地震前兆数据连续性及稳定性量化评价

常 俊乔 波赵 曦1）中国西安710068陕西省地震局2）中国陕西721008宝鸡综合地震台



地震前兆数据连续性及稳定性量化评价

常 俊1)乔 波2)赵 曦1)
1）中国西安710068陕西省地震局2）中国陕西721008宝鸡综合地震台

摘要鉴于因地震前兆仪器采样率提升而带来的数据量大、规模增加的状况，在前期实现陕西省地震前兆观测台站每日数据定时汇集的基础上，对汇集数据的连续性及稳定性进行量化分析。通过程序设计，实现对观测数据异常状态的自动检测，给出干扰数据剔除后各检测分量的稳定性评价结果，以数据库表格式保存。以期为数据共享服务提供基础依据，为地震台动态化管理提供信息支撑，为其他地震观测数据的相关研究提供技术支持。

关键词前兆数据；连续性；稳定性；量化评价

0 引言

经过“九五”系统改造及“十五”项目建设，地震前兆观测数据形成一套规范的存储与管理系统。各类地震前兆仪器产出的观测数据，经由地震台站统一汇集至省地震局前兆数据库，并对外提供数据共享服务。数据从产出至入库，需由地震台站或前兆台网人工预处理，查看有无数据缺失，是否存在突跳台阶等异常，并相应进行补缺、去干扰等处理。随着地震前兆台网的建设与发展，观测仪器采样率多提升为分采样或秒采样，采样率的提升带来观测数据量的飞速增长，人工预处理数据在时效性、准确率及精细度上的局限逐步显现，难以满足数据使用与管理需求。而且，观测数据从产出到服务，尚无一套可用的质量评价准则或方法，难以实现对观测数据或台站仪器产出质量的把控。

为了及时发现地震前兆观测数据的潜在问题，提高数据管理自动化水平，研究建立地震前兆数据连续性及稳定性量化评价系统，实现对数据每日质量分析，对数据连续性及稳定性作量化计算，存储于地震前兆数据库，与陕西省地震数据共享服务系统相关联，为研究人员提供全面、深入的地震数据信息。

1 连续性及异常检测原理

在实际观测过程中，观测设备不可避免地受到一些无法预知的外界因素影响，如环境干扰、恶劣天气、意外停电等，导致观测数据出现缺失、突跳、台阶等异常。目前，地震行业内对此类异常的检测方法研究较少，现行应用方法包括日变幅法、均方差法（王建国等，2007）、时间序列阈值法（成万里等，2014）等，这些方法解决了部分问题，但不具备综合性及体系化。因此，在对各类计算方法进行对比分析后，设计一种结合差分、方差及平滑时间窗等手段的综合计算方法，实现对观测数据完整率统计及异常状态的检测。

1.1 连续性检测与统计

在地震前兆观测数据中，数据缺失是一个较为普遍的现象。从数据库记录看，数据缺失表现为两种状态：①该类数据当天记录为空，即在数据库中缺少对应台站、对应测项分量的数据条目，可能是由于仪器故障或停电等导致数据向省地震局上传延迟；②缺失数据以“NULL”值填充，从“NULL”在表记录中出现的位置及次数，可判断当天观测值缺失的时间点及个数。

在上述特征基础上，设计程序对每天运行的台站、测项分量对应的数据库表进行扫描（王春等，2014），查找有无上述两种状况的存在。对于第1种状态：①记录该台站、测项分量的当日数据完整率为零；②为避免因数据延迟回传而完整率记录始终为零，当数据库中出现对应数据条目时，触发程序对其之前完整率为零的数据重新启动检测计算。对于第2种状态，统计“NULL”的位置及个数，记录数据缺失时间，计算数据完整率。

1.2 突跳检测原理

引起突跳的原因有多种，如雷击、暴雨、信号干扰等。在地震前兆数据中，突跳发生量在一定范围内属于干扰，应去除，超过一定数量则可能为地震前兆异常，应予以标记，提醒预报人员注意。突跳数据表现为数据点与前后数据的变化趋势有明显差异，不符合数据常规变化规律。基于该特性，考虑以差分检测为基础，实现对突跳数据的检测。

一阶前向差分算法是对于非平稳时间序列进行处理的一种方法，用当前观测值减去前一时刻观测值，通过该差值可灵敏反映两相邻采样数据点间的突变（盛骤等，2008），用于地震前兆观测，可有效检测突跳数据的存在。在实际运算过程中，通过一阶前向差分产生新的差分序列，进行一定数学运算，从而实现突跳数据检测。此外，针对不同采样率数据，实际检测运算略有不同。具体步骤如下。

（1）采样率为分值、秒值、时值的数据。由于每日观测数据值较多，只需对当日数据进行提取与处理。对当日观测数据进行一阶前向差分算法，形成差分序列。设置x (n)为观测值序列，y (n)为x (n)的差分序列。则

计算差分序列均值，设置该均值为A (y)，则

其中，N为当日观测数据的个数，通常，分采样率为1 440，秒采样率为86 400，时采样率为24。

计算差分序列方差

计算差分序列最大变化绝对值，将差分序列与差分均值逐一作差，找出绝对值最大的记录，记为Δymax，则

上述运算完成后，进行突跳判断。将差分序列分别与突跳公式比较，如果满足以下两个条件之一，则判断该观测点为突跳。

条件一

条件二

其中，λ称为突变系数，取值范围为0—1，1对应差分序列最大变化值与差分均值之差，即Δymax- 2δ(y)，最小值0对应二倍方差，即2δ(y)。

（2）采样率为日值的数据。当采样率为日值时，由于每天只有一个观测数据，无法像其他采样率仅对当日观测数据进行差分运算以检测突跳。因此，将当天与前两周的数据进行差分运算，通过与其他采样率类似方法检测当天观测数据是否存在突跳。

图1所示分别为汉中地震台水管仪及凤翔地电场观测数据及差分序列曲线。由图1可见，通过该算法可准确检测人工难以观测到的突跳数据异常（原始曲线中圆圈标示位置）。

图1　突跳检测结果（a）汉中台水管仪观测数据；（b）凤翔地电场观测数据Fig.1 Jump detection results

1.3 台阶检测原理

在地震前兆观测中，由于仪器不稳定或周边环境变化等因素，造成观测数据在某一点超出日常统计的数据变化范围，且该变化在一定时间范围内持续，该异常称为台阶。台阶与突跳的不同之处在于，突跳表现为单点突变，而台阶则表现为数据突变后具有保持性与延续性。

在传统的信号处理领域，台阶数据可利用信号的相关算法，通过构建台阶信号原始模型，利用观测数据与模型之间的匹配相关度来进行检测判定。但对于地震前兆数据而言，由于其变化的多样性，导致出现多种类型的台阶信号，如正向跃变或负向跃变等，利用传统检测方法需要构建多种台阶模型，从计算的复杂度和准确率而言不够理想。考虑上述状况，结合台阶信号的表现特征，采用滑动窗比值法进行地震前兆数据台阶检测（张兴国等，2010）。检测原理为：取台阶点前后某持续时间段，假设为稳定时段的数据点做均值处理，将前后两段数据均值与原始观测数据的峰峰值乘以一定系数后进行比较，判断是否存在台阶异常。在计算台阶异常时，需首先去除突跳异常，同时，与突跳计算相类似，不同采样率的数据在实际运算中略有不同。具体步骤如下。

（1）采样率为分值、秒值、时值的数据。由于每日观测数据值较多，只需对当日数据进行提取与处理：①计算当日观测数据的峰峰值差值：Δxmax= xmax- xmin；②设置两个时间窗N1、N2（每个时间窗长度默认分采样为20，秒采样为120，时采样为4），对原始观测数据从左向右逐一滑动，分别计算窗内均值E1、E2；③对计算出的均值作差：ΔE =E2-E1，与Δxmax比较，如果差值的绝对值|ΔE | ＞ λΔxmax（λ为台阶突变系数，取值范围为0—1），则判断该点出现台阶异常。记录该点在数据序列中的位置，并记录台阶高度，即该点与前一点的差值。值得注意的是，在时间窗滑动过程中，当处于数据起始与尾端时，N1、N2的长度为递增或递减变化。以分采样为例，最初N1为1，N2为20，然后N1逐渐增加，直至N1、N2均为20；至数据结尾处，N1为20，N2从20逐渐递减，直到N1为20，N2为1。

（2）采样率为日值的数据。对于日采样数据，由于后期观测值未知，因此标题1.2中检测出的突跳数据是真正的突跳还是台阶数据的起始点，需要根据后续观测数据再次判断。在实际计算中，若当天观测值x (n)符合突跳判定条件，则将x (n)暂时记为突跳点写入数据库，在第2天观测数据x (n+1)出现后，计算3天观测值的差分Δ xn+1= x (n+1) - x (n)及Δxn= x (n) - x (n-1)，判断Δxn+1是否满足标题1.2所述突跳条件，且Δxn+1与Δxn符号相反。若符合，则认定x (n)为突跳数据，并在后期台阶检测中予以去除；若不符合，则将x (n)暂时修正为台阶点的起始数据，并以x(n)为起始点，观测其后一周与前一周数据均值差，是否满足台阶异常判定标准。

图2所示为西安子午台2015年6月3日垂直摆观测曲线，图中台阶发生的起始位置点通过滑动窗计算法可准确实现检测。

图2　台阶检测结果Fig.2 Step detection results

2 稳定性评价标准与实现

前兆观测数据的稳定状况，可以在一定程度上反映该观测点周边环境、仪器状态及干扰等，也可为台站的动态管理及数据可靠性提供辅助参考。目前，数据稳定仍依赖数据处理人员通过波形观察及经验判断，缺乏客观量化评价指标。因此，需要结合地震数据特点，通过合适算法实现数据稳定性的量化评价。

在概率论和数理统计中，方差运算（Variance）被用来度量随机变量和数学期望（即均值）之间的偏离程度。方差越小，数据越稳定；方差越大，数据波动性越大、越不稳定（盛骤等，2008）。基于该原理，方差被广泛应用于质量监控、风险运算、气象分析等领域，实践证明，应用效果较好。在地震前兆观测方面，前兆仪器产出的数据应在一定范围内波动，因此，用方差法计算观测值与均值的离散度，作为数据稳定的评价指标，理论上具有一定可行性（张昱等，2010）。

在实际应用中，由于前兆观测分为重力、形变、流体、电磁等观测手段，不同手段因自身测项性质而具有不同的数据形态与变化趋势（张聪聪等，2014）。以形变观测为例，受固体潮影响，数据会出现类似正弦曲线的变化趋势。在这种情况下，数据会遵循其应有的变化规律而产生与均值偏差较大的波动，如在正弦曲线的波峰波谷点处，这种波动是一种正常的稳定状况，而依据方差计算原理，会得到较大的方差结果，从而产生对数据稳定情况的误判断。

因此，需要一种算法，消除由于数据正常趋势变化而产生的观测值与均值偏离所带来的影响，得出数据本身真正波动的评价结果。参考标题1.1提到的一阶前向差分算法的含义，除能够有效检测突跳点外，进行差分算法还能够消除地震前兆观测数据由于地球物理特性而带来的长期趋势变化，真正反映观测数据波动情况。鉴于上述原因，考虑将差分运算与方差算法相结合，实现对观测数据稳定性的量化评价。具体计算步骤为：①提取当日观测数据（日值提取两周内观测数据），去除突跳点，并对台阶异常进行去台阶处理；②对观测数据进行一阶前向差分运算，形成差分序列；③计算差分序列的方差值，并以此结果作为当日观测数据的稳定性评价标准。

以2015年5月汉中地震台地磁数据水平分量分析为例，按照以上步骤进行量化评价，计算步骤与结果见图3。从图3中差分序列方差图可见，除6日、13日、18日量化评价结果超过1，其他时间均在0—1范围内，由此可见，汉中台5月地磁水平分量观测数据整体较为平稳，质量良好。

图3　汉中台地磁记录水平分量数据质量分析结果(a)原始观测数据；(b)差分序列；(c)差分序列方差Fig.3 Data quality analysis of the horizontal component of the magnetic change at Hanzhong Seismic Station

3 数据库设计及服务方式

3.1 数据库及数据服务现状

依据地震前兆工作流程，地震前兆观测数据每天从各台站统一汇集至省地震局台网中心数据库。为保障数据安全，在省地震局信息服务部门另外搭建一套数据库系统，用于数据服务系统底层数据支持。新建数据库为Oracle 10g RAC，包含多个表空间，其中一个表空间与地震台网前兆数据库结构内容同步，另有一个表空间用于存储数据服务系统需要的基础信息表以及对原始观测数据计算加工的结果存储表。

现行数据服务系统由陕西省地震局技术人员研发，基于GIS界面，提供地震前兆、测震等类别的数据服务。对于地震前兆观测，提供前兆台站相关信息、图片的查询与下载，前兆数据的查询、曲线展示、数据下载等服务。

3.2 数据表设计

为实现地震前兆数据每日异常检查与稳定性评价，在提供数据服务基础信息表的表空间中，新增3类表格，分别用于地震前兆数据概览、数据异常记录、数据完整率及稳定性评价结果记录。

（1）数据概览表（表1）。设计程序对前兆数据库表进行扫描，统计观测数据的起止时间、建设时期、运行状态等信息，数据每日更新。通过该表，呈现地震前兆观测数据概况，并以此表为基础，通过运行状态列，获取每天需检索并进行异常及稳定性判断的数据内容。

表1　前兆数据概览Table 1 Precursor data overview

（2）前兆异常记录表。检索数据概览表中运行状态列为“运行”的所有数据条目，按照上文所述方法进行连续性、突跳、台阶检测，存在某类异常，则更新此表（表2）。

表2　数据异常记录Table 2 Abnormal data record

（3）数据质量分析结果表。检索运行数据条目，计算每日数据完整率、稳定性方差，对于存在突跳或台阶的观测项，记录突跳台阶的发生位置。此类数据表遵循前兆“十五”数据库总体建设结构（周克昌等，2010），每一类测项为一张表，数据每天更新（表3）。

表3　数据质量分析结果Table 3 Data quality analysis results

3.3 评价结果服务方式

数据服务系统在原有服务内容上，新增质量分析内容，通过调取数据库中关于观测数据质量分析结果的表，对各台站、测项每天的观测质量情况予以报告，对稳定性变化以曲线形式展示（彭愿等，2012）。如：2015年6月乾陵地震台观测数据集质量分析曲线见图4，图中清晰可见该台站地磁变化记录总强度质量情况。

图4　乾陵台2015年6月地磁变化记录总强度观测数据及质量分析结果曲线Fig.4 Curve of observation data and quality analysis result of total intensity component of geomagnetic record at Qianling Seismic Station in June, 2015

4 结束语

地震前兆观测数据由于观测类型多、数据量大，变化趋势多样，难以有统一的检测判定方法。本文的研究抛开了地震前兆数据的地球物理特性，从数据自身出发，提出对各类观测手段均适用的异常检测及稳定性评价方法。经实际测试，能够有效得出数据连续性及稳定性的量化评价结果，并实现对突跳、台阶等异常的检测，为研究人员提供基础依据，为地震台站数据产出质量管理提供支撑与参考。

本文提到的突跳、台阶检测方法，涉及动态参数设定，该参数值取值大小直接影响检测结果。应根据实际需求进行参数值选择，较大参数值检测变化幅度较为明显的异常，较小参数值检测变化细微的异常。建议在进行地震观测数据质量评价与干扰去除时，选择较大参数值，尽量保留数据原始形态，以供地震分析预报人员使用。

参考文献

成万里，余尚江，卢亚. 地震监测时间序列异常值检测策略[J].数字技术与应用，2014，（9）：40-41.

彭愿，吴阿丹，李胜乐.中国地震前兆台网观测曲线动态展示[J].大地测量与地球动力学，2012，32（B08）：49-52.

盛骤，谢式千，潘承毅. 概率论与数理统计[M].北京：高等教育出版社，2008.

王春，周浩，刘长祺，等.基于Oracle 10G省级地震前兆数据库数据完整率统计[J].地震地磁观测与研究，2014，35（5）：282-287.

王建国，崔晓峰，陈华然，等.前兆观测数据监视及异常自动识别软件系统[J].地震研究，2007，30（1）：83-87.

张聪聪，王秀英.前兆观测异常数据检测方法研究[J].震灾防御技术，2014，9（B10）：615-621.

张兴国，王子影，李盛乐，等. 地震前兆仪器实时数据动态与异常报警[J].地震地磁观测与研究，2010，（6）：45-50.

张昱，刘小凤，邵辉成，等. 甘肃“十五”数字化水位观测资料分析及地震前兆监测效能评估[J].地震研究，2010，33（4）：281-287.

周克昌，蒋春花，纪寿文，等.地震前兆数据库系统设计[J].地震，2010，（2）：143-151.

Study on the quantitative evaluation of continuity and stability of earthquake precursor data

Chang Jun1)，Qiao Bo2)and Zhao Xi1)
1) Earthquake Administration of Shaanxi Province，Xi’an 710068，China 2) Baoji Seismic Station，Shaanxi Province 721008，China

Abstract

In consideration of the situation that a massive increase in the amount of data caused by the improvement of the sampling rate of the precursor instrument， based on the daily data collection of all the precursor observation stations in Shaanxi Province， the study on the quality quantitative analysis algorithm is carried out from two aspects: continuity and stability. Through the designed program， the anomalies of the observation data are automatic detected and the complete rate is calculated. Finally， the stability evaluation results of each item of each station are given in the condition of removing interference data. All results are saved in the database in which tables are newly added and designed according the standard format of precursor database. In order to provide the basis for data sharing services， both information support for the dynamic management of the station and technical exploration for other related observation data are provided.

Key words：precursor data，continuity，stability，quantitative evaluation

doi:10. 3969/j. issn. 1003-3246. 2016. 01. 021

基金项目：陕西省地震局启航与创新基金（201310）资助

作者简介：常俊（1983—），女，工程师，从事前兆数据整理与数据库建设维护等工作。E-mail：cjjy1983@163.com

本文收到日期：2015-07-09