31、基于深度学习的地震记录中地震波初至识别

基于深度学习的地震记录中地震波初至识别

1. 引言

地震记录由三个分量组成，用于记录不同方向的波形。当地震发生时，地球内部会传播两种地震波，即P波和S波，P波总是比S波先到达。本文聚焦于如何从地震记录中有效识别P波和S波的初至。

许多自动拾取方法被提出，但这些方法面临三个主要挑战：
- 对噪声敏感，处理低信噪比（SNR）数据时性能不佳。
- 手动设计的波形属性可能无法充分利用序列中的信息。
- 需要大量手动调整参数的工作。

随着神经网络的发展，一些利用人工神经网络（ANNs）的自动拾取方法出现，但这些方法仍需设计输入属性，且未充分利用地震数据的序列特征。

为解决上述挑战，本文提出了一个深度神经网络框架，将拾取初至问题转化为序列标记问题，通过该框架同时确定P波和S波初至的大致范围，从而提高现有拾取方法的性能。本文的主要贡献包括：
- 将拾取初至问题转化为序列标记问题，以捕捉序列数据的时间关系。
- 提出基于深度学习的通用框架，该框架以波形数据为输入，输出指示P波和S波初至大致范围的状态序列，进而精确拾取初至。
- 在两个真实世界的数据集上进行了广泛实验，结果表明该框架优于现有方法。

2. 相关工作

2.1 现有初至拾取方法

• 短期平均与长期平均比值法（STA/LTA） ：基于信号特征函数的短期平均值（STA）与长期平均值（LTA）的比较，当STA/LTA比值超过阈值时，该点被视为波的初至。
• 自回归赤池信息准则法（AR - AIC）