強震預(yù)警中P波到時STA/LTA和貝葉斯BIC雙步驟撿拾研究

楊黎薇+邱志剛+林國良+王玉石

摘要：以云南地區(qū)的地震數(shù)據(jù)為基礎(chǔ)，借鑒國內(nèi)外P波震相自動識別相關(guān)研究，提出一套可實時處理P波震相的方法，即STA/LTA和貝葉斯BIC雙步驟撿拾法。應(yīng)用此方法對所選取的云南強震動臺網(wǎng)觀測記錄進行P波自動精確識別，并與人工撿拾方法結(jié)果進行對比，確定STA/LTA和貝葉斯BIC雙步驟撿拾法的識別精度能滿足地震預(yù)警快速準確的要求。

關(guān)鍵詞：地震預(yù)警；P波；強震記錄；STA/LTA；貝葉斯準則；雙步驟撿拾

中圖分類號：P315.91文獻標識碼：A文章編號：1000-0666（2017）04-0619-10

0引言

地震要素有3個：發(fā)震時間、發(fā)震地點和震級大小，地震預(yù)警的核心內(nèi)容就是對地震三要素進行快速估計。作為一種有效的地震防災(zāi)減災(zāi)手段，地震預(yù)警必須滿足2個特性：可靠性和時效性。首先，預(yù)警系統(tǒng)所提供的信息必須具有相對準確性和穩(wěn)定性；其次，預(yù)警系統(tǒng)應(yīng)能夠提供盡可能長的應(yīng)急反應(yīng)時間。換言之，地震預(yù)警系統(tǒng)就是要滿足地震警報發(fā)布速度與地震警報內(nèi)容準確度之間的最大平衡關(guān)系?？梢?，在最短時間內(nèi)確定震中位置和震級大小是預(yù)警的重點環(huán)節(jié)，而地震定位和震級估算又直接依賴于精確的震相撿拾結(jié)果，因此，深入研究地震動震相自動撿拾問題很有必要。

震相自動撿拾是基于識別地震波到達后能量、頻率成分、極化等特征上的變化來實現(xiàn)的，多數(shù)震相自動撿拾方法是通過提取信號和噪聲中的不同特征來區(qū)分真實地震信號與噪聲（尹得余，2012）。自動撿拾作為地震預(yù)警系統(tǒng)高效準確進行震相判別的唯一選擇，其準確度對地震定位和震級確定結(jié)果有非常重要的影響。近幾年，國內(nèi)外很多學(xué)者對此進行了多方位研究，也取得了一些進展（陳少波，2015）。

常用P波震相撿拾方法主要有能量分析、地震波形偏振分析、自回歸分析、神經(jīng)網(wǎng)絡(luò)、小波變換、高階統(tǒng)計、復(fù)合方法等（史洪山，2012）。到目前為止，還沒有任何一種單一方法可以識別所有震相，每一種方法都有一定局限性和應(yīng)用范圍。能量分析是通過選取合適特征函數(shù)去突出地震震相主要特征，再使用長短時平均方法撿拾震相。長短時平均（STA/LTA）算法是能量分析中最常用的撿拾P波到時方法，由Stevenson（1976）最早提出并應(yīng)用于判別地震波初至。隨后，Allen（1978，1982）、Baer和Kradolfer（1987）、Earle 和Shearer（1994）對長短時間方法進行不同程度的改進。Ambuter和Solomon（1974）、Anderson（1981）、Mcevilly和Majer（1982）曾利用地震記錄幅值的絕對值作為特征函數(shù)，Swindell和Snell（1977）利用地震記錄幅值的平方作為特征函數(shù)，Earle和Shearer（1994）用Hilbert變換求取特征函數(shù)，在確定相應(yīng)特征函數(shù)之后，通過長短時平均方法去判定P波震相初動（馬強，2008）。這類方法適用于震相清晰的地震事件，當(dāng)信噪比低或初動不明顯時，撿拾效果較差（Stevenson，1976；Allen，1978，1982；Baer，Kradolfer，1987；高淑芳等，2008）。地震波形偏振分析主要是綜合三分向地震資料后開展奇異值解析，提出能反映偏振特性的量去進行震相識別（Vernon，1987；Jukevics，1988；劉建華等，2006；馬強，2008）。Flinn（1965）、Vidale（1986）、Cichowicz（1993）、Mao和Gubbins（1995）、Earle（1999）發(fā)現(xiàn)震相到來時質(zhì)點運動的偏振方向會發(fā)生改變，于是他們提取出使用地震波的偏振特征去撿拾和判別震相到時。這類方法主要應(yīng)用于檢測原地應(yīng)力和地震預(yù)報等方面，其對資料窗口長度和信噪比變化特別敏感，會產(chǎn)生同向軸重疊問題。自回歸分析先假設(shè)震相到時前后地震狀態(tài)為2個不同的穩(wěn)態(tài)過程，再找到震相到時點，即2個穩(wěn)態(tài)過程劃分點（王繼等，2006；周彥文，2008；Sleeman，1999）。Maeda（1985）提出一種時域赤池信息量準則，即直接通過地震波形記錄數(shù)據(jù)求取AIC函數(shù)，跳過對AR模型階數(shù)的求取過程。Sleeman（1999）提出了自回歸方法，在此基礎(chǔ)上，Leonard and Kennett（1999）和Leonard（2000）將自回歸的假定AR-AIC用作P波震相的自動撿拾。這類方法屬于目前應(yīng)用最為廣泛的P波震相識別方法，其精確度和穩(wěn)定性能滿足地震預(yù)警的工作需要，算法高效但模型結(jié)構(gòu)復(fù)雜，計算量也較大。神經(jīng)網(wǎng)絡(luò)把與地震資料相關(guān)的可用信息作為網(wǎng)絡(luò)輸入去識別震相（Wang，Teng，1995；Zhao，Takano 1999）。Zhao和Takano（1999）、Dai和MacBeth（1995，1997）、Murat和Rudman（1992）、Wang 和Teng（1995）都對神經(jīng)網(wǎng)絡(luò)方法進行震相識別做過研究。Tong和Kemett（1996）利用該方法進行震相識別，建立有關(guān)地震波特性的專家知識庫，再根據(jù)檢測到的震相特性去推理判別震相的類型。這種理論化的人腦神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型，是基于模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)，具有高度非線性，能夠進行復(fù)雜的邏輯操作和非線性實現(xiàn)系統(tǒng)，撿拾精確度高。小波分析把地震記錄P波到時的特征表現(xiàn)在不同小波變換系數(shù)上，Chakraborty和Okaya（1995）、Kanawaldip和Farid（1997）提出小波變換的主要成分分析，劉希強等（1998，2000a，b）對該算法做出進一步探索；Zhang等（2003）將AIC準則與小波變換結(jié)合起來進行震相撿拾，小波變換雖然在震相識別方面取得了一定成效，但其本質(zhì)依然依托于Fourier變換，擺脫不了Fourier分析的局限性。這類方法會限制信號的精細分辨，隨著尺度增大，小波變換相應(yīng)正交基函數(shù)的頻譜局部性就越差。高階統(tǒng)計是引入偏度和峰度2個量去自動識別地震資料從高斯段變?yōu)榉歉咚苟蔚狞c，該點即被認為對應(yīng)地震信號的初至（Saragiotis et al，2002）。Saragiotis等（2002）為了消除人為因素和噪聲對震相撿拾的影響，提出運用高階統(tǒng)計學(xué)的方法來撿拾震相。這類方法對波形清晰程度的要求高，撿拾結(jié)果穩(wěn)定性不算理想。復(fù)合方法則是把2種或2種以上的方法聯(lián)合使用，進而獲取更好的結(jié)果（Bai，Kennett，2000）。Bai和Kennett（2000）提出將能量分析方法、瞬時頻率分析方法、自回歸分析方法等結(jié)合起來撿拾震相。這類方法在一定程度上彌補了單一算法的缺陷，權(quán)衡考慮各方面因素，得到較完善精確的結(jié)果。綜上所述，本文采用復(fù)合方法自動識別P波到時。endprint

本文借鑒國內(nèi)外P波震相自動識別的相關(guān)研究，以云南地區(qū)的地震數(shù)據(jù)為基礎(chǔ)，提出一套可實時處理P波震相的復(fù)合方法，即STA/LTA和貝葉斯BIC雙步驟撿拾法。應(yīng)用此方法對所選取的云南強震動臺網(wǎng)觀測記錄進行P波自動精確識別，并通過比較此方法與人工撿拾方法的實測結(jié)果，以確定STA/LTA和貝葉斯BIC雙步驟撿拾法的識別精度是否滿足地震預(yù)警對時效性與準確度的要求。

1基于STA/LTA和BIC算法的P波震相自動撿拾研究

1.1P波震相特征函數(shù)震相在地震圖上顯示為性質(zhì)不同或傳播路徑不同的地震波組。各種震相在到時、波形、振幅、周期和質(zhì)點運動方式等方面都各有特征。在P波震相中，質(zhì)點沿著波的傳播方向運動，通常在震中距105°的范圍內(nèi)，P波震相是地震圖上的初至震相。

對地震記錄來說，P波在垂直向的特征明顯，一般在地震波P波初動點的幅值和頻率會明顯發(fā)生變化，在大多數(shù)情況下，可以觀察到一個明顯的向上或向下的脈動，由此可判定P波初動點。所以用于識別P波震相的特征參量必須能夠反映這些變化趨勢，才能準確地識別P波震相（毛燕等，2011）。選取特征函數(shù)是為了使用STA/LTA震相識別方法時，引入一個新的時間序列CF（i）來反映原始記錄信號的變化特征，以此為基礎(chǔ)再計算STA/LTA值。特征函數(shù)的選取對識別結(jié)果精度至關(guān)重要，它必須能靈敏地反映信號到達時的頻率或幅值特征變化，甚至能增強這些變化。為了將P波的特征盡量放大，本文使用Allen（1978）所提出的特征函數(shù)進行波相特征放大處理：CFP=xud（k）2+[xud（k）-xud（k-1）]2（1）式中：CFP表示P波撿拾的特征函數(shù)；xud（k）為第k時刻豎向的速度記錄。使用（1）式主要是考慮到P波作為縱波，在傳遞的過程中應(yīng)該保持其傳播方向與振動方向一致，故而采用垂直記錄上的變化去體現(xiàn)P波的特征。

1.2STA/LTA+BIC雙步驟撿拾法

STA/LTA+BIC雙步驟撿拾法主要是將常用的長短時平均算法（STA/LTA）與目前國際上較受關(guān)注的貝葉斯分割算法（BIC）結(jié)合起來對地震P波震相進行精確撿拾，確定出一種性能穩(wěn)定、準確度高、可應(yīng)用于地震預(yù)警系統(tǒng)中P波震相自動判別的方法。

1.2.1STA/LTA撿拾

長短時平均（STA/LTA）算法是地震預(yù)警中最常用的撿拾P波到時方法，這種方法反應(yīng)了幅值的瞬時變化。STA表征信號短時平均值，主要反映信號幅值瞬時的變化；LTA表征信號長時平均值，主要反映相對于待檢信號的背景噪聲平均水平。STA比LTA變化快很多，該算法通過STA與LTA之比反映信號水平或者能量的變化。當(dāng)?shù)卣鹦盘柕竭_時，STA/LTA值會出現(xiàn)明顯增大，當(dāng)該比值大于預(yù)先所設(shè)定的閾值，其對應(yīng)的時刻點則被認為是P波的初動點。

STA/LTA的計算值體現(xiàn)了長短時窗內(nèi)的能量比，本文應(yīng)用時間窗的撿拾公式為（Allen，1982）：STA（i）/LTA（i）=∑ik1CFP（i）/（i-k1+1）∑ik2CFP（i）/（i-k2+1）（2）式中：STA（i）和LTA（i）分別表示P波信號在i時刻的短時和長時平均值；CFP（i）為P波信號在i時刻的特征函數(shù)值；i為變化時刻點；k1和k2均為變化時刻前某一時刻點（k2

P波到達前后，記錄的幅值變化較大，STA平均值的窗長取值與待測信號的周期相關(guān)，決定了記錄事件是否能夠正確觸發(fā)，取值太短會誤觸發(fā)，取值太長會漏觸發(fā)；而LTA平均值的窗長取值僅是與信號的背景噪聲水平相關(guān)，取值范圍相對固定。以2014年10月7日發(fā)生的云南景谷M6.6主震中景谷永平臺的UD向記錄為例，STA和LTA時間窗長的選取對計算結(jié)果的精度有較大的影響，其值的選取需結(jié)合特征函數(shù)的特點與STA/LTA計算方法來確定，同時為了準確判定地震事件初動點，特征函數(shù)的閾值通常都會定為10。在本文中，設(shè)定特征函數(shù)閾值參數(shù)為10，長窗長取15 s，短窗長取0.5 s，即可達到較為理想的撿拾效果。當(dāng)特征函數(shù)值大于10時，可判定有地震事件發(fā)生，如圖1所示，該記錄的P波初動點出現(xiàn)在曲線跳躍點處，即13.49 s處；用STA/LTA方法撿拾的到P波也在13.49 s處對應(yīng)觸發(fā)。這種以能量變化實現(xiàn)特征撿拾的方法對于地震弱信號適應(yīng)性較強，撿拾效果高，適用于震相清晰、規(guī)則型的地震事件。

1.2.2貝葉斯（BIC）信息準則

當(dāng)前有許多模型選擇方法，如似然法、貝葉斯法和信息準則法等。1973年統(tǒng)計學(xué)家Hirotugu Akaike提出Akaike 信息準則（AIC）用來進行模型選擇，對模型信息的發(fā)展產(chǎn)生了深遠影響，Schwarz（1978）在此基礎(chǔ)上提出了貝葉斯（BIC）信息準則。

最大似然準則是一種具有理論性的點估計法，此方法的基本思想是：從模型總體隨機抽取n組樣本觀測值后，最合理的參數(shù)估計量以觀測值出現(xiàn)的概率最大為最大估計準則。而模型選擇問題即是從K個候選模型M={Mi；i=1，2，…，K}中選出一個最能表示給定N個數(shù)據(jù)X= {Xi；i=1，2，…，N}分布的模型選擇問題。BIC準則是一種基于模型復(fù)雜度懲罰機制的漸進最大似然準則，用來解決模型選擇問題（薛昊，2010）。

假設(shè)數(shù)據(jù)集X對于每個模型Mj的最大似然式為L（x，Mj），kj為模型Mj的參數(shù)個數(shù)，那么模型Mj的BIC計算式可用（3）式表示：BIC（Mj）=lgL（x，Mj）-12λkjlg（N）（3）式中：對數(shù)似然函數(shù)lgL（x，Mj）反映了模型精確度，它可以測量效率參數(shù)化模型的預(yù)測數(shù)據(jù)，也可用來選擇集群數(shù)量內(nèi)出現(xiàn)的一個特定數(shù)據(jù)集；λ為懲罰因子；λkjlg（N）反映了對模型復(fù)雜度的懲罰，它可提高模型的靈活性，滿足規(guī)則內(nèi)的懲罰需求（薛昊，2010）。

由于樣本數(shù)據(jù)的似然值會隨著模型參數(shù)的增加而增加，單純采用極大似然估計會造成模型參數(shù)過多、維數(shù)過大，所以我們在BIC準則中引入了對模型復(fù)雜度的懲罰。由（3）式使BIC計算取得最大值得模型，即為基于貝葉斯信息準則的最優(yōu)模型：

1.2.3BIC算法流程

在波形圖中，并不是只會出現(xiàn)單一的分割點，很多時候，會有多個分割點出現(xiàn)，為了得到最優(yōu)分割點，本文采用貝葉斯準則中順序檢測算法逐個找出分割點，最后得到分割點的最大值，確定P波震相的精確到時。具體流程如圖2所示。

圖2中，首先是初始化檢測窗[a，b]，且a=1；b=1。這一步驟表明視窗一開始僅包含2個樣本點a和b。接著開始進行BIC檢測[a，b]窗內(nèi)是否存在分割點，不存在分割點時，對檢測窗窗長增加1，即令b=b+1，重新開始BIC檢測分割點；存在分割點時，則移動檢測窗，即a=i+1；b=a+1，i為分割點，讀取該分割點值并按順序逐步增加檢測窗長度，直至整個完整波頻段檢測結(jié)束。

從整個算法的流程可看出，算法的時間復(fù)雜度和分割點數(shù)有關(guān)，雖然BIC的檢測精度很高，但其在檢測過程中計算量非常大。

從長短時平均（STA/LTA）方法的撿拾效果來看，其算法簡單、穩(wěn)定快速，主要缺點是撿拾到的P波到時往往比實際到時滯后。而貝葉斯（BIC）方法撿拾精度高、穩(wěn)定可靠，但其撿拾P波到時需要對整個完整波頻按順序逐步檢測分割點，最后才能判定出所有分割點的最大值，確定出P波到時。因此，如果采用STA/LTA粗略撿拾到P波到時后，縮小檢測范圍，再用BIC準則進行P波震相的精確拾取，比在整條地震記錄圖上直接應(yīng)用BIC準則要更快，精度與直接應(yīng)用BIC準則撿拾相同。

ΔBIC（i）>0時，表明BIC（M2）>BIC（M1），即模型M2優(yōu)于模型M1，當(dāng)ΔBIC（i）的取值為最大值，則認為這是最優(yōu)分割點i，最終使ΔBIC（i）取得最大值得幀i為P波震相到時點。i=argmax10ΔBIC（i）（11）使用BIC準則方法撿拾2014年云南景谷M6.6主震中景谷永平臺站UD向記錄的P波到時，獲得結(jié)果如圖3所示。圖3a描述了在該加速度時程曲線中，P波到時相對于記錄起始時刻是13.37 s；

人工撿拾景谷永平臺UD向記錄P波到時為13.40 s，STA/LTA自動撿拾結(jié)果為13.49 s，比人工撿拾結(jié)果滯后0.09 s；BIC自動撿拾結(jié)果為13.37 s，比人工撿拾結(jié)果提前0.03 s。

1.3STA/LTA+BIC雙步驟撿拾的工作流程

STA/LTA+BIC雙步驟撿拾法的工作流程如圖4所示，強震儀的閾值產(chǎn)生觸發(fā)事件時，實時數(shù)據(jù)的特征函數(shù)可直接采用（1）式計算特征函數(shù)值；STA/LTA粗略撿拾P波到時采用（2）式計算；BIC精確撿拾P波到時采用（11）式計算。首先根據(jù)特征函數(shù)計算結(jié)果，對記錄波形展開P波粗略撿拾，應(yīng)用STA/LTA長短時平均法檢測或報警觸發(fā)事件，當(dāng)STA/LTA刻畫出記錄幅值的瞬時變化時，立刻判別P波閾值是否觸發(fā)，若是STA/LTA計算結(jié)果超過常數(shù)閾值THR，則認為是地震事件，進入下一步精確撿拾；反之則是干擾事件，撿拾工作及時結(jié)束。本方法對地震事件P波的精確撿拾采用BIC自動撿拾法，其撿拾結(jié)果作為最終的P波到時成為地震預(yù)警的重要參數(shù)。

歸納STA/LTA+BIC雙步驟撿拾法的基本步驟主要有2點：（1）先用STA/LTA法粗略撿拾P波到時；（2）以粗略到時點為基準，前后各推0.5 s，在此范圍內(nèi)使用BIC準則進行精確撿拾。

2實際算例分析

根據(jù)本文對震相撿拾方法的原理介紹與工作流程，對云南省數(shù)字強震動臺網(wǎng)記錄的17次ML≥5.0地震事件進行STA/LTA+BIC雙步驟自動撿拾，撿拾記錄均來自震中距在100 km范圍內(nèi)的強震動臺站記錄。

2.1數(shù)據(jù)選取

本文所用數(shù)據(jù)來自于云南省數(shù)字強震動臺網(wǎng)獲取的強震記錄，包括了2008—2014年17次M5.0～7.0地震事件，涵蓋了云南盈江、騰沖、彝良、洱源、景谷等地震多發(fā)區(qū)域。對P波震相而言，其在豎直向的幅值變化較大，我們對地震動記錄進行初次人工篩選，剔除丟頭、疊加等波形異常的強震記錄，選取震中距在100 km以內(nèi)、P波在豎直向相對突出的豎向原始加速度時程記錄173個，并對數(shù)據(jù)進行預(yù)處理。篩選后的各地區(qū)的加速度時程記錄數(shù)量分布如表1所示。

2.2實際撿拾情況分析

如表1所示，臺網(wǎng)內(nèi)選取這17個地震事件的實際記錄，有9個震中距在100 km內(nèi)的記錄出現(xiàn)漏檢，其它記錄撿拾工作正常。分析原因發(fā)現(xiàn)，其中有4個記錄人工撿拾也無法分辨P波時，2個記錄中的地震波形有其他小震的干擾疊加，其余3個原因不明。

表2中，STA/LTA撿拾與人工撿拾的P波到時平均差值為0.698 s，標準差值為0.531 s；STA/LTA+BIC撿拾與人工撿拾的P波到時平均差值為0.091 s，標準差值為0.156 s。從地震系統(tǒng)的工作要求而言，STA/LTA撿拾結(jié)果誤差相對較大，其精確度可達到地震烈度速報的工作要求；STA/LTA+BIC撿拾結(jié)果誤差相對很小，其精確度能夠達到地震預(yù)警系統(tǒng)的工作要求。

圖5顯示了STA/LTA自動撿拾與人工撿拾P波到時結(jié)果的偏差分布，可以看出，STA/LTA自動撿拾P波到時的偏差基本以正數(shù)為主，最大偏差將近2.0，其撿拾結(jié)果通常大于人工撿拾結(jié)果，即其對P波到時的自動撿拾往往存在滯后的現(xiàn)象。圖6表示了STA/LTA+BIC自動撿拾與人工撿拾P波到時結(jié)果的偏差分布，可以看出，STA/LTA+BIC自動撿拾P波到時的偏差均勻分布在-0.5～0.5之間，以0～0.2之間的分布最廣。該方法對P波到時的自動撿拾結(jié)果與人工撿拾結(jié)果吻合。綜上所述，采用STA/LTA+BIC自動撿拾P波到時的結(jié)果與人工撿拾P波到時結(jié)果偏差很小，誤差不超過0.5。

2.3震中距對P波到時準確度及時效性的影響

為了研究震中距是否會影響地震P波震相到時的準確程度，我們統(tǒng)計了人工判別、STA/LTA和STA/LTA+BIC自動判別3種撿拾結(jié)果，將記錄臺站的震中距范圍擴大至0～160 km，具體變化如圖7所示。由圖7可見，采用STA/LTA+BIC自動圖5STA/LTA自動撿拾與人工撿拾判別方法與人工撿拾方法的撿拾結(jié)果幾乎是完全吻合的，而STA/LTA自動判別方法撿拾的結(jié)果有延時滯后現(xiàn)象產(chǎn)生。同樣，將STA/LTA+BIC自動撿拾P波到時的偏差與震中距的變化分布繪制成圖8，其結(jié)果與圖6相符，無論震中距如何變化，采用STA/LTA+BIC自動撿拾P波到時的偏差都很小。由此可見，震中距遠近對P波到時的準確程度沒有任何影響，采用合適的撿拾方法才能提高撿拾結(jié)果的精確度。為了得到不同震中距下采用STA/LTA+BIC自動撿拾P波到時的速度，本文引入速度節(jié)奏來顯示撿拾速度，即規(guī)定一個節(jié)奏值，每個數(shù)據(jù)撿拾的用時以規(guī)定節(jié)奏值相應(yīng)的倍數(shù)表示，這樣就能通過不同的節(jié)奏數(shù)值看出每個數(shù)據(jù)的撿拾用時長短，進而推斷出P波傳播于不同介質(zhì)時的速度變化。如圖9所示，采用STA/LTA+BIC自動撿拾P波到時速度節(jié)奏隨震中距的變化是逐漸增大的。究其原因，可能是隨著震中距逐漸增大，不同場地介質(zhì)會對P波傳播速度及方向產(chǎn)生改變，影響后續(xù)對P波震相識別的速度。

綜上所述，震中距的遠近對P波震相識別的精度沒有影響，P波到時撿拾結(jié)果的準確程度取決于采用方法是否適合；但震中距的遠近對P波震相識別用時長短有一定影響，隨著震中距逐漸增大，自動撿拾P波初至的耗時也會呈逐漸增長趨勢。

3討論與結(jié)論

本文借鑒了國內(nèi)外P波震相自動識別的相關(guān)研究，以云南地區(qū)的地震數(shù)據(jù)為基礎(chǔ)，提出一套可實時處理P波震相的方法，即STA/LTA和貝葉斯BIC雙步驟撿拾法。應(yīng)用此方法對所選取的云南強震動臺網(wǎng)觀測記錄進行P波自動精確識別，并與人工撿拾方法的實測結(jié)果進行比較，得到以下結(jié)論：

（1）STA/LTA自動撿拾與人工撿拾P波到時的偏差基本以正數(shù)為主，最大偏差將近2.0 s，其撿拾結(jié)果通常大于人工撿拾結(jié)果，即其對P波到時的自動撿拾往往存在滯后的現(xiàn)象。STA/LTA+BIC自動撿拾P波到時的偏差在0.0值上下均勻分布，主要分布在-0.2～0.2 s之間，最大偏差也超不過0.5 s，該方法其對P波到時的自動撿拾結(jié)果與人工撿拾結(jié)果接近吻合。

（2）長短時平均（STA/LTA）方法撿拾速度快；貝葉斯（BIC）方法精確度高。因此，在用STA/LTA粗略撿拾到P波后，再用BIC準則進行P波震相的精確拾取，從地震預(yù)警的實時性與時效性要求來看，效果比在整條地震記錄圖上直接應(yīng)用BIC準則要好。

（3）通過大量數(shù)據(jù)實際驗證，P波特征函數(shù)觸發(fā)閾值設(shè)為10較合適。閾值小于10誤判率會增高，閾值大于10漏檢率也會增高。進行P波到時撿拾時，信噪比高撿拾結(jié)果理想，若是其中有噪聲等干擾信號影響，撿拾質(zhì)量會受到很大影響。

（4）采用P波震相自動撿拾方法，結(jié)果雖然具有較高的精度，但對S波震相自動撿拾并未嘗試，可在下一步工作中繼續(xù)研究S波震相自動撿拾。

通過對比分析，STA/LTA與BIC相結(jié)合的P波到時撿拾方法不但利用了STA/LTA穩(wěn)定可靠的特點，在初步撿拾點的附近選取一個恰當(dāng)?shù)臅r間窗包含P波震相初至過程，再以這個合適的時間窗進一步開展BIC準則精確撿拾，撿拾結(jié)果穩(wěn)定可靠，準確性高。STA/LTA和貝葉斯BIC雙步驟撿拾法的識別精度能夠達到地震預(yù)警的要求，可作為云南地區(qū)預(yù)警系統(tǒng)建設(shè)的技術(shù)參考。

參考文獻：

陳少波.2015.地震預(yù)警系統(tǒng)的P波震相自動識別方法研究[D].哈爾濱：中國地震局工程力學(xué)研究所.

高淑芳，李山有，武東坡，等.2008.一種改進的STA/LTA震相自動識別方法[J].世界地震工程，24（2）：37-41.

劉建華，劉福田，胥頤.2006.三分量地震資料的偏振分析[J].地球物理學(xué)進展，21（1）：6-10.

劉希強，周蕙蘭，李紅.2000a.基于小波包變換的地震數(shù)據(jù)時頻分析方法[J].西北地震學(xué)報，22（2）：143-146.

劉希強，周蕙蘭，沈萍，等.2000b.用于三分向記錄震相識別的小波變換方法[J].地震學(xué)報，32（2）：125-131.

劉希強，周蕙蘭，鄭治真，等.1998.基于小波包變換的弱震相識別方法[J].地震學(xué)報，20（4）：373-380.

馬強.2008.地震預(yù)警技術(shù)研究及應(yīng)用[D].哈爾濱：中國地震局工程力學(xué)研究所.

毛燕，崔建文，鄭定昌，等.2011.地震記錄的P波自動撿拾[J].地震研究，34（1）：47-51.

史洪山.2012.地震預(yù)警震級測定技術(shù)研究[D].哈爾濱：中國地震局工程力學(xué)研究所.

王繼，陳九輝，劉啟元，等.2006.流動地震臺站觀測初至震相的自動檢測[J].地震學(xué)報，28（1）：42-51.

薛昊.2010.基于BIC的通用音頻分割方法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué).

尹得余.2012.P波震相自動撿拾與地震預(yù)警震級實時測定技術(shù)研究[D].哈爾濱：中國地震局工程力學(xué)研究所.

周彥文.2008.基于單臺P波記錄的早期地震預(yù)警方法研究[D].蘭州：中國地震局蘭州地震研究所.

ALLEN R E.1978.Automatic earthquake recognition and timing from single traces[J].Bulletin of the Seismological Society of America，68（5）：1521-1532.

ALLEN R E.1982.Automatic phase pickers：Their present use and future prospects[J].Bulletin of the Seismological Society of America，72（6B）：225-242.

AMBUTER B P，SOLOMON.1974.An event-recording system for monitoring small earthquakes[J].Bulletin of Seismological Society of America，64（4）：1181-1188.

ANDERSON K R.1981.Epicentral location using arrival time order[J].Bulletin of the Seismological Society of America，70（2）：541-545.

BAER M，KRADOLFER U.1987.An Automatic phase picker for local and teleseismic[J].Bulletin of the Seismological Society of America，72（4）：1437-1445.endprint

BAI C Y，KENNETT B L N.2000.Automatic phase-detection and identification by full use of a single three-component broadband seismogram[J].Bulletin of Seismological Society of America，90（1）：187-198.

CHAKRABORT Y A，OKAYA D.1995.Frequency-time decomposition of seismic data using wavelet-based methods[J].Geophysics，60（6）：1906-1916.

TONG C，KENNETT B L N.1996.Auto seismic event recognition and later phase identification for broadband seismograms[J].Bulletin of the Seismological Society of America，86（6）：1896-1909.

CICHOWICZ A R.1993.An automatic S-phase picker[J].Bulletin of the Seismological Society of America，83（1）：180-189.

DAI H C，MACBETH C.1995.Automatic picking of seismic arrivals in local earthquake data using an artificial neural network[J].Geophysical Journal International，120（3）：758-774.

DAI H C，MACBETH C.1997.The application of back-propagation neural network to automatic picking seismic arrivals from single-component recordings[J].J Geophys Res，102（B7）：15105-15113.

EARLA P.1999.Polarization of the Earths teleseismic wave field，Geophys[J].J Int，139（1）：1-8.

EARLE P S，SHEARER P M.1994.Characterization of glob seismograms using an automatic-picking algorithm[J].Bulletin of the Seismological Society of America，84（2）：366-376.

FLINN E.1965.Signal analysis using recti linearity and direction of particle motion[J].Proc IEEE 53：1874-1876.

JUKEVICS A.1988.Polarization analysis of three-component array data[J].Bulletin of the Seismological Society of America，78（5）：1725-1743.

KANWALDIP A S，F(xiàn)ARID U D.1997.Wavelet transform methods for phase identification in three-component seismograms[J].Bull Seism Soc Amer，87（6）：1598-1612.

LEONARD M，KENNETT B L N.1999.Multi-component autoregressive techniques for the analysis of seismograms[J].Phys Earth Planet Interiors，113（1-4）：247-264.

LEONARD M.2000.Comparison of manual and automatic onset time picking[J].Bull Seism Soc Am，90：1384-1390.

MAEDA N.1985.A method for reading and checking phase times in auto-processing system of seismic wave data[J].The Seismological Society of Japan，38：365-379.

MAO W，GUBBINS D.1995.Simultaneous determination of time delays and stacking weights in seismic array beam forming[J].Geophysics，60（2）：491-502.

MCEVILLY T V，MAJER E L.1982.An automated seismic processor for micro earthquake network[J].Bulletin of the Seismological Society of America，72（1）：303-325.

MURAT M E，RUDMAN A J.1992.Automated first arrival picking：a neural network approach[J].Geophysics Prospecting，40（6）：587-604.endprint

SARAGIOTIS C H D，HADJILEONTIADIS L J，PANAS S M P.2002.AI-S/K：a robust automatic seismic P-phase arrival identification scheme[J].IEEE Sransactions on Geoscience and Remote Sensing，40（6）：1395-1404.

SCHWARZ E G.1978.Estimating the dimension of a model[J].Annals of Statistics，6（2）：461-464.

SLEEMAN R.1999.Robust automatic P-phase picking：an on-line implementation in the analysis of broadband Seismogram recordings[J].Phys Earth Planet Interiors，113：265-275.

STEVENSON P S.1976.Micro earthquakes at flathead lake，Montana：a study using automatic earthquake processing[J].Bulletin of the Seismological Society of America，66（1）：1-80.

SWINDELL H，SNELL N.1977.Station Processor Automatic Signal Detection System，Phase Ι：Final Report，Station Processor Software Development[J].Texas Instruments Report，ALEX（01）-FR-77-01.

VERNON F L.1987.Frequency dependent polarizatianalysis of high-frequency seismograms[J].Journal of geophysical research，92（B12）：664-674.

VIDALE T.1986.Complex polarization analysis of particle motion[J].Bull Seism Soc Am，76（5）：1393-1405.

WANG J，TENG T L.1995.Artificial neural network-based seismic detector[J].Bulletin of the Seismological Society of America，85（1）：308-319.

ZHAO Y，TAKANO K.1999.An artificial neural network approach for broadband seismic phase Picking[J].Bulletin of the Seismological Society of America，89（3）：70-680.

ZHANG H，THURBER C，ROWE C.2003.Automatic P-Wave Arriva Detection and Picking with Multiscale Wavelet Analysis for Single-Component Recordings[J].Bulletin of the Seismological Society of America，93（5）：1904-1912.endprint