天然地震與人工爆破特征識(shí)別研究綜述＊

唐婷婷 余 思 陳江貽

（江西省地震局，南昌 330039）

引言

非天然地震事件主要包括爆破、塌陷、礦震、核試驗(yàn)等，其中爆破是非天然地震事件中記錄最多的事件類(lèi)型。小震級(jí)天然地震與小當(dāng)量礦山爆破波形相似，地震監(jiān)測(cè)工作人員直接依據(jù)記錄到的波形很容易產(chǎn)生誤報(bào)現(xiàn)象，影響地震速報(bào)時(shí)間、速報(bào)精度、地震編目以及天然地震的監(jiān)測(cè)預(yù)警。因此，地震類(lèi)型的識(shí)別具有十分重要的科學(xué)意義和現(xiàn)實(shí)意義，如何快速正確區(qū)分天然地震和人工爆破成為亟待解決的問(wèn)題。

自20世紀(jì)50年代以來(lái)，多種地震與爆破的識(shí)別特征、特征提取和識(shí)別方法等相繼提出并得到廣泛研究，地震事件識(shí)別精度持續(xù)提升。地震事件識(shí)別主要包括3個(gè)基本步驟，即地震事件信號(hào)預(yù)處理、地震特征提取與地震事件分類(lèi)（圖1）。其中地震事件波形特征提取是地震事件分類(lèi)識(shí)別的關(guān)鍵步驟，通過(guò)特征提取得到表達(dá)能力強(qiáng)、抗噪能力好的有效特征仍然是地震信號(hào)處理領(lǐng)域的研究難點(diǎn)和熱點(diǎn)之一。

圖1 地震事件識(shí)別的主要步驟Fig. 1 The main procedures of earthquake identification

1 地震事件識(shí)別特征

目前，針對(duì)如何識(shí)別天然地震與人工爆破的特征很多，如發(fā)震時(shí)間、地點(diǎn)，初動(dòng)方向等?，F(xiàn)將所有常用特征及其適用性進(jìn)行系統(tǒng)總結(jié)如下（表1）。實(shí)際應(yīng)用中，依靠單項(xiàng)特征判別地震與爆破識(shí)別速度快，而根據(jù)研究區(qū)域事件數(shù)據(jù)特點(diǎn)及處理數(shù)據(jù)所用算法篩選合適的多個(gè)特征共同組合成適合該區(qū)域的綜合識(shí)別特征，其涵蓋的信息更為豐富，更有利于提高地震與爆破識(shí)別的準(zhǔn)確性。

2 地震事件特征提取方法

人工爆破與天然地震識(shí)別方法一般要從原始地震數(shù)據(jù)中提取特征，再將這些提取的特征以特征量的形式輸入到分類(lèi)器進(jìn)行地震事件類(lèi)型分類(lèi)。特征提取方法作為地震事件人工智能識(shí)別的核心內(nèi)容得到快速發(fā)展，地震事件倒譜域、時(shí)間域、頻率域等有效特征提取方法不斷拓展，主要包括倒譜分析、傅里葉變換、小波變換和希爾伯特-黃變換。

2.1 基于倒譜分析的特征提取法

倒譜是對(duì)數(shù)倒頻率譜的簡(jiǎn)稱，用來(lái)描述地震和爆破引起的地震回波，可用下面的式子來(lái)表示：

具體計(jì)算過(guò)程如圖2所示。Bogert等[1]最早提出基于倒譜分析的天然地震與人工爆破識(shí)別方法。該方法通過(guò)對(duì)大量天然地震與人工爆破的地震記錄實(shí)施倒譜分析，提取事件的倒譜參量C，根據(jù)天然地震C值大，人工爆破C值小進(jìn)行識(shí)別[2-3]。陳銀燕[4]將語(yǔ)音識(shí)別的方法運(yùn)用到天然地震和人工爆破識(shí)別中，從地震與爆破波形中提取美爾倒譜系數(shù)（簡(jiǎn)稱MFCC）特征和線性預(yù)測(cè)倒譜系數(shù)特征（簡(jiǎn)稱LPCC）識(shí)別事件類(lèi)型，實(shí)驗(yàn)結(jié)果表明，該特征具有一定的可行性和有效性。

圖2 倒譜計(jì)算過(guò)程Fig. 2 Cepstral calculating process

2.2 基于傅里葉變換的特征提取法

傅里葉變換是時(shí)頻分析的基礎(chǔ)，在時(shí)頻分析研究中得到廣泛應(yīng)用。傅里葉變換可以得到信號(hào)對(duì)應(yīng)的頻譜，但完全丟失時(shí)間信息，因此，為了反映地震事件信號(hào)的時(shí)變特征，一般采用短時(shí)傅里葉變換得到地震事件信號(hào)頻率隨時(shí)間的變化情況[5]。短時(shí)傅里葉的基本思想是用一個(gè)固定長(zhǎng)度的窗函數(shù)對(duì)信號(hào)進(jìn)行截取，并對(duì)窗函數(shù)內(nèi)的信號(hào)進(jìn)行傅里葉變換，即可得到該時(shí)刻該段信號(hào)的傅里葉變換。通過(guò)窗函數(shù)在整個(gè)時(shí)間軸上的平移，最終得到不同時(shí)刻的傅里葉變換，即信號(hào)頻率分布隨時(shí)間的變化關(guān)系。其基本運(yùn)算公式如下：

式中，ω（n－m）為采用的時(shí)間窗，n為時(shí)間點(diǎn)，ω為頻率點(diǎn)，m為變換參數(shù)。

常見(jiàn)的窗函數(shù)主要包括：矩形窗、三角窗、海明窗和高斯窗。因海明窗計(jì)算迅速且第一旁瓣相對(duì)主瓣衰減更快，能量集中在主瓣可減小頻率泄露，因此，一般選擇海明窗作為窗函數(shù)對(duì)地震事件信號(hào)進(jìn)行時(shí)頻計(jì)算。崔鑫等[6]、榮偉健等[7]、高家乙等[8]利用短時(shí)傅里葉變換發(fā)現(xiàn)天然地震的時(shí)頻呈現(xiàn)“多峰”特征，人工爆破則相對(duì)“少峰”，天然地震的時(shí)頻峰值分布在較寬的頻率范圍內(nèi)，人工爆破的峰值則分布在低頻的狹窄范圍內(nèi)。

2.3 基于小波變換的特征提取法

令L2（R）表示定義在實(shí)軸上、可測(cè)的平方可積函數(shù)空間，對(duì)于任意信號(hào)f（t）∈L2（R）的連續(xù)小波變換為：

獻(xiàn)文考[9-11]參[12-13][14-20][18, 20][11, 18]、間不孤定進(jìn)徑等初P波因動(dòng)工時(shí)波上一法路人破面量段有方播構(gòu)錄破與爆的定結(jié)記爆金傳波，具況質(zhì)形工于里弱法震情點(diǎn)應(yīng)息生波介波人地的缺限區(qū)局地產(chǎn)利，無(wú)相信克，減球分分然等圍定破瑞據(jù)用量過(guò)正，部天相范固爆的場(chǎng)全判利測(cè)性通校響、地，部下于級(jí)助要的限要徑影級(jí)響晰向用震用點(diǎn)近完輔主點(diǎn)局需路異震影清動(dòng)適破適地①是②①立的②行差受素不初只爆、地倍性間便了了大特了時(shí)方點(diǎn)明明級(jí)放率 明續(xù)觀觀優(yōu)震的觀觀持直小儀、頻響直直 直波取 減震數(shù)影尾量：育破發(fā)爆、，P 波向能方可動(dòng)震值間間機(jī)長(zhǎng)地工閾布初，也不時(shí)人然波時(shí)隨征優(yōu)分量上續(xù)特天面震點(diǎn)發(fā)地震震最限分向持與破別利地地到象直能下波震爆識(shí)瑞然然得 有垂可向尾地工用具地場(chǎng)有面態(tài)天天算＞動(dòng)然人常常破石往利計(jì)＞天＞狀破破據(jù)短（△≤100 km）的震初破往瑞破爆采通間同地爆般；工后的波爆爆數(shù)量時(shí)相然工爆一性人，如之期弦工工本分續(xù)級(jí)天人工間律分定正據(jù)直上持震與人時(shí)規(guī)部固S波周大，呈波根臺(tái)垂向波波震①有②點(diǎn)在較波的 Pc/Sm：人可Pm/Sm：人樣 近P波向方尾體 地然位比記斷 1 天方值臺(tái)判Table 1 The common characteristics for earthquake and explosion identification站幅各動(dòng)的、臺(tái)S波的后比初間表徑與正值過(guò)時(shí)路、傳，P波校幅通續(xù)法法持方播減的波理衰錄尾處響距記：；0，無(wú)站據(jù)小影中=臺(tái)數(shù)則；震為臺(tái)數(shù)大的破源距震值比各臺(tái)過(guò)均值的準(zhǔn)爆地記錄震中后據(jù)≥80%，向向的記弱震經(jīng)平幅正判上動(dòng)各用術(shù)S波校初動(dòng)晰1，偏下動(dòng)減及向初向初中型件采算與減動(dòng)動(dòng)晰－1，偏間于類(lèi)事了以般的為角一錄P波 ∑衰P波初清為初清 ① 記 ②≥50%，為處件 記③事一均每平和比和比大聲幅幅幅幅律最噪振振振振征規(guī)動(dòng)大大大（從近接特點(diǎn)）初最最最間到）體向時(shí)始段具、地間波Rg波面P波S波（Pc/Sm）P波S波（Pm/Sm）方續(xù)開(kāi)間時(shí)期型動(dòng)持幅時(shí)震周利水平分量振幅比初波振的發(fā)短（瑞 P波尾S波平水?dāng)?shù)參征事件波形直觀特征特

1 表獻(xiàn)續(xù)文考29-30][9, 31][32, 34-35][32, 34-35]參[2-4, 21][22-23][22, 24][6-8, 25-28][18-19, [32-35]介通大播性徑，具要較傳勻路性需量線均播關(guān)響數(shù)作射非傳相影雜的的點(diǎn)的定距函，工復(fù)間質(zhì)缺效中基證算站介有式一性震取驗(yàn)計(jì)臺(tái)球理模在限存局受選法到地合減級(jí)定換方源和賴衰震一變驗(yàn)波實(shí)震徑響依質(zhì)與有小過(guò)受路影信寬據(jù)閾例帶數(shù)優(yōu)析點(diǎn)波波本最分優(yōu)全濾樣到用，對(duì)感據(jù)得量敏根算，定使號(hào)不可計(jì)值1同0.3 s ，破區(qū)破定震布C＞爆約頻爆穩(wěn)地分量工期高慢工不然值參人破周于減人震率破震震破天峰譜與爆越卓處衰＞地頻爆地地爆多倒震工均般量震然時(shí)工然然工①②地人地然＞一能然天人瞬天天0.7 s平人，：天＞＞＞＞的地＞下1天震段破震破破震單峰C＜調(diào)值地然約爆頻值爆爆地破同均工穩(wěn)然工工然爆相：天期低快平人平天人人天工圖零量級(jí)比周于減率率人譜非參倒，無(wú)譜震相越卓處衰頻頻倒波波均般量峰時(shí)①降②體類(lèi)平一能頂瞬（Zhao-Atlas-A時(shí)為取第子從和；和為，分值幅模的求取和本值值法斯的果母值樣幅方克點(diǎn)結(jié)，分幅形f處；理-馬拐算本波處各計(jì)值樣的率限限據(jù)斯法換拉式上數(shù)X(t)2dt幅形刻頻下下數(shù)換方公系形波線中上上度變論換關(guān)C■ B 波的C時(shí)譜的的法法葉-阿雜曲相的刻第頻段段方方里分換復(fù)率自刻|x(f)|df|x(f)|df葉頻頻析析析傅趙頻變性WD理n∑i=1(gi+1-gi)2頻③Marks）時(shí)的率X(t)2dt/t時(shí)B時(shí)到刻L1 L2里分分分時(shí)線包態(tài)頻時(shí)向■H1■H2譜譜譜短非波穩(wěn)時(shí)分B■ A 到B時(shí)倒波波①②Hilbert-Huang變特析小非瞬IFC=：瞬gi Hilbert-Huang變?nèi)鼵=X（t）為第刻從SR=x（f）：傅H1，L1：低H2，L2：高征率C特頻數(shù)度體數(shù)率幅期率時(shí)系雜具參頻振周頻比關(guān)復(fù)比譜角大越勢(shì)量瞬相形譜倒拐最卓?jī)?yōu)能P波自波頻數(shù)參征震源參數(shù)特征特

式中，Wf（a，b）為連續(xù)小波變換系數(shù)；a為時(shí)間尺度因子，反映小波的周期長(zhǎng)度；b為時(shí)間位置因子，反映時(shí)間上的平移。

小波變換是地震事件提取特征向量比較常見(jiàn)的一種方法，目前基于小波變換的特征提取已經(jīng)做了大量的研究。劉希強(qiáng)等[36]用精細(xì)構(gòu)造小波分解信號(hào)“能量”線性度DWEL識(shí)別天然地震和人工爆破。和雪松等[37]用小波包將信號(hào)變換到頻域，再用奇異值作為統(tǒng)計(jì)工具，提取天然地震和人工爆破的能量識(shí)別因子。為了彌補(bǔ)小波變換在高頻部分分辨率差的問(wèn)題，曾憲偉等[29]用小波包方法對(duì)信號(hào)空間進(jìn)行多尺度分解，得到信號(hào)在不同頻帶上的能量分布，定義小波包分量比（不同頻帶能量比）為特征向量。針對(duì)窗長(zhǎng)對(duì)識(shí)別率存在影響的問(wèn)題，黃明漢等[38]通過(guò)對(duì)地震和爆破事件經(jīng)4層小波包變換，提取不同窗長(zhǎng)的香農(nóng)熵特征進(jìn)行分類(lèi)檢驗(yàn)，研究結(jié)果確定信號(hào)窗長(zhǎng)度最佳值為2 000。

2.4 基于希爾伯特-黃變換（HHT）的特性提取法

希爾伯特-黃變換是一種新的具有自適應(yīng)性的時(shí)頻分析方法[39]，包括經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）和Hilbert譜分析兩大塊內(nèi)容。經(jīng)驗(yàn)?zāi)B(tài)分解具有良好的局部特征和自適應(yīng)性，適用于非平穩(wěn)信號(hào)的濾波和去噪，Hibert變換可以獲得具有物理意義的瞬時(shí)頻率，圖3是希爾伯特-黃變換流程圖。結(jié)合天然地震和人工爆破信號(hào)非平穩(wěn)、非線性的特性以及HHT變換的優(yōu)勢(shì)，王玥琪[27]，李銳[30]基于HHT算法對(duì)IMF分量進(jìn)行Hilbert變換，求得瞬時(shí)頻率構(gòu)造特征空間識(shí)別天然地震與人工爆破。陳奇[40]提出基于EDM的小波閾值去噪方法為了提高地震數(shù)據(jù)信噪比，最大限度保留有用信息，再利用VAR-AIC算法結(jié)合時(shí)間窗法提取地震波形特征。

圖3 希爾伯特-黃變換流程圖Fig. 3 The flow chart of Hilbert-Huang transform （HHT）

2.5 基于深度學(xué)習(xí)的特征提取法

近年來(lái)，作為一種多層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，深度學(xué)習(xí)因?qū)斎霕颖緮?shù)據(jù)強(qiáng)大的特征自動(dòng)提取能力受到廣泛關(guān)注。在天然地震和人工爆破分類(lèi)識(shí)別實(shí)際應(yīng)用中，深度學(xué)習(xí)將特征提取、特征選擇和特征分類(lèi)等功能有機(jī)統(tǒng)一，實(shí)現(xiàn)了性能與效率的整體優(yōu)化。深度學(xué)習(xí)模型中的卷積神經(jīng)網(wǎng)絡(luò)有效克服過(guò)擬合問(wèn)題且訓(xùn)練難度低，因而近年來(lái)在地震事件研究領(lǐng)域應(yīng)用廣泛。卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的網(wǎng)絡(luò)輸入是地震事件波形圖像，輸出是其識(shí)別結(jié)果，輸入圖像經(jīng)過(guò)若干個(gè)“卷積”和“采樣”加工后，在全連接層網(wǎng)絡(luò)實(shí)現(xiàn)與輸出目標(biāo)之間的映射（圖4）。Perol等[41]第一個(gè)提出基于地震記錄的卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于誘發(fā)地震取得良好效果。陳潤(rùn)航等[42]提出以梅爾頻率倒譜系數(shù)圖作為卷積神經(jīng)網(wǎng)絡(luò)（CNN）的輸入，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練后用來(lái)對(duì)地震和爆破進(jìn)行識(shí)別。周少輝等[43]直接選用原始地震波形作為卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練與測(cè)試的輸入數(shù)據(jù)進(jìn)行深度學(xué)習(xí)訓(xùn)練，并分別采用目前主流的AlexNet、VGG16、VGG19和GooleNet 4種卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行學(xué)習(xí)訓(xùn)練，結(jié)果表明，AlexNet網(wǎng)絡(luò)結(jié)構(gòu)的效果最好。卷積神經(jīng)網(wǎng)絡(luò)達(dá)到一定深度后繼續(xù)增加層數(shù)會(huì)出現(xiàn)難以訓(xùn)練和性能退化的問(wèn)題，而加入輔助模塊可以有效緩解過(guò)深網(wǎng)絡(luò)訓(xùn)練中退化與梯度消失問(wèn)題。隗永剛等[44]提出了具有殘差學(xué)習(xí)模塊的殘差網(wǎng)絡(luò)模型應(yīng)用于天然地震和人工爆破識(shí)別，將波形的全部功率譜作為模型訓(xùn)練與測(cè)試的輸入數(shù)據(jù)，直接應(yīng)用深度學(xué)習(xí)技術(shù)從波形功率譜中學(xué)習(xí)出爆破和地震的頻譜特征，在保留原始信息的同時(shí)提高了地震事件的識(shí)別能力。Mousavi等[45]提出基于分級(jí)注意力機(jī)制、長(zhǎng)短期記憶網(wǎng)絡(luò)和殘差網(wǎng)絡(luò)結(jié)合的網(wǎng)絡(luò)模型，研究結(jié)果證明了基于深度神經(jīng)網(wǎng)絡(luò)模型較人工拾取方法擁有更快的檢測(cè)速度和更高的識(shí)別精度。高中強(qiáng)[46]在殘差結(jié)構(gòu)中添加SE模塊建立ResNet深度增強(qiáng)模型，通過(guò)SE模塊顯示的建模通道間的相互依賴關(guān)系自適應(yīng)重新校準(zhǔn)通道間的特征響應(yīng)，確保更好的提取地震事件圖像中“高質(zhì)量”特征。李進(jìn)[47]提出了基于多尺度模塊和收縮模塊混合的殘差神經(jīng)網(wǎng)絡(luò)模型DRISN，并與Res Net、Google Net深度卷積網(wǎng)絡(luò)模型等進(jìn)行實(shí)驗(yàn)對(duì)比，發(fā)現(xiàn)DRISN深度卷積網(wǎng)絡(luò)模型地震事件識(shí)別效果更好。

圖4 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖Fig. 4 The structure diagram of convolutional neural network

3 結(jié)語(yǔ)

天然地震與人工爆破分類(lèi)識(shí)別是目前地震事件分類(lèi)識(shí)別領(lǐng)域的研究熱點(diǎn)，而與天然地震與人工爆破分類(lèi)識(shí)別相關(guān)的研究是一個(gè)較為復(fù)雜的過(guò)程。從特征參數(shù)的提取、特征的選擇與降維分析，到最終的語(yǔ)音情感識(shí)別，每一步都至關(guān)重要。其中，天然地震與人工爆破識(shí)別特征的提取作為分類(lèi)識(shí)別整個(gè)過(guò)程的開(kāi)始階段，占據(jù)十分重要的地位，其提取特征的準(zhǔn)確與否決定最終的分類(lèi)識(shí)別效果。

本文通過(guò)對(duì)天然地震與人工爆破識(shí)別特征提取的綜述，發(fā)現(xiàn)目前雖然已經(jīng)取得一些成就，但仍存在很多問(wèn)題值得進(jìn)一步研究，概括如下：

（1）大規(guī)模地震事件數(shù)據(jù)庫(kù)構(gòu)建問(wèn)題，尤其是人工爆破數(shù)據(jù)庫(kù)問(wèn)題。目前不同研究者采用的地震事件數(shù)據(jù)庫(kù)不盡相同，雖然分類(lèi)識(shí)別結(jié)果精度較高，但涉及的訓(xùn)練集和測(cè)試集數(shù)據(jù)有限，限制了分類(lèi)模型的泛化能力。加之深度學(xué)習(xí)通常需要海量訓(xùn)練樣本數(shù)據(jù)支持才能避免過(guò)擬合，數(shù)據(jù)集也是開(kāi)發(fā)、訓(xùn)練和改進(jìn)算法的關(guān)鍵。因此，亟需構(gòu)建大型專業(yè)地震事件數(shù)據(jù)庫(kù)，增加數(shù)據(jù)集體量。

（2）特征挖掘是可提升的方向。天然地震與人工爆破識(shí)別領(lǐng)域中不同研究者通過(guò)實(shí)驗(yàn)提出不同特征，但是現(xiàn)有典型特征較少，多為時(shí)間域、頻率域特征，近期沒(méi)有提出類(lèi)似或更優(yōu)的廣泛適用的特征，故特征挖掘需要進(jìn)一步加強(qiáng)。

（3）特征提取方法需改良，設(shè)計(jì)應(yīng)用性能更好的深度模型。為了使基于深度學(xué)習(xí)的天然地震與人工爆破識(shí)別能夠從服務(wù)器遷移到移動(dòng)端，需要將基于深度學(xué)習(xí)的地震事件識(shí)別模型進(jìn)行輕量化處理，縮短天然地震與人工爆破識(shí)別時(shí)間。