基于卷积神经网络的地震震级快速估算方法

• 發表在: Dizhen xuebao
• Main Authors: Dongliang Wei, Yanwei Wang, Zifa Wang, Ji’an Liao, Dengke Zhao
• 格式: Article
• 語言: 中文
• 出版: Editorial Office of Acta Seismologica Sinica 2022-03-01
• 主題: earthquake early warning; rapid earthquake magnitude estimate; earthquake records; convolutional neural networks; deep learning
• 在線閱讀: https://www.dzxb.org/10.11939/jass.20210198

地震发生后震级的快速准确估算是确保地震预警减灾效果的最重要部分，而基于经验参数的传统方法在准确性和时效性方面各自存在局限性。通过建立多全连接层卷积神经网络模型，选用日本KiK-net和K-NET台网1997年至2019年记录到的3 065次地震的16万4 547条初至波在3—9 s不同时段的频域数据、对应地震事件的震源信息（震中距和震源深度）以及场地信息（vS30）作为全数据集，对提出的模型进行训练并对估算效果予以评估。结果显示：当初至波截取时段为3 s时，模型震级预测的整体准确率为89.92%，并且随着初至波长度的增大，估算震级的准确率持续提高；当截取时段为9 s时，整体准确率达到96.08%。与传统Pd方法的预估结果相比，结果表明：基于本文提出的多全连接层卷积神经网络模型估算的震级精度有所改善，具有绝对误差标准差和均值更小、时效强等特性，实现了基于单台站记录的端到端震级持续快速估算，能更好地增强地震预警的减灾效果。