0 引言

井下地震计和地表地震计所处空间不同，环境存在差异，其中地表地震计受人为活动干扰明显，而深井地震仪器可能因井孔变形产生次生波场，导致地震波形记录实际为多种信号的叠加。因此，井下及地表地震计的波形记录存在显著差异，相关研究有：薛志照（1987）分析了天津地区平原地面、井下与山区的地震记录特征；王俊国（1990）就深井观测地震波进行分析；李留藏（1992）对井下地震计进行软定向；张少泉等（1992）对深井观测地震波进行研究；仇中阳等（2014）就苏北地区井下、地表地震计波形记录展开对比分析。然而，由于噪声与地震波形通常叠加在同一频率范围内，受当时技术所限，无法采用常规去噪手段进行有效滤波，地震波形分析的精确度仍有待提升。

Zhu等（2019）依托其设计的多重神经网络结构，基于百万级噪声信号样本训练深度学习模型，该模型比传统方法具有更强大的去噪能力，即使信号和噪声共享同一频带，也能实现地震信号去噪。深度神经网络去噪方法可在最小化波形形状变化的同时，显著提升信噪比（SNR），被广泛用于地震成像、微地震监测和环境噪声数据预处理等领域。

本文以2024年2月24日18时13分（北京时）安徽合肥市肥东县M_L 3.5地震为例，选取淮安地震中心站（下文简称淮安站）井下地震计和淮阴地震中心站（下文简称淮阴站）地表地震计波形记录，采用深度神经网络去噪方法，分别进行滤波处理，并对井下、地表地震计波形记录进行对比分析。

1 资料选取 1.1 台站概况

淮安站和淮阴站直线距离约28.23 km，台址均位于淮阴—响水河断裂带，华北断块与下扬子断块交界地带，构造条件相似。

淮阴站安装BBVS-60地震计，置于覆盖层较厚的松散沉积层上。淮安站GL-S60B宽频带地震计置于井下315 m处，井下摆附近岩性为白垩纪红色沙岩。2个地震计的周期和采样率均相同。

1.2 震例选取

2024年2月24日18时13分（北京时），在安徽合肥市肥东县发生M_L 3.5地震，震中距淮阴站209.6 km，距淮安站222.9 km，2个台站均清晰记录到此次地震波形。

2 波形记录常规分析

淮安站、淮阴站记录的2024年2月24日安徽肥东M_L 3.5地震原始波形见图 1，可见：淮安站井下地震计震相记录信噪比较高，不同震相易于识别，P波、S波更加清晰；淮阴站地表地震计波形受噪声干扰明显，信噪比较低，Pn、Pg震相难以区分。使用淮安站井下地震计和淮阴站地表地震计单台记录测定此次肥东M_L 3.5地震震级，数值分别为M_L 3.7、M_L 3.9，且地表地震计测定震级更大，应与地表表层放大效应有关（王俊国，1990；张少泉等，1992）。而单台测定震级均大于M_L 3.5，应与地震传播方向和地质构造有关。

2.1 滤波分析

选取淮安、淮阴站2024年2月24日波形记录进行高通滤波和低通滤波，其中高通滤波截止频率设为0.25 Hz，低通滤波截止频率设为5 Hz，采用Matlab绘图，结果见图 2、图 3。由图可见，经高通、低通滤波，震相特征更加显著，表明传统滤波技术能够实现预期效果。

2.2 功率谱密度分析

为对比分析淮安、淮阴站平静时噪声能量分布，选取2024年2月23日2个中心站数据记录进行功率谱密度计算，分布结果见图 4。由图 4可见，淮安站井下地震计三分量噪声水平明显偏低，说明井下地震计对噪声具有良好的抑制效果。然而，该站高频部分功率谱密度出现突跳和尖峰现象，表明井下地震观测受到干扰，说明高频噪声穿透性更强。而淮阴站地震波形变化整体较为平稳，说明高频噪声在地表噪声中占比不明显。

3 基于深度神经网络方法的去噪分析

随着城市化进程的不断推进，地震台站所受干扰日益严重。淮安站和淮阴站地处城市，所受人为噪声干扰显著。由于地动噪声与地震信号频率范围重叠，传统滤波技术难以有效区分，文中采用深度神经网络去噪方法（Zhu et al，2019）对原始信号进行处理，且信号处理前进行仿真，以使2台地震计仪器响应趋于一致。

3.1 去噪分析

采用深度神经网络去噪方法，在时频分析基础上加入神经网络，对淮安站和淮阴站地震信号进行滤波，主要步骤如下：输入一个时域的地震监测图像；采用短时傅里叶变换（SIFT）进行时频域变换得到时频图；将时频图输入神经网络，把噪声信号和地震信号分离出来，命名为M_noise和M_signal，分别与时频图Y做哈达玛积（pixel-wise的相乘），得到噪声信号和去噪时频图；利用反短时傅里叶变换（iSTFT），将噪声信号和去噪信号时频图变换回时域，得到滤波结果以及被过滤的噪声波形。

淮安站和淮阴站滤波结果见图 5，图中从左到右分别为NS、EW、UD分量波形记录，可见水平分量（NS、EW）和垂直分量（UD）的去噪波形和噪声波形均存在一定差异。其中：在去噪波形中，此次地震的P波和S波清晰可辨，且垂直分量高频成分更多；在噪声波形中，在此次地震记录期间，所有通道均过滤出噪声成分，区别在于：S波到达后，垂直分量的噪声信号具有更高的规律性和频率集中度；经滤波，水平分量噪声波形最大频率更大；垂直分量上的噪声衰减更贴近阻尼简谐振动波形特征。

分析发现，淮阴站（地表地震计）原始波形记录中持续存在由人为活动引起的噪声干扰。经深度神经网络去噪方法进行去噪处理，几乎全部噪声信号被识别并过滤，证明该滤波方法对抑制城市地震记录噪声效果显著，但滤波后地震波形持续时间缩短，且与淮安站波形相比，该站地震波去噪前强度更高，而去噪后振幅降低。

淮阴站（井下地震计）此次地震的去噪波形和噪声波形在水平分量和垂直分量上同样存在差异，主要体现在：在去噪波形中，垂直分量记录的P波波形振幅明显更高；对比中发现，垂直分量整个地震波形记录中高频成分更多；在噪声波形中，水平分量上噪声更加规律，频率更为集中，而垂直分量上噪声波形的最大频率更高；垂直分量上噪声强度明显更大，频率覆盖范围更广。

3.2 小结

此次肥东M_L 3.5地震波形经深度神经网络方法去噪处理，被分解为地震信号和噪声信号2部分，从多个角度进行分析，进一步明确地表和井下地震波形特征。

3.2.1 地震信号

（1）使用原始信号计算单台震级，结果显示，淮阴站（地表地震计）测定震级更大，其中淮安站（井下地震计）测定震级为M_L 3.7，淮阴站（地表地震计）测定震级为M_L 3.9。经去噪处理，淮安站（井下地震计）测定震级不变，而淮阴站（地表地震计）测定震级降低，数值为M_L 3.7。

（2）淮安站和淮阴站地震波形经去噪处理，Pn、Pg、Sn、Sg震相清晰可辨，波形更加清晰，且2个台站地震波震相分布相近，周期相近。

（3）经去噪处理，发现井下地震计水平分量记录中仍存在少量高频成分，而地表地震计垂直分量记录中高频成分更多，且P波发育，振幅更大。

（4）井下地震计地震信号中高频成分更少，在频率域上，垂直分量和水平分量的频率分布差异不大，而P波在垂直分量上更加发育，振幅更大，但地表地震计记录波形特征更显著。

3.2.2 噪声信号

（1）地表地震计记录的高频噪声成分更为丰富，且呈现出有色噪声的特性，表明其与低频噪声来源不同。

（2）井下地震计记录的地震次生噪声在频率和强度上呈逐渐衰减趋势，而地表地震计记录则无类似特征。根据噪声形态判定，推测该现象由井下地震计弹性支架在地震波场作用下产生共振，进而形成机械阻尼振动所致。

（3）井下地震计对背景场噪声的抑制效果明显，去噪效果显著。尽管地表地震计也有效抑制了背景场噪声和城市噪声对地震信号的影响，但在神经网络识别过程中，仍有少量城市噪声成分被误识别为地震信号成分。此类噪声可通过人工识别予以剔除。

4 结论

地表与井下地震计记录的地震波形存在显著差异，应为地震计所处位置不同所致。两者主要有以下差别：

采用原始波形记录测定单台震级，与井下地震计相比，地表地震计测定震级偏大，信号经滤波处理，井下和地表地震计单台测定震级差距变小，但地表地震计垂直分量的P波发育程度较高。

井下地震计记录的波形震相更加清晰，地表地震计记录则清晰度稍差。采用人工智能识别技术进行滤波，井下地震计被识别的噪声更少，滤波效果显著，而地表地震计记录被识别的噪声更多，且部分噪声未被识别。

井下地震计和地表地震计记录的噪声类别有显著差别。地表地震计记录到更多高频和固定频率噪声，这些背景场噪声来源于不同原因的地面振动。除记录到地动噪声外，井下地震计通常不会捕捉到其他类别噪声。然而，在地震发生时，则能够同时记录到阻尼振动波形，分析认为，由地震仪器支架振动所致。

在此次研究过程中发现，基于DeepDenoiser方法的滤波效果显著，背景场噪声和次生波场得到显著抑制，井下地震计和地表地震计的时域特性和频域特性更加趋同，仅在垂直分量上振幅差异仍较为明显，可采用公式推导计算予以消除。经以上处理，将井下和地表地震计波形记录相结合，即可为地震预测研究等领域提供精准的数据支持。