地震预警系统中搜索引擎方法的优化研究

The earthquake damage can be mitigated if we can infer the source location, magnitude and focal mechanism as soon as possible when an earthquake occurs. Recently, the development of the earthquake search engine provides a new direction for determining the source location and focal mechanism quickly. Similar to the web search engine, the source parameters can be determined by matching the input waveform with the synthetic waveform database through the fast search method. In this study, we attempt to combine the search engine with the concept of the Tnow location method and improve the performance of the search engine method to adapt the application of earthquake early warning. The epicenter is generally near the location of the first triggered station. The source can be constrained in a location range by the triggered stations and the stations without P arrivals at current time Tnow; therefore, we can narrow the range of the search engine database. In this study, we attempt to build an index for multiple subdatabases according to the order of the triggered stations. When an earthquake occurs, we retrieve the subdatabase with the order of the triggered stations; then apply the Internet search engine method on the subdatabase to obtain the solutions of the source parameters; therefore, the efficiency of the search engine can be improved.

快速地从台站记录到的地震波数据中推断出震源的位置，量级以及震源机制，对于减轻地震灾害具有重要意义。近年来，借用互联网搜索引擎技术，通过快速匹配地震波形的方法搜索震源位置和震源机制，为地震实时监测提供了新的方向。为了更好地适应地震预警的应用，本研究提出结合现有的Tnow定位方法的思想，优化地震搜索引擎技术方案，使之更适应于地震预警台站触发的时效性要求。由于震中一般处于先触发的台站附近，利用当前Tnow时刻已触发和未触发的台站位置，可以限定震源位于一定区域，从而缩小搜索引擎数据库的范围。本研究中探讨根据台站触发顺序建立数据库结构索引的方法，地震发生后首先索引触发台站对应的子数据库，然后通过互联网搜索引擎算法搜索该子数据库，快速求解震源参数，提高搜索的效率和效果。

快速确定震源位置，震级等震源参数对于地震预警极其重要。当地震波激发后，由近至远依次触发监测台站，为了迅速确定震源参数并缩小地震预警的盲区，可能需要在少量台站触发后即定位地震和求解震源参数。目前基于走时约束的算法，既利用了已经触发台站的到时信息又利用了未触发台站的位置信息，因为未触发台站总是离震源较远，从而也提供了震源约束信息。本项目原计划的搜索引擎算法的目的就是结合触发和未触发台站信息，并利用全波形信息确定震源参数。随着近些年人工智能技术的发展，我们发现基于人工智能技术可以自然提取出波形信息，并应用于地震的实时和持续性监测。我们调整了本项目的研究方法，研发了针对于地震实时和持续性监测的数据增广方法，震源参数的标记方法，以及神经网络模型。把地震位置和震级等参数标记为高斯概率密度分布，从而我们可以借用计算机视觉行业中常用的全卷积神经网络实现地震波形到震源参数的直接映射。通过截取不同时窗范围内的波形数据，模拟不同台站触发时刻的地震样本，从而可以训练得到能够实时和持续性监测地震的神经网络模型。我们首先应用该地震定位方法于美国Oklahoma地区，研究发现，通过1013个地震样本训练得到的神经网络能够较为精确地定位地震，其定位精度为3.7公里，同时我们对微小地震的测试发现，该算法能够定位震级低至0.5的地震事件。验证神经网络对诱发地震定位的效果后，我们进一步改进了该算法，并应用于2016年意大利6级地震的实时和持续性监测。研究发现，该算法能够在第一个台站触发后的3-4秒即可给出震源位置和震级，随着接收的数据和触发的台站增加，震源参数逐步更新。虽然本项目所用的研究方法和原计划有所不同，但是达到了项目关键目标，充分利用已触发和未触发台站信息于地震预警中。