基于深度学习到时拾取自动构建长宁地震前震目录

赵明， 唐淋， 陈石， 苏金蓉， 张淼

1 中国地震局地球物理研究所， 北京 100081 2 北京白家疃国家地球科学野外观测研究站， 北京 100095 3 四川省地震局， 成都 610041 4 加拿大戴尔豪斯大学地球和环境科学系， 新斯科舍省 哈利法克斯 B3H 4R2

0 引言

微震的识别和定位一直以来是地震研究的热点和难点.其中，有效地识别前震活动和建立完备的前震目录，对于理解前震和震群活动历程，地震触发和地震成核机制等十分关键(Ross et al., 2019a).近年来，随着观测技术和仪器精度的提高，密集台阵的大规模布设，地震监测能力也有了很大提升，但与此同时需要处理的地震数据量不断增长，对高精度、可实用的自动化数据处理方法和手段的需求越来越迫切.

地震数据处理一般包含挑取震相到时、多台震相关联、事件定位、测定震级等几个环节，最终以地震目录的形式发布.挑取震相、震相关联等是后续地震定位和测定震级的基础和前提，目前很大程度上仍依赖于人工处理.人工处理的主要挑战在小震震相的识别和到时挑取上，小震事件一是数量多，根据Gutenberg-Richter经验法则(Gutenberg and Richter, 1944)，地震每下降一个震级，数量会增加约10倍；二是信噪比相对较弱，很容易被误检和漏检.多年以来人们发展了很多算法进行小震的自动识别与检测.其中，基于波形相似性的模板匹配算法在小震的检测识别上十分有效(Peng and Zhao, 2009; Shelly et al., 2007; Yang et al., 2009; Zhang and Wen, 2015)，但其计算量较大，不能满足实际应用中高效快速处理大量连续波形数据的需求.

近年来，深度学习和人工……