張帆，韓曉明，郝美仙，張暉

（內(nèi)蒙古地震局，呼和浩特010051）

內(nèi)蒙古阿拉善地區(qū)爆破和地震自動(dòng)識(shí)別研究

張帆，韓曉明，郝美仙，張暉

（內(nèi)蒙古地震局，呼和浩特010051）

結(jié)合使用基于統(tǒng)計(jì)的時(shí)空特征參數(shù)和基于小波分析的頻譜特征參數(shù)，使用BP神經(jīng)網(wǎng)絡(luò)對(duì)內(nèi)蒙古阿拉善地區(qū)的地震和爆破進(jìn)行自動(dòng)識(shí)別。結(jié)果表明：使用的方法可以得到較高的識(shí)別率。

天然地震；爆破；BP神經(jīng)網(wǎng)絡(luò)；小波分析；自動(dòng)識(shí)別

0 引言

地震自動(dòng)定位和速報(bào)技術(shù)已經(jīng)廣泛應(yīng)用與地震監(jiān)測(cè)，雖然震相的模式識(shí)別已經(jīng)較多研究成果，但應(yīng)用較為有限，主要的限制是地震和爆破特征的復(fù)雜性和區(qū)域差異。在以往的監(jiān)測(cè)實(shí)踐中，事件類型的判別主要靠監(jiān)測(cè)工作者的經(jīng)驗(yàn)。事件分類的自動(dòng)化，可以為監(jiān)測(cè)人員提供有效的參考，提高地震監(jiān)測(cè)的效率和質(zhì)量。

國(guó)內(nèi)外許多學(xué)者對(duì)天然地震和人工爆破的識(shí)別方法進(jìn)行了廣泛和深入的研究，已發(fā)現(xiàn)地震信號(hào)的時(shí)域，時(shí)頻，譜和震相等方面的許多有用識(shí)別判據(jù)，如P波與S波的振幅比，P波初至，P波初至振幅與P波位移最大振幅比，震源深度，震級(jí)比，拐角頻率，瞬態(tài)譜，波形相關(guān)性，功率譜，倒譜，譜比，卓越周期，復(fù)雜性等。獲取了這些識(shí)別判據(jù),即提取特征數(shù)據(jù)后，選擇合適的識(shí)別算法就可以對(duì)待判事件進(jìn)行識(shí)別分類，識(shí)別算法主要有人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、Fisher線性判別、最小距離法、Bayes方法、模糊模式識(shí)別方法等。

內(nèi)蒙古阿拉善地區(qū)是天然地震和人工爆破較多地區(qū)，作者在前人成果的基礎(chǔ)上，針對(duì)內(nèi)蒙古阿拉善地區(qū)的天人地震和爆破事件，提取事件的時(shí)空參數(shù)和小波能量比，使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行天然地震和爆破的自動(dòng)分類，達(dá)到較高的識(shí)別率。

1 原理和方法

1.1 參數(shù)選取和算法

事件的波形中蘊(yùn)含了震源的信息，天然地震和爆破事件在時(shí)間和空間分布上也有差異，為了對(duì)地震事件和爆破事件進(jìn)行分類，首先要從事件參數(shù)和波形中提取有識(shí)別意義的參數(shù)，主要包括時(shí)間和空間特征參數(shù)和時(shí)域和頻域特征參數(shù)。我們選取小波能量比作為反映波形特征的參數(shù)，此外選取震中位置、發(fā)震時(shí)刻作為時(shí)空特征參數(shù)。使用人工神經(jīng)網(wǎng)絡(luò)作為識(shí)別算法。

1.2 小波能量比的提取

小波變換的概念是由法國(guó)從事石油信號(hào)處理的工程師J.Morlet在1974年首先提出的，通過(guò)物理的直觀和信號(hào)處理的實(shí)際經(jīng)驗(yàn)的需要建立了反演公式，當(dāng)時(shí)未能得到數(shù)學(xué)家的認(rèn)可。早在七十年代A.Calderon表示定理的發(fā)現(xiàn)、Hardy空間的原子分解和無(wú)條件基的深入研究為小波變換的誕生做了理論上的準(zhǔn)備，而且J.O.Stromberg還構(gòu)造了歷史上非常類似于當(dāng)前的小波基；1986年著名數(shù)學(xué)家Y.Meyer偶然構(gòu)造出一個(gè)真正的小波基，并與S.Mallat合作建立了構(gòu)造小波基的統(tǒng)一方法加多尺度分析之后，小波分析才開(kāi)始蓬勃發(fā)展起來(lái)。它與Fourier變換、窗口Fourier變換（Gabor變換）相比，這是一個(gè)時(shí)間和頻率的局域變換，因而能有效的從信號(hào)中提取信息，通過(guò)伸縮和平移等運(yùn)算功能對(duì)函數(shù)或信號(hào)進(jìn)行多尺度細(xì)化分析（Multiscale Analysis），解決了Fourier變換不能解決的許多困難問(wèn)題，從而小波變化被譽(yù)為“數(shù)學(xué)顯微鏡”，是調(diào)和分析發(fā)展史上里程碑式的進(jìn)展。

為了詳細(xì)的分解和提取事件波形的頻譜特征和實(shí)現(xiàn)參數(shù)的自動(dòng)提取，我們使用db4小波，進(jìn)行四層小波變換對(duì)波形進(jìn)行分解，并提取能量比參數(shù)，圖1為小波分解例子。

若s為原始信號(hào)，其長(zhǎng)度為J，信號(hào)采樣點(diǎn)序號(hào)為j，Si為信號(hào)S分解后的第i個(gè)小波系數(shù)，其長(zhǎng)度為K，k為其樣點(diǎn)序號(hào)，則定義小波系數(shù)的能量比（Ewt）為：

分解得到的小波尺度能量譜反映信號(hào)的能量隨尺度的變化情況，小波時(shí)間能量譜反映信號(hào)的小波能量沿時(shí)間軸的分布。

1.3 時(shí)間參數(shù)和空間參數(shù)的提取

經(jīng)過(guò)對(duì)2008年至2014年內(nèi)蒙古臺(tái)網(wǎng)觀測(cè)報(bào)告的統(tǒng)計(jì)分析，我們發(fā)現(xiàn)爆破事件在一天中各時(shí)段發(fā)生的比例分布比較不均勻，使用各時(shí)段發(fā)生的比例作為時(shí)間參數(shù)。表1為各時(shí)段爆破站總數(shù)比例。

圖2為2008至2014年內(nèi)蒙古地震臺(tái)網(wǎng)記錄的地震事件和爆破事件?？梢?jiàn)，爆破事件發(fā)生在比較集中的幾個(gè)區(qū)域，使用所要識(shí)別的事件位置附近過(guò)去記錄到的爆破數(shù)作為空間特征參數(shù)。具體方法是計(jì)算震中半徑0.5°內(nèi)的爆破數(shù)。

1.4 分類和檢驗(yàn)

人工神經(jīng)網(wǎng)絡(luò)也簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)，它是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。BP神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（input）、隱層（hidden layer）和輸出層(output layer)。

圖1 BYT臺(tái)NS向記錄4層小波分解系數(shù)Fig.1 Four layers warelet decomposition coefficient of NS records of BYT site

表1 各時(shí)段爆破比例Table 1 Blasting proportion in each period

使用matlab的神經(jīng)網(wǎng)絡(luò)工具箱實(shí)現(xiàn)自動(dòng)識(shí)別功能，使用BP神經(jīng)網(wǎng)絡(luò)隨機(jī)選取500條記錄作為訓(xùn)練集，隨機(jī)選取200條為測(cè)試集進(jìn)行訓(xùn)練和識(shí)別，選取tansig作為訓(xùn)練函數(shù)。以選取的特征參數(shù)為輸入，事件類型為輸出，人工判定結(jié)果為指導(dǎo)，建立三層人工神經(jīng)網(wǎng)絡(luò)。通過(guò)隨機(jī)抽樣，在事件庫(kù)中選取訓(xùn)練組和檢驗(yàn)組，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練并檢驗(yàn)。

圖2 2008—2014年內(nèi)蒙古地區(qū)地震和爆破分布圖Fig.2 Distribution map of blastings and earthquakes in Inner Mongolia（2008-2014）

2 數(shù)據(jù)的搜集和整理

提取時(shí)空特征參數(shù)的數(shù)據(jù)為內(nèi)蒙古地區(qū)2008—2014年觀測(cè)報(bào)告。圖2為地震事件和爆破事件的分布圖，由圖中可見(jiàn)震分布較離散，在各地區(qū)均有分布，部分區(qū)域較集中；爆破分布較集中，主要分布在阿拉善左旗、寧夏和內(nèi)蒙古東部部分區(qū)域。圖3為爆破事件在一天中各時(shí)段的分布。

使用神經(jīng)網(wǎng)絡(luò)進(jìn)行自動(dòng)識(shí)別和測(cè)試的數(shù)據(jù)為阿拉善左旗地區(qū)的190個(gè)事件的1 322條記錄，其中爆破記錄642條，地震記錄680條，提取時(shí)空參數(shù)和小波能量比參數(shù)。

圖2 爆破事件在一天中各時(shí)段的分布Fig.2 Distribution of blasting events in each period of day

3 結(jié)果和檢驗(yàn)

經(jīng)過(guò)小波分析，每條記錄得到6個(gè)小波能量比參數(shù)以及2個(gè)時(shí)空特征參數(shù)，選取不同的參數(shù)和輸入測(cè)試識(shí)別效果。表2為選取不同的輸入和不同的訓(xùn)練次數(shù)的識(shí)別率對(duì)比，由對(duì)比可知，添加了時(shí)空參數(shù)后識(shí)別率明顯提高，僅使用小波能量比的識(shí)別率在90%以下，添加時(shí)空參數(shù)后識(shí)別率提到到95%以上。添加時(shí)空參數(shù)后，訓(xùn)練次數(shù)在500時(shí)，識(shí)別最高，為97.5%。圖4為隨機(jī)選取50條記錄經(jīng)過(guò)500次訓(xùn)練的檢驗(yàn)結(jié)果。

表2 不同輸入和參數(shù)的識(shí)別正確率Table 2 Identification accuracy of different input and parameters

圖4 50條記錄的識(shí)別測(cè)試結(jié)果Fig.4 Identification results of 50 records

4 結(jié)語(yǔ)

結(jié)合使用基于統(tǒng)計(jì)的時(shí)空特征參數(shù)和基于小波分析的頻譜特征參數(shù)，使用BP神經(jīng)網(wǎng)絡(luò)對(duì)內(nèi)蒙古阿拉善地區(qū)的地震和爆破進(jìn)行自動(dòng)識(shí)別，測(cè)試結(jié)果表明在本文中使用的方法可以得到較高的識(shí)別率。本文使用的特征參數(shù)由地震臺(tái)網(wǎng)的觀測(cè)報(bào)告和記錄的事件波形提取，并對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，因此避免了區(qū)域差異對(duì)識(shí)別造成的影響。

相對(duì)于地震事件，爆破事件分布較集中，震源位置附近已發(fā)生爆破的數(shù)量可以作為爆破和地震分類的輔助判別依據(jù)。爆破事件在一天各時(shí)段發(fā)生的比例分布比較不均勻，在中午12:00和下午17:00至18:00發(fā)生比例較大，事件所在時(shí)段曾經(jīng)發(fā)生爆破占爆破總數(shù)的比例可以作為爆破和地震分類的輔助判別依據(jù)[13]。

使用小波分解后的能量比系數(shù)和bp神經(jīng)網(wǎng)絡(luò)可以較好的對(duì)地震和爆破進(jìn)行分類，僅使用小波能量比作為輸入，識(shí)別率達(dá)到87%以上。使用小波分解后的能量比系數(shù)和時(shí)空參數(shù)作為輸入，bp神經(jīng)網(wǎng)絡(luò)的識(shí)別率有顯著提高，達(dá)到95%以上。

[1]G.R.Dargahi-Noubary.Statistical estimation of corner frequency and its application to seismic eventidentification[J].Soil Dynamics and Earthquake Engineering，1998，17：297-309.

[2]Dargahi-Noubary G R.Disoominkfrcn between gaussian timeseriesbasedontheirspectraldifferences[J]. CommunicationsinStatistics-TheoryandMethods，1992，21（9）：2 439-2 458.

[3]Craig A.Schultz，Stephen C.Myers.Nonstationary Bayesian kriging:a predictive technique to generate spatial corrections for seismic detection,location and identification[J].Physics of the Earth and Planetary Interiors，1999，113：321-338.

[4]鄭秀芬，傅璃.小爆破的識(shí)別與判據(jù)[R].北京：中國(guó)地震局地球物理研究所，2001.

[5]張春賀，鄭秀芬，許紹燮，等.周期-頻度譜在小爆破自動(dòng)別研究中的應(yīng)用[J].地震地刺觀測(cè)和研究，2006，27（5）：24-28.

[6]邊銀菊.遺傳BP網(wǎng)絡(luò)在地震和爆破識(shí)別中的應(yīng)用[J].地震學(xué)報(bào)，2002，24（5）：516-524.

[7]盧世軍，黃漢明.基于能量比的天然地震與人工爆破自動(dòng)識(shí)別算法研究[J].華南地震，2010，30（1）：34-39.

[8]楊選輝，沈萍，劉希強(qiáng).地震與核爆識(shí)別的小波包分量比方法[J]．地球物理學(xué)報(bào)，2005，48（1）：148-156．

[9]李發(fā)，張佑龍，汪貴章，等.安徽及周邊地區(qū)小爆破的識(shí)別與判據(jù)研究[J]．華北地震科學(xué)，2012，30（2）：43-47.

[10]劉芳，苗春蘭，高艷玲.內(nèi)蒙古中西部地區(qū)尾波Q值研究[J].地震，2007，2（27）：72-80.

[11]劉芳，朱智勇.內(nèi)蒙古中西部地區(qū)的中小地震震源參數(shù)[J].華北地震科學(xué)，2007，25（2）：10-14.

[12]韓曉明，張建中，薛丁，等.呼和浩特-包頭地區(qū)平均波速比研究[J].中國(guó)地震，2010，26（4）：418-425.

[13]霍祝青，王俊，張金川，等.江蘇地區(qū)天然地震與人工爆破識(shí)別研究[J].地震工程學(xué)報(bào)，2015，37（1）：232-234.

Auto Identification of Explosion and Seismic Events in Alashan Area

ZHANG Fan，HAN Xiaoming，HAO Meixian，ZHANG Hui
（Earthquake Administration of Inner Mongolia Autonomous Region，Hohehot 010051，China）

Based on the statistical characteristics of space and time parameters and wavelet analysis，the paper develops a automatic program for identification between earthquakes and blastings by using the BP neural network.The paper uses the method in alashan area in Inner Mongolia，and the test results show that the method used in this article can get higher recognition rate.

The Natural earthquake；Blasting；BP neural network；Wavelet analysis；Automatic identification

P315.31

A

1001-8662（2016）03-0098-06

10.13512/j.hndz.2016.03.014

2015-07-29

測(cè)震臺(tái)網(wǎng)青年骨干培養(yǎng)專項(xiàng)（項(xiàng)目編號(hào)：20140306）；地震科技星火計(jì)劃（項(xiàng)目編號(hào)：XH14012Y）

張帆（1980-），男，碩士，工程師，主要從事地震觀測(cè)和研究工作。

E-mail：spacelessness@163.com.

張帆，韓曉明，郝美仙，等.內(nèi)蒙古阿拉善地區(qū)爆破和地震自動(dòng)識(shí)別研究[J].華南地震，2016，36（3）：98-103.[ZHANG Fan，HAN Xiaoming，HAO Meixian，et al.Auto Identification of Explosion and Seismic Events in Alashan Area[J].South china journal of seismology，2016，36（3）：98-103.]