实时智能地震处理系统在2013年福建仙游ML5.0地震序列中的应用研究

张燕明，张红才，2，陈惠芳，廖诗荣

（1.福建省地震局，福州 350003；2.中国地震局厦门海洋地震研究所，福建 厦门 361000）

0 引言

随着我国地震监测预警台网的建设，区域地震监测能力显著提升。以福建地区为例，目前可用于地震编目的台站总数已超过1100 个，全省大部分区域监测震级下限已达到ML1.0 左右，随之而来的是人工地震编目的工作量成倍增加，传统以人工分析为主的地震事件编目产出模式已越来越难以维系。为此，应用自动化智能地震处理系统辅助于日常编目工作，将有效提升中强地震发生后地震目录产出的完备性和时效性。

为了提高地震事件目录的完备性，国际上很多学者也已研发了多种自动化处理算法或软件。在台站分布确定情况下，将区域已知地震事件波形作为模板，同连续观测波形数据进行互相关是一种检测微地震的有效方法，即模板匹配（或匹配滤波）技术（matching filter technique，MFT）[1]。模板匹配技术因为其对微弱信号的强大检测能力，已被广泛应用于慢地震识别[2]、动态触发地震识别[3]、微地震识别建立完整地震目录[4]及余震和前震识别[5]等地震学研究中。为了克服模板匹配滤波计算量巨大的不足，Yoon 等[6]提出了指纹相似性搜索（Fingerprint and Similarity Threshold，FAST）算法。该算法根据事件波形的不同特征生成地震指纹，进行局部敏感哈希搜索，将相似波形分类到相同的哈希表中，进而实现对地震的检测。近年来，随着机器学习与大数据挖掘技术的快速发展，多种基于深度学习的地震震相自动拾取算法也相继提 出，如 GPD（Generalized Seismic Phase Detection）[7]、PhaseNet[8]、基于CNN 的地震波形自动分类与识别[9]，EQTransformer[10]、USTC -picker[11]等，这些算法也极大地提升了震相拾取的能力。在地震目录自动产出流程化方面，Zhang等[12]提出了一种“端到端”式地震目录自动检测流程LOC-Flow，实现了从原始记录波形的输入到地震目录产出的完整处理链条。与之类似，Zhu 等[13]提出了一种基于云计算的可扩展深度学习地震监测系统QuakeFlow，该系统中集成了数据降噪、震相拾取、震相关联及定位等多个基于机器学习的算法模块，实现了地震目录的自动产出。廖诗荣等[14]研发完成了一套实时智能地震处理系统（Realtime Intelligent Seismic Processor，RISP），并逐步实现了日常业务化运行。该系统结合我国台网实际，整合了PhaseNet 和EQTransformer 两种AI 震相拾取算法，发展了基于组触发[15]和等时差八叉树搜索[16]的震相关联与地震定位算法，实现地震震级的准实时量算，并在2021 年云南漾濞MS6.4 地震[14]、2022 年青海门源MS6.9 地震[17]、2022 年四川马尔康MS6.0 地震[18]的处理中均实时产出高质量的自动地震序列目录。

为全面分析RISP 系统对仙游地震序列的处理能力，我们采用RISP离线处理模块对2013年9月4日福建仙游ML5.0 主震前后5 个月的连续波形记录进行了处理，并与人工编目结果进行对比，分析RISP 系统在定位精度、震相拾取精度、震级量取精度等方面的表现。并结合RISP 系统漏检测、多检测事件及处理结果中与人工地震定位、量取震级偏差较大的事件进行深入分析。

1 数据和方法

本文收集处理了福建台网2013 年8 月1 日至2013 年12 月31 日共5 个月的连续波形数据，台站总数为113 个（图1）。仙游地震序列发生于金钟水库及周边较小区域内（25.58°～25.70°N，118.66°～118.83°E），震中区台站分布条件较好，主震震中最大孔隙角41.2°，次大孔隙角66.8°，最近台震中距18 km，次近台震中距32 km。在此时间段内，福建台网人工产出可多台定位的仙游地震序列目录共745条，其中ML5.0地震1次、ML4.0～4.9地震3 次、ML3.0～3.9 地震9 次、ML2.0～2.9 地震23 次、ML1.0～1.9 地震129 次、ML＜1.0 地 震571 次。ML＜1.0 的微震占比达76.6%，这些事件的震级接近福建台网的监测震级下限，信噪比普遍较低，大多数地震记录台站低于5 个，清晰震相数少于5 个，绝大部分事件不会在JOPENS 系统中生成自动触发事件，因此大都通过人工浏览连续波形将这些微小震逐一检出并进行分析。此外，仙游地震序列中还存在一定数量的重叠事件（约占18.4%），这些事件即使人工识别也难度较大，人工编目产出结果的精确度也不高。此外，在主震事件发生前后24 h 内共发生111 次地震，编目人员须在规定时间内产出较为完整的快报目录，工作量陡增，人工目录极易发生遗漏地震的情况。

图1 台站分布图Fig.1 Distribution map of seismic stations

本文采用RISP 系统的离线工作模式对5 个月的连续波形数据进行处理，涉及的三个数据处理模块分别为：①AI 震相拾取模块，分别利用PhaseNet 和EQTransformer 两种深度神经网络进行震相到时实时检测；②震相关联和地震定位模块，采用基于组触发和等时差八叉树搜索相结合的方法进行震相关联，再利用NLLoc定位程序[14]进行地震定位；③震级自动量算模块，按照我国现行的震级国家标准（GB17740-2017）的规定，在仿真DD-1 位移记录上自动量取S 波列的最大振幅，并计算震级。

本文设置RISP 系统事件触发震相数阈值为5，即关联成功的P 与S 震相个数之和达到5 个时则产出一个地震事件。人工目录与自动目录匹配条件为：若自动地震目录中某一事件与人工目录中的事件发震时刻偏差小于3 s 且震中位置偏差小于15 km 则定义二者为匹配事件对；若某一事件与多个事件匹配，则根据二者发震时刻选取偏差最小结果为匹配事件对。以人工目录为基准，对于某一事件，若自动目录中没有事件与之匹配，则认为其为漏检测事件；反之，以自动目录为基准，对于某一事件，如果人工目录中没有事件与之相匹配，则认为其为多检测事件。对于多检测事件，本文通过人机交互软件接口写入MSDP 人机交互地震分析软件[19]，并进行人工校核检查其是否为误检测事件。

2 处理结果

应用RISP 系统对5 个月的连续波形进行离线处理，共产出615 条仙游序列地震目录（以下简称自动目录），而同期福建台网人工编目仙游序列地震目录（以下简称人工目录）745 条。图2 为福建仙游地震序列人工与自动编目震源分布图，自动目录与人工目录震中分布基本一致，自动目录震源深度集中分布区间为7～15 km，而人工目录的事件深度大多集中于5～10 km。

图2 仙游地震序列人工与自动编目震源分布图Fig.2 Source location distribution map of manual catalog and automatic catalog of the Xianyou earthquake sequence

图3为自动目录与人工目录的震级—时间分布图及地震累积数量变化图，由图3（a）可见，在仙游ML5.0 主震发生前，库区地震活动性持续增强，期间发生的最大地震为8 月23 日05 时02 分ML4.5地震。在主震发生当天，人工目录与自动目录均产出了大量地震事件，之后随时间推移数量逐渐减少。主震发生后55 天，2013 年10 月30 日01 时50分发生ML4.5强余震，该事件为仙游序列震级最大余震。图3（b）为人工目录与自动目录的地震累积数量变化图，如图所示，仙游ML5.0 主震发生前，人工目录与自动目录一致性较好，而主震发生后，人工编目人员针对该地区的地震分析变得更为细致，因此人工目录中事件数量略多于自动目录，多出的人工目录主要为主震发生前后一天时间内所产出的大量ML＜1.0地震，如图4所示，这些微小地震中有较大比例事件（共251 个，约占ML＜1.0 的地震总数的44%）清晰震相数不足5 个，波形信噪比较低，自动编目系统对于此类事件的处理能力不足。

图3 仙游地震序列自动目录与人工目录的震级—时间分布图及地震累积数量变化图Fig.3 M-T map distribution map and earthquake cumulative number map of automatic catalog and manual catalog of Xianyou earthquake sequence

图4 人工检测出的ML＜1.0地震事件波形记录Fig.4 Waveforms of earthquakes with ML＜1.0 which are manually detected

图5为仙游地震序列人工目录与自动目录不同震级段地震数量对比。可见，在0.7≤ML≤1.7 范围内，自动目录的事件数量要明显多于人工目录事件数量；对于ML＜0.7 的地震，人工目录事件数量则多于自动目录事件数量；自动目录漏检测事件的平均震级为ML0.3，多检测事件的平均震级为ML0.7。经人工逐一核实，RISP 系统多检测事件均包含地震信号，无误触发事件，全部为属于仙游序列的天然地震，均为人工漏编报事件。

图5 福建仙游ML5.0 地震序列人工与自动目录不同震级段地震数量对比Fig.5 Comparison of the number of earthquakes with different magnitudes in manual catalogue and automatic catalogue of the Xianyou ML5.0 earthquake sequence in Fujian

3 定量分析

为全面分析RISP 系统对仙游地震序列的处理能力，本文对匹配事件的精准率进行了详细分析，还对系统漏检测、多检测事件及处理结果中与人工地震定位、量取震级偏差较大的事件进行深入分析。

3.1 匹配事件精准率分析

自动目录与人工目录匹配成功事件462 个，其中ML2.0 以上地震事件匹配率为100%，ML1.0～1.9地震事件匹配率为94.57%，ML＜1.0 地震事件匹配率为53.4%。图6 分别为自动目录与人工目录匹配事件的发震时刻，震源位置，震源深度和震级偏差的统计图，其中发震时刻偏差不超过1 s 的地震有455 个，占比99.13%；震源位置偏差小于5 km 的地震有453 个，占比98.69%；震源深度偏差在5 km 内的地震有420 个，占比91.5%；震级偏差不超过0.5的地震有411个，占比89.54%。

图6 地震参数偏差统计图Fig.6 Deviation statistics of earthquake parameters of matching events between manual catalog and automatic matched catalog

通过对匹配成功的462 个事件的分析可见（图6），RISP 系统产出事件的发震时刻与震中位置偏差均在合理范围内。震源深度的偏差较大，震源深度偏差在5～10 km 范围内的事件共39 个，无深度偏差大于10 km 的事件。造成深度偏差的原因为仙游地震序列中有较大比例事件清晰震相数不足5个，这些事件无法提供可靠的震源深度，因此人工编目大多采用人工设定的固定深度，如5 km、10 km；而自动目录的事件震源深度分布在0～20 km之间，集中分布区间为7～15 km。已有研究显示，仙游地震序列的震源深度主要分布于7～17 km[20]，排除因拾取震相数较少无法有效约束震源深度的部分事件外，整体而言，自动目录震源深度分布较人工目录更为合理。

从震级偏差统计图（图6d）可以看出，自动目录震级比人工目录震级偏大的地震比例较高，其主要原因为：主震发生后，为尽可能在短时间内产出较为完备的余震目录，对于可多台定位但震相不清晰且ML＜1.0 的事件，人工分析时只量算最近台的单台震级，而RISP 系统则会自动量算所有参与定位台站，包括一些较远台站的单台震级。根据蔡杏辉等[21]针对福建台站单台震级偏差的研究，震中距小于50 km 的台站，单台震级普遍偏小，而震中距大于100 km 的台站，单台震级会偏大。如果人工仅采用震中距小于50 km 的单台震级来计算事件震级，会造成ML＜1.0匹配目录震级偏差较大。

ML≥1.0 人工目录与自动目录匹配事件的震级偏差基本呈正态分布（图7），震级偏差超过0.5 的事件有1 个，为8 月3 日03 时00 分01 秒ML1.0 级地震，如图8 所示，人工目录在量算这个地震事件时所使用的清晰台站数少于自动目录，RISP 系统除了使用与人工目录相同的台站外，还量算了其它几个较远台的单台震级，最远台站震中距约80 km，因此本文认为自动目录产出的事件震级更为合理。

图7 人工目录ML≥1.0事件的震级偏差统计图Fig.7 Magnitude deviation statistics of matching events with ML≥1.0 between manual catalog and automatic catalog

图8 震级偏差大于0.5地震事件波形图Fig.8 Waveforms of earthquakes with magnitude deviation larger than 0.5

图9 为人工目录与自动目录匹配事件的Pg 震相与Sg 震相到时偏差，自动目录中共5531 个Pg 震相和6057 个Sg 震相与人工目录相匹配，匹配率分别为78.3%和65.9%。统计结果呈正态分布，且峰值均为0.0s，Pg 震相到时误差在0.1s 和0.5s 以内占比分别为78.92%和94.18%；Sg 震相到时误差在0.1 s和0.5以内占比分别为73.02%和92.12%。

图9 Pg震相（a）与Sg震相（b）到时偏差Fig.9 The arrival time deviation of Pg phase（a）and Sg phase（b）of manual catalog and automatic catalog of the aftershocks sequences

3.2 漏检测事件分析

RISP 系统漏检测事件共282 个，均为ML＜2.0地震事件，其中1.0≤ML＜2.0事件7个，占比为2.5%；ML＜1.0事件269个，占比为94.7%。对于ML＜1.0事件，人工目录所用台站数较少，有些台站波形信噪比较低，震相不清晰，导致RISP 系统难以识别，从而无法满足事件关联所需最少震相数为5个的条件。本文研究认为，对于此类清晰震相数较少的事件，可以考虑采用FAST 等针对微小震的事件检测算法来提高RISP对此类事件的处理能力。

自动目录漏检测ML≥1.0事件有7个，原因均为RISP 系统在处理重叠事件或密集事件时出现错误。仙游地震序列中存在一定比例的重叠事件（约占18.4%），RISP 系统在处理重叠事件时，可能会出现震相到时拾取偏差增大，或者震相类型识别错误的情况，导致定位结果偏差较大，无法与人工目录匹配成功，以12 月30 日8 时13 分ML1.3 地震（图10（a））为例，就是系统误将前一个地震的Sg震相识别为后一个地震的Pg 震相，导致该事件无法与人工目录匹配。对于较大地震发生后的密集地震事件，RISP系统往往会漏分析后续的事件，以8月3 日5 时24 分ML1.4 地震（图10（b））为例，在该事件发生前50 s 另一个ML2.8 地震发生，而该事件初至波形被湮没于前一个地震的尾波中，人工目录产出时也只分析了较近的3 个台站，使用5 个震相进行地震定位，清晰震相仅为3 个，导致RISP系统震相关联失败。

图10 漏检测地震事件波形图Fig.10 Waveforms of earthquakes which are undetected by RISP system

3.3 多检测事件分析

相较于人工目录，RISP 系统多检测事件162个，本文通过人机交互方式对多检测事件逐一进行分析，确认162个多检测事件均为人工漏分析的仙游地震事件。多检测事件的震级主要分布于ML0.7～1.7之间（图5），其中多检测事件的最小震级为ML0.2，最大震级为ML2.2。多检测事件中，震级大于ML1.0的事件有43个，全部为仙游序列地震事件，触发台站数均大于5个且震相清晰，详见表1。人工漏分析的最大地震事件为8月19日17时36分49 秒ML2.2 地震，该事件前29 s 发生了ML3.8 地震，致使后续事件震相信噪比降低，人工拾取难度较大（图11a）。通常情况下，密集余震序列往往伴随主震在较短时间内发生，由于人工编目产出的时效性要求，现有工作模式下人工分析会优先处理JOPENS 编目管理中已自动触发的事件，或者人工从连续波形中检出的较大的地震事件来产出快报目录，可能会出现一定数量的漏分析事件，如图11（b）为3 个连续的RISP 系统多检测事件，人工优先分析了其后6 min 的ML2.1 地震事件，未能及时返回捡拾这3个事件，造成漏分析。

图11 多检测地震事件波形图Fig.11 Waveforms of earthquakes undetected by manual catalog

除此之外，还有一些漏分析事件则是编目人员在日常浏览波形记录时未检出的事件，这些事件的震级甚至超过ML1.0且多台震相清晰（图11c）。

4 结论

本文以福建仙游地震序列为研究对象，通过RISP 系统离线处理功能，处理了2013 年9 月4 日ML5.0 主震前后5 个月的连续波形数据，并通过将自动处理结果与人工编目结果进行深入对比，全面评估了RISP系统对该地震序列的自动处理能力。

RISP系统共产出615个地震，与人工编目匹配事件462 个，对于ML≥1.0 的地震，匹配率达到96.4%。系统漏检测事件282 个，其中ML＞1.0 的地震有7个，原因均为系统在处理重叠事件时出现震相类型识别错误以及震相到时拾取偏差较大，从而导致定位结果出现偏差，无法与人工目录匹配成功。系统多检测事件162个，全部为仙游序列地震事件，其中ML＞1.0 的地震有43 个。匹配事件地震参数统计结果表明，发震时刻偏差不超过1 s 占比99.13%；震中位置偏差小于5 km 占比98.69%；震源深度偏差5 km内占比91.5%；震级偏差不超过0.5 级占比89.54%。本文研究结果表明，利用RISP系统可以快速产出仙游地区ML≥1.0 地震序列目录，地震目录完备性高，地震参数精度与人工处理结果相当，可应用于大震应急、震后趋势判定等工作，但系统对于重叠事件的处理能力仍待改进，建议自动编目系统能够尽快与人工协同工作，互相查漏补缺，则可明显提升地震目录的完整性。

致谢：福建省地震局提供连续波形数据与人工编目处理结果数据，广东省地震局蒋策博士提供部分数据统计与绘图程序，审稿专家给出宝贵的修改意见，在此一并感谢。