地震自動編目處理系統在2023年廣東河源M4.3地震序列中的應用

梁 明，劉 軍，洪玉清，林慶西，姜喜姣，田 平

（1.廣東省地震局，廣州 510070；2.中國地震局地震監測與減災技術重點實驗室，廣州 510070）

0 引言

大震發生后，通常在震中一定范圍內會伴隨著密集的余震序列?？焖贉蚀_地產出余震序列目錄可為震后趨勢判定、地震應急及救援等工作提供重要參考。同時，余震序列目錄還可以為震源機制快速測定、地震破裂過程反演、余震精定位以及發震構造研究等[1-5]提供基礎資料。因此，大震過后的余震序列產出至關重要，如何快速準確地產出余震目錄是地震監測工作的重要內容之一。

目前，大震后的余震序列目錄以及日常地震目錄的產出主要還是依靠地震編目人員人工完成。就廣東臺網來說，每年需人工分析地震平均達4 千多個，震相數十萬余條。近年來，隨著臺網密度的不斷加大，尤其是國家地震烈度速報與預警工程廣東子項目以及粵港澳大灣區與粵西地區地震監測能力提升工程項目建設完成之后，廣東省測震臺數量將從原來的112 個增加至178 個[6-7]，可編目的地震數量和記錄的臺站數將會越來越多，依靠現有的人工處理模式完成地震編目工作將面臨重大挑戰，迫切需要一套能夠替代人工分析的地震數據自動處理系統。為了解決上述問題，廣東省地震局地震監測技術及軟件研發創新團隊基于深度學習研發了兩套地震自動編目處理系統，均使用的是基于本地波形數據重新訓練的深度神經網絡模型。目前兩套系統已經在廣東臺網部署安裝，處于試運行階段。

據中國地震臺網中心正式測定，北京時間2023年2月11日10時41分42秒，廣東河源市源城區發生了M4.3 地震，震中位于北緯23.76°，東經114.64°，震源深度11 km。截至2023 年2 月18 日24 時，廣東地震臺網編目余震239 條，其中ML0.0～0.9 有206 條，ML1.0～1.9 有28 條，ML2.0～2.9 有4 條，ML3.0～3.9 有1 條，最大余震為2 月11 日14時的ML3.4 地震。此次地震短期內余震較密集，以微小地震為主，并且有很多疊加地震，波形重疊交錯，分析難度較大，對自動編目系統是一次嚴峻的考驗。因此，本文利用兩套地震自動編目系統檢測的河源地震序列結果，通過與人工編目結果對比，從震相拾取精度、定位參數精度等維度分析討論自動編目系統的實際運行效果，為進一步完善系統提供參考依據，從而加快推進地震自動編目系統的業務化運行。

1 地震自動編目系統簡介

廣東省地震局地震監測技術及軟件研發創新團隊于2021 年創建，其中一個研究方向就是基于機器學習的事件自動檢測、定位等相關算法及軟件的研發。在廣東省地震局的支持以及團隊成員的努力下，研發了兩套地震自動編目處理系統（以下簡稱系統1 和系統2）。其中，系統1 是在前期工作的基礎上[8]，選取PhaseNet 模型[9]，使用2008 年至2021年廣東省地震數據對其進行重訓練，利用重新訓練后的深度神經網絡模型進行震相到時拾取，然后采用GaMMA算法[10]進行震相關聯及定位。因GaMMA算法定位時不產出震級，因此在本研究中并未就兩套地震自動編目系統在震級方面的表現進行評估。系統2 是基于Mask R-CNN 模型[11]，使用2007 年至2020 年廣東省地震數據對其進行重新訓練，然后利用重新訓練后的模型進行震相到時拾取，采用自研算法進行震相關聯，最后調用MSDP 軟件中的Hyposat定位程序進行定位。

2 數據選取及處理

本文是選取2023年2月10日0時至2023年2月18 日24 時廣東臺網記錄到的連續地震波形數據進行處理分析，在該時段內，兩套地震自動編目處理系統與廣東臺網人工編目系統使用的臺站分布完全一致。廣東河源M4.3地震震中周邊50 km范圍內包含14 個測震臺站，距離震中最近的是LVY 臺，震中距約為2 km，100 km范圍內包含18個測震臺站，150 km范圍內包含27個測震臺站（圖1）。因為此次地震余震相對集中，因此本文研究區域范圍是23.68°～23.84°N，114.56°～114.72°E。在上述研究時段及研究區域內，廣東地震臺網人工編目地震共241 條（以下簡稱人工目錄），系統1 共產出地震目錄643 條（以下簡稱自動目錄1），系統2 共產出地震目錄136條（以下簡稱自動目錄2）。

圖1 地震臺站分布圖（五角星為主震震中，三角形為地震臺站）Fig.1 Distribution map of seismic stations（the pentagram is the epicenter of main shock and the triangle is the seismic station）

本文將以人工目錄為準，如果自動目錄與其發震時刻偏差在3 s 以內，震中位置偏差在15 km 以內，則認為匹配成功，視為同一地震事件；如果有多條事件符合匹配條件，則以發震時刻差值最小為依據優先選擇匹配事件；如果自動目錄中的事件無法在人工目錄中找到，則認為是系統多檢測的事件；如果人工目錄中的事件無法在自動目錄中找到，則認為是系統漏檢測的事件。

3 結果分析

圖2給出的是自動目錄與人工目錄震中分布情況。從圖中可以看出，系統1產出的自動編目地震數量明顯多于人工編目地震數量?；谟^測報告統計，在研究時段以及研究范圍內，人工編目共產出地震目錄241 條，系統1 共產出地震目錄643條，比人工目錄多出402條，自動目錄數量是人工目錄的2.67 倍。自動目錄1 中有213 個地震與人工目錄匹配成功，其中ML3.0 及以上地震事件匹配率為100%，ML2.0～2.9 地震事件匹配率為100%，ML1.0～1.9 地震事件匹配率為92.9%，ML0.0～0.9地震事件匹配率為87.4%。系統多檢測出430 個地震事件，漏檢測28個地震事件。相較于系統1，系統2 產出的自動編目地震數量要少很多，系統2 共產出地震目錄136 條，比人工目錄少105 條。自動目錄2 中有127 個地震與人工目錄匹配成功，其中ML3.0 及以上地震事件匹配率為100%，ML2.0～2.9地震事件匹配率為100%，ML1.0～1.9 地震事件匹配率為76.9%，ML0.0～0.9 地震事件匹配率為48.8%。系統多檢測出9 個地震事件，漏檢測114個地震事件。

圖2 自動目錄與人工目錄震中分布圖Fig.2 The epicenter distribution of the automatic catalog and manual catalog

為了更明顯的看出兩套系統產出自動目錄隨時間的變化情況，我們給出了自動目錄與人工目錄余震累積數量變化圖（圖3）。由圖3 可見，對于系統1，在主震發生后的前1 個小時，其產出的自動目錄中的余震數量比人工目錄中的余震數量略少；在這之后，自動目錄中余震數量明顯多于人工目錄中的余震數量。而對于系統2，在研究時段內，其產出的自動目錄中的余震數量一直少于人工目錄中的余震數量，尤其是在12 日之前；而12日之后，其余震數量與人工目錄中的余震數量相差不大。

圖3 自動目錄與人工目錄余震累積數量變化圖Fig.3 The cumulative number diagram of aftershocks in automatic catalog and manual catalog

圖4 給出了自動目錄與人工目錄Pg、Sg 震相到時拾取差異統計情況，其中震相到時偏差為自動目錄減去人工目錄。統計表明，系統1自動拾取的震相中有2340 個Pg 震相和2539 個Sg 震相與人工拾取震相匹配，震相檢出率分別為89.9%和84.7%。Pg震相平均到時差異為0.020 s，Pg震相拾取偏差小于±0.1 s 占98.4%，小于±0.2 s 占99.0%，小于±0.5 s占99.7%。Sg震相平均到時差異為0.024 s，Sg震相拾取偏差小于±0.1 s占97.1%，小于±0.2 s占99.1%，小于±0.5 s 占99.6%。系統2 自動拾取的震相中有1258 個Pg 震相和1306 個Sg 震相與人工拾取震相匹配，震相檢出率分別為48.3%和43.5%。Pg 震相平均到時差異為0.052 s，Pg 震相拾取偏差小于±0.1 s 占89.7%，小于±0.2 s 占91.6%，小于±0.5 s占98.4%。Sg震相平均到時差異為0.077 s，Sg震相拾取偏差小于±0.1 s 占86.9%，小于±0.2 s 占92.8%，小于±0.5 s占97.4%。

圖4 自動目錄與人工目錄Pg、Sg震相到時偏差統計圖Fig.4 The statistical diagram of arrival time deviation of Pg-phase and Sg-phase between automatic catalog and manual catalog

圖5分別給出了自動目錄與人工目錄匹配成功地震事件在發震時刻、震中位置以及震源深度方面的偏差統計情況，其中偏差值為自動目錄減去人工目錄。對于系統1，發震時刻偏差基本在±1.0 s 以內，共有206 個地震，占比96.7%（圖5（a））；震中位置偏差整體在3 km 以內，極個別在3～8 km之間，偏差小于3 km 的地震有208 個，占比97.7%（圖5（b））；震源深度偏差整體在±4 km以內，共有208 個地震，占比97.7%（圖5（c））。對于系統2，發震時刻偏差基本在±0.5 s以內，共有125個地震，占比98.4%（圖5（d））；震中位置偏差整體都在2 km 以內，偏差小于1 km 的地震有122 個，占比96.1%（圖5（e））；震源深度偏差整體在±1 km以內，共有124個地震，占比97.6%（圖5（f））。

圖5 自動目錄與人工目錄多參數對比圖Fig.5 Multi-parameter comparison between automatic catalog and manual catalog

4 討論

從圖2、圖3 中我們已經看到，系統1 產出的自動目錄數量遠遠多于人工目錄數量，而系統2產出的自動目錄數量要少于人工目錄數量。為了分析兩套系統多檢測地震事件的可信度以及漏檢測地震事件的原因，我們對其逐一進行了人工確認。

經過確認，我們發現系統1 多檢測出的430 個事件和系統2 多檢測出的9 個事件均含有地震信號，無誤觸發事件。此次河源M4.3 地震震中附近臺站較多，并且均勻分布在震中周圍（圖1），對于震級較小，甚至震級為負的地震都有多個臺站記錄到較清晰的事件波形（圖6a）。兩套系統多檢測出的地震事件震級均為負，一般情況下，臺網編目人員不會將負震級的地震編入目錄，因此沒有與人工目錄匹配上。

圖6 多檢測和漏檢測事件波形圖Fig.6 Waveform of multiple detection and missed detection events

對于系統1 漏檢測的28 個地震事件，經過查看人工目錄和自動目錄的詳細數據，發現漏檢測的地震主要分成兩種情況。一種是漏檢測地震事件前后有多個事件，且發震時間間隔很短，近臺未疊加在一起。這種情況會出現同一檢測窗口包含多個地震，而PhaseNet方法在處理這種情況時存在一定的缺陷，即對于同一檢測窗口內包含多個地震，且振幅相近或相差較大時，較小的地震概率值會顯著偏低，從而被遺漏[8]。本次河源地震短期內余震較密集（圖3，圖6b），出現這種情況較多，這也是該系統漏檢測地震的主要原因之一。而另外一種是事件波形疊加在一起，從而造成疊加地震中信噪比較小的地震信號被遺漏（圖6c）。

因系統2 漏檢測的地震事件較多，所以我們從人工和自動目錄詳細數據、震相檢測策略等多方面進行了分析，發現造成系統2漏檢測地震的主要原因是震相檢測策略問題。該系統設置檢測窗口長度為60 s，并且沒有設置滑動窗口，當該地震被分割在兩個檢測窗口時，該地震會被遺漏。因為Mask R-CNN 模型是拾取事件波形輪廓，然后再將起始像素信息轉換成初至震相信息。當同一檢測窗口中包含多個地震且振幅相差較大時，做歸一化處理后，小的地震事件波形輪廓就拾取不到，從而造成地震事件被遺漏。又因該系統設置了較長檢測窗口，大大增加了其發生的概率。Mask RCNN 模型在拾取出事件波形輪廓的同時會給出一個分類分數，該系統對于分數較低的輪廓信息直接去掉不用，這樣大概率會造成波形疊加在一起的地震事件被遺漏。

針對自動目錄與人工目錄匹配成功的地震事件，我們做了進一步的分析。兩套系統自動拾取的Pg、Sg 震相到時偏差均呈正態分布，且主要分布在±0.5s以內（圖4），震相拾取精度較高。兩套系統自動拾取的Sg 震相都要比Pg 震相多，這也符合本次河源地震特點，即余震較密集，很多地震事件波形疊加在一起，Pg 震相拾取難度大大增加（圖6）。Pg 震相的平均到時差要小于Sg 震相的平均到時差，說明Pg 震相拾取精度要高于Sg 震相。這一點從圖4（b）中也可以明顯看到，系統2 中，Pg 震相到時偏差正負數量均勻分布，收斂性更好，而Sg 震相到時偏差整體在零軸左側，存在早于人工識別Sg波震相到時的情況。這可能是由于Mask RCNN 模型是拾取事件波形輪廓，為了兼顧計算速度等因素設置1 個像素點代表0.1 秒，而Sg 震相屬于續至震相，不像Pg 震相那樣邊界相對清晰，在像素信息轉換成震相信息時造成了上述情況發生。兩套系統產出的自動目錄與人工目錄在發震時刻、震中位置以及震源深度方面偏差均較?。▓D5）。系統1中有個別地震事件偏差較大，經過分析發現主要原因是在拾取和關聯震相時混淆了相鄰地震的Pg、Sg震相。

5 結語

為了更好的評估兩套地震自動編目處理系統在廣東臺網的試用情況，促進系統的改進和完善，本文利用2023 年2 月11 日廣東河源M4.3 地震主震前1 天以及后7 天廣東臺網記錄的連續波形數據，結合人工編目結果，從震中分布、震相拾取精度、定位精度等維度分析討論了兩套地震自動編目系統的優缺點，得出如下結論：

（1）在研究時段和研究范圍內，系統1 檢測出643 條地震，是人工目錄的2.67 倍，事件匹配率較高；系統2 檢測出136 條地震，約為人工目錄的二分之一，ML1.0 以下地震事件匹配率較低。2 套系統自動檢測結果均為真實事件，無誤觸發，事件真實率為100%。

（2）兩套系統產出的自動目錄在發震時刻、震中位置以及震源深度方面均與人工目錄偏差較??；自動拾取的Pg、Sg 震相到時精度較高，Pg 震相拾取精度要高于Sg 震相，系統2 存在早于人工識別Sg波震相到時的情況。

（3）兩套系統產出的地震目錄可靠度較高，都具備地震自動編目的能力；兩套系統相比，系統1處理大震后較密集余震的能力較強，可以產出完備性較好的地震目錄，而系統2處理余震能力還有待加強。

（4）兩套系統在處理同一檢測窗口包含多個地震的能力還需進一步加強，尤其是系統2。

因系統1 暫未產出震級，本文未對兩套系統在震級方面的表現進行評估；同時在筆者撰寫論文期間，研發團隊就系統2中的問題進行了修復，待后續系統不斷改進完善后，再做細致分析。

致謝：本文部分圖件使用GMT 軟件繪制，得到了審稿專家對于改善論文質量的寶貴建議和意見，在此一并表示感謝。