震。2020年3月30日和林格尔发生ML 4.5地震,震中位于鄂尔多斯块体北缘阴山地震带,震前鄂尔多斯块体北缘4.0级地震出现长时间平静异常现象。此次地震的发生,打破了自2005年以来阴山地震带ML 4.0以上地震的长期平静(张晖等,2021)。

基于该研究区域地质构造环境的复杂性和地震带的特殊性,将此次ML 4.5地震作为主要研究对象,使用实时智能地震处理系统(简称RISP系统)的离线计算功能,对此次地震发生前后30天内内蒙古测震台网记录的连续波形数据进行处理,产出研究区域自动处理地震编目目录(以下简称自动目录),将自动目录与测震台网产出的人工分析编目目录(以下简称人工目录)进行对比分析,验证RISP系统在内蒙古测震台网使用的可靠性。

1 RISP系统简介

RISP系统由廖诗荣团队开发(廖诗荣等,2021b),其技术架构见图 1,具体流程如下:使用测震台网JOPENS系统调取历史台网卷波形,利用PhaseNet算法和EQTransformer算法,识别并拾取触发台站震相的到时、初动方向等信息,通过关联和定位模块进行组合关联,使用NLLoc定位程序进行定位(Lomax et al,2009),对触发台站波形进行DD-1仿真(Kanamorih et al,1999),识别Sg震相到时,自动量取最大振幅,基于GB 17740—2017《地震震级的规定》确定震级(刘瑞丰等,2018)。

图 1 RISP系统技术架构 Fig.1 RISP system technical architecture
2 数据处理

2020年3月30日和林格尔发生ML 4.5地震,由于震区地震台站分布稀疏(7个台站,图 2),台间距较大(台间距均值为79 km),微震拾震能力较低(PMC评估为ML 2.2以上)(刘芳等,2014),一些人工处理事件被认为是单台事件,对于微震事件波形,人工识别能力较差,人工遗漏分析事件现象不可避免。针对人工震相识别速度慢、微震识别难等问题(刘芳等,2013),使用RISP系统进行地震检测。

图 2 台站分布 Fig.2 Distribution map of seismic station

(1)离线检测。选取2020年3月30日前后30天内连续波形记录,运行RISP系统,对内蒙古测震台网进行离线数据测试,参与计算台站与人工编目一致。运行结果显示,RISP系统共产出自动目录78条,地震数约为同时段人工目录的2.5倍(人工目录仅31条)。

人工目录与自动目录事件分布见图 3(图中红色圆点为人工目录震中,蓝色圆点为自动目录震中),可见在2种目录下,地震集中分布范围较为一致,只是自动目录地震分布更广。自动目录与人工目录中地震的震级与时间分布见图 4(图中黄色代表自动目录,蓝色代表人工目录),其中2个目录地震数量与时间的变化趋势见图 4(b)。由图 4可见,与人工目录相比,自动目录拾取了更多ML 1.2以下地震,而对于ML>1.2地震,自动目录拾取数量也较多;ML 4.5主震发生前,震中周边区域地震数量逐渐增多,且主震发生后5天内地震数量急剧增加,随后逐渐递减,符合大森定律(钱晓东等,2001)。

图 3 自动目录与人工目录震中分布 Fig.3 The epicenter distribution map of the automatic catalog and manual catalog
图 4 2020年3月30日和林格尔ML 4.5地震自动目录与人工目录MT图及发震前后余震数量统计 Fig.4 M-T map of automatic and manual catalogs of the aftershock sequence of the Helingeer ML 4.5 earthquake on March 30, 2020

(2)地震匹配。为了更好地分析自动目录的可靠性,利用程序设定匹配阈值,对人工目录与自动目录进行匹配分析,其中:震中位置偏差设定为±20 km,发震时刻误差设定为±2 s。匹配结果如下:自动目录匹配人工目录(下文简称匹配目录)30条,自动目录未匹配人工目录(下文简称漏分目录)1条,自动目录比人工目录多检出事件目录(下文简称多检目录)为48条(表 1)。也就是说,匹配地震目录30条,漏分地震目录1条,匹配人工目录与人工目录的比值,即事件召回率高达约96.8%,数值越高,表明RISP系统自动产出目录与人工目录匹配度越高。

表 1 目录统计 Table 1 Statistical table of catalogs
3 匹配结果分析

由2020年3月30日和林格尔ML4.5地震的自动目录匹配结果可知,RISP系统对研究区域人工目录的匹配较好。

对漏分地震目录(仅1条)进行检查,发现RISP系统已检测到该地震震相,因仅识别出4个震相而未关联定位形成自动事件目录,可见该系统在研究区域具有较强的地震事件检测能力。

对于多分目录的48条数据,人工浏览波形核实发现,其中13条为人工目录中的单台地震,19条为不在人工目录中的地震事件(未进入人工分析),9条为未达到人工处理震级要求的非天然事件,7条为因干扰较大致人工无法识别的微小余震。

为了进一步验证该系统的匹配性,基于震相到时差和地震定位结果参数,对自动目录检测事件波形进行人工复核,结果见图 5图 6

图 5 自动目录与人工目录P、S到时差 Fig.5 The P-phase and S-phase arrival time differences between automatic and manual catalogs
图 6 匹配目录定位结果参数对比 Fig.6 Comparison of location results for matched events

图 5可知,自动目录与人工目录Pg、Sg震相到时差大部分趋于±0.25 s,占比约85%,2个目录的震相到时差越趋近于0,表明自动目录与人工目录识别的震相到时越接近;与Sg震相相比,Pg震相到时差趋近于0占比更大,说明基于该震相自动识别地震精度更高,更准确,符合震相识别规律。

图 6(a)可知,匹配目录中发震时刻差值均在±2 s之间,且多为负值,表明由RISP系统关联的震相定位事件发生时间比人工目录早。可能是因为,RISP系统的关联定位模块采用NLLoc定位方法进行地震定位,使用华北区域地壳速度结构模型;而人工目录多采用单纯型法和HapSat定位方法,而且使用了内蒙古区域一维地壳速度结构模型(贾昕晔,2019),人工目录使用本区域速度模型计算发震时刻更为准确。图 6(b)绘出自动目录与人工目录地震定位距离的差值分布,可见除2个事件的定位距离差值大于10 km外,其他匹配目录事件的定位距离差值均在10 km范围内,且差值越小,匹配目录条数越多。图 6(c)绘出2种目录地震定位深度差值分布,鉴于人工目录定位深度的取整原则,2种目录的地震定位深度差值分布较为分散。图 6(d)绘出2种目录的震级差值分布,可见二者震级偏差较小,趋近于0。

4 结论与讨论

为了检验RISP系统在内蒙古测震台网的运行实效,选取2020年3月30日内蒙古和林格尔ML 4.5地震序列主震前后30天内蒙古测震台网记录的连续波形数据,进行RISP系统的离线计算,就地震检测、到时拾取、震相关联到地震定位和震级测定功能等进行测试,结合人工地震编目结果,对RISP系统自动产出目录进行分析,得出以下结果:

在地震台站分布稀疏的内蒙古和林格尔地区,RISP系统自动检测到78个事件(人工目录仅31条),事件识别数量约为人工目录的2.5倍,误检率低,其中匹配目录有30条,事件召回率高达约96.8%。在RISP系统成功匹配的地震事件中,自动目录与人工目录在发震时刻、震中位置、震级、P和S震相到时方面的偏差均较小,且匹配目录与人工编目结果基本保持一致,其中震中偏差一般分布在±10 km范围内,发震时刻偏差分布在±2 s范围内,基本符合人工编目误差范围要求。

与人工目录相比,RISP系统自动产出速度快,且其产出的余震序列,基本包含人工编目结果,而且涵盖较多人工未处理事件。基于该系统,可为地震台站稀疏地区提供更加丰富的地震目录资料,对大震应急、震后趋势判定和发震构造研究等具有重要意义。RISP系统对于微震识别具有显著优势,但事件类型判定(地震和非天然事件判定)仍有待完善。

参考文献
贾昕晔, 王鑫, 王树波, 等. 内蒙古分区地壳一维速度模型的检验[J]. 中国地震, 2019, 35(4): 738-752.
廖诗荣, 杨婷, 张红才, 等. 2021年云南双柏MS 5.1地震序列的快速检测与精定位研究[J]. 地震研究, 2021a, 44(4): 515-520.
廖诗荣, 张红才, 范莉苹, 等. 实时智能地震处理系统研发及其在2021年云南漾濞MS 6.4地震中的应用[J]. 地球物理学报, 2021b, 64(10): 3 632-3 645.
刘芳, 蒋长胜, 张帆, 等. 基于EMR方法的内蒙古测震台网监测能力[J]. 地球科学—中国地质大学学报, 2013, 38(6): 1 356-1 362.
刘芳, 蒋长胜, 张帆, 等. 内蒙古区域地震台网监测能力研究[J]. 地震学报, 2014, 36(5): 919-929.
刘瑞丰. 新的震级国家标准《地震震级的规定》(GB17740—2017)2017年5月正式发布[J]. 地震地磁观测与研究, 2018, 39(1): 2+169.
钱晓东, 秦嘉政, 刘祖荫. 滇西地区中强地震的余震衰减[J]. 地震研究, 2001, 24(2): 109-114.
徐杰, 蒋溥, 宋方敏, 等. 和林格尔地震地震地质特征的初步分析[J]. 地质科学, 1978, 13(2): 174-182.
张晖, 谭毅培, 马婷, 等. 2020年和林格尔ML 4.5地震微震匹配定位及发震构造探讨[J]. 中国地震, 2021, 37(2): 430-441.
Kanamorih, Maechlingp, Haukssone. Continuous monitoring of ground-motion parameters[J]. Bulletin of the Seismological Society of America, 1999, 89(1): 311-316. DOI:10.1785/BSSA0890010311
Lomax A, Michelini A, Curtis A. Earthquake Location, Direct, Global-Search Methods[M]//Meyers R Encyclopedia of Complexity and Systems Science. New York: Springer, 2009.
Perol T, Gharbim, Denolle M. Convolutional neural network for earthquake detection and location[J]. Science Ad-vances, 2018, 4(2): e1700578. DOI:10.1126/sciadv.1700578
Zhu W Q, Beroza G C. PhaseNet: a deep-neural-network-based seismic arrival-time picking method[J]. Geophysical Journal International, 2019, 216(1): 261-273.