基于智能手機(jī)MEMS 的地震早期預(yù)警決策方法研究*

孫 霖王躋權(quán)石利飛侯建民趙 莎劉 杰董 霖鄭增威*

(1.浙大城市學(xué)院 計(jì)算機(jī)與計(jì)算科學(xué)學(xué)院，浙江 杭州 310015；2.浙江大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，浙江 杭州 310017；3.中國地震臺(tái)網(wǎng)中心，北京 100045；4.每日互動(dòng)股份有限公司 浙江 杭州 310012)

近些年來，我國地震頻發(fā)，從2019 年到2021年，地震臺(tái)網(wǎng)中心報(bào)道5.0 級以上地震85 次。 較大的地震會(huì)造成大量財(cái)產(chǎn)損失和人員傷亡，尤其在人口密集的城市區(qū)域[1－2]。 為了減少地震造成的人員傷亡，日本、墨西哥等國家相繼建立了地震早期預(yù)警(Earthquake Early Warning，EEW)系統(tǒng)。 地震早期預(yù)警依托震源地附近的地震臺(tái)網(wǎng)，在震后數(shù)秒內(nèi)快速估算地震的相關(guān)參數(shù)(如震級，震中，地震發(fā)生時(shí)間等)，在破壞性的S 波和面波到達(dá)前發(fā)布警報(bào)，給人們帶來幾秒甚至幾十秒的預(yù)警時(shí)間[3－4]，及時(shí)采取相關(guān)措施，例如，提前找尋安全區(qū)域避險(xiǎn)、工廠機(jī)器提前停止運(yùn)轉(zhuǎn)以避免機(jī)器在地震中損壞、附近的高鐵提前停止運(yùn)行以避免脫軌[5－8]。

地震預(yù)警系統(tǒng)需要部署高密度的地震臺(tái)網(wǎng)才能及時(shí)地監(jiān)測地震，發(fā)布預(yù)警消息[9]。 我國疆域遼闊，建立全國性的地震預(yù)警系統(tǒng)需要投入巨額資金建設(shè)地震臺(tái)網(wǎng)[10－12]。 研究人員嘗試?yán)肕EMS 加速度傳感器來提供地震早期預(yù)警信息服務(wù)[13]，來解決地震早期預(yù)警系統(tǒng)高昂的建設(shè)成本問題。 美國地質(zhì)調(diào)查局(USGS)DYFI 項(xiàng)目采集了震區(qū)用戶感知的地震強(qiáng)度和位置信息[14－15]。 DYFI 項(xiàng)目利用這些信息評估地震參數(shù)，建立了社區(qū)地震網(wǎng)絡(luò)(Community Seismic Network，CSN)[16]。 CSN 網(wǎng)絡(luò)利用內(nèi)置或者外聯(lián)MEMS 的聯(lián)網(wǎng)計(jì)算機(jī)，監(jiān)測地面震動(dòng)，并通過云服務(wù)計(jì)算地震事件。 在監(jiān)測到地震發(fā)生后，該系統(tǒng)可以通過幾秒鐘內(nèi)地面震動(dòng)情況估計(jì)出地面峰值加速度分布圖。 地震監(jiān)測網(wǎng)( Quake-Catcher Network，QCN)[16]將內(nèi)置或者外聯(lián)MEMS 的聯(lián)網(wǎng)計(jì)算機(jī)改造成地震監(jiān)測站，用這些設(shè)備填補(bǔ)地震監(jiān)測站的空缺，建立了實(shí)行分布式計(jì)算的地震網(wǎng)絡(luò)，能夠?qū)Υ笾行偷卣鹛峁┰缙陬A(yù)警。

隨著智能手機(jī)的廣泛普及，得益于其廣泛的地理分布和傳感計(jì)算能力，研究者們開展了基于智能手機(jī)的地震早期預(yù)警(Smartphone based Earthquake Early Warning，SEEW)研究[17－18]。 孔慶凱等人[19－20]開展了MyShake 項(xiàng)目的研究，設(shè)計(jì)了一種手機(jī)端－服務(wù)器端架構(gòu)的EEW 系統(tǒng)。 在MyShake 系統(tǒng)中，當(dāng)手機(jī)因?yàn)檎饎?dòng)而觸發(fā)后，MyShake 會(huì)使用人工神經(jīng)網(wǎng)絡(luò)(ANN)，根據(jù)觸發(fā)后10 s 的數(shù)據(jù)判斷該震動(dòng)是否是地震引起的。 然后中央服務(wù)器會(huì)統(tǒng)計(jì)系統(tǒng)部署區(qū)域內(nèi)手機(jī)觸發(fā)的比例，若該比例達(dá)到閾值，就最終確認(rèn)發(fā)生了地震。 通過兩階段判斷，降低系統(tǒng)虛警率。 此外，MyShake 還會(huì)要求手機(jī)在觸發(fā)后計(jì)算一些必要的參數(shù)上傳到服務(wù)器，如PGA、手機(jī)位置、手機(jī)觸發(fā)時(shí)間。 中央服務(wù)器會(huì)根據(jù)這些信息計(jì)算震中和震級。

Earthquake Network(EN)項(xiàng)目[21]也采用手機(jī)端－服務(wù)器端架構(gòu)，并利用統(tǒng)計(jì)模型計(jì)算和監(jiān)測地震事件。 在EN 的系統(tǒng)中，手機(jī)使用基于標(biāo)準(zhǔn)控制圖(Standard Control Chart Technique)的觸發(fā)算法來監(jiān)測地面震動(dòng)。 當(dāng)手機(jī)因震動(dòng)觸發(fā)后，會(huì)直接將其觸發(fā)時(shí)間和觸發(fā)所在的位置發(fā)送至中央服務(wù)器。 中央服務(wù)器中的地震監(jiān)測器會(huì)根據(jù)系統(tǒng)部署區(qū)域內(nèi)可用手機(jī)數(shù)量、手機(jī)平時(shí)觸發(fā)頻率以及30 s 時(shí)間窗口內(nèi)觸發(fā)手機(jī)的數(shù)量來綜合判斷當(dāng)前是否發(fā)生了地震。

大多數(shù)現(xiàn)有的SEEW 系統(tǒng)使用手機(jī)端－服務(wù)器架構(gòu)。 當(dāng)手機(jī)出現(xiàn)震動(dòng)時(shí)，它會(huì)計(jì)算震動(dòng)的開始時(shí)間并確定當(dāng)前的振動(dòng)是否是由地震引起的。 當(dāng)判斷為地震引起時(shí)，它發(fā)送觸發(fā)信息(時(shí)間和所在的位置)到SEEW 服務(wù)器。 這類系統(tǒng)的缺點(diǎn)是:手機(jī)處于高度復(fù)雜的環(huán)境中，用戶日常生活中的震動(dòng)都可能導(dǎo)致發(fā)送觸發(fā)信息。 因此，無論地震發(fā)生還是不發(fā)生，SEEW 服務(wù)器都可能會(huì)接收到來自手機(jī)的觸發(fā)信息。 通常情況下，地震發(fā)生是小概率事件，所以在SEEW 服務(wù)器上對觸發(fā)信息進(jìn)行合理性分析，進(jìn)而確定是否有地震發(fā)生，是十分必要的。

在地震判別上，SEEW 服務(wù)器需要根據(jù)手機(jī)觸發(fā)信息辨別是否發(fā)生地震。 通常設(shè)置一個(gè)規(guī)則來區(qū)分兩種不同的觸發(fā)信息，來確定地震是否發(fā)生。MyShake 和EN 項(xiàng)目都表明，當(dāng)?shù)卣鸢l(fā)生時(shí)，在短時(shí)間內(nèi)SEEW 服務(wù)器收到的觸發(fā)信息多于平時(shí)。 My-Shake 項(xiàng)目采用60%手機(jī)在20 s 內(nèi)觸發(fā)來判定地震的策略[19]。 EN 項(xiàng)目則經(jīng)過構(gòu)建統(tǒng)計(jì)模型來判斷是否地震發(fā)生，模型中包含手機(jī)數(shù)量、觸發(fā)比例等多種因素[21]。

然而，由于智能手機(jī)所處環(huán)境復(fù)雜，容易受到人們活動(dòng)、行走、交通工具等因素的干擾，地震預(yù)警的準(zhǔn)確性一直困擾著預(yù)警系統(tǒng)的研究者。 當(dāng)?shù)卣鸢l(fā)生時(shí)，地震能量以一定的速度由震源向外傳播，手機(jī)離地震源距離不同，收到地震信號的時(shí)間也不同。 宏觀上，觸發(fā)時(shí)間與震源距離之間存在正相關(guān)性。 沒有地震時(shí)，雖然手機(jī)會(huì)因?yàn)橛脩艋顒?dòng)觸發(fā)，但是觸發(fā)時(shí)間和震源距離缺乏正相關(guān)性。 基于此，本文提出了一種基于觸發(fā)比例統(tǒng)計(jì)推斷的地震早期預(yù)警方法(Trigger Ratio Statistical Inference based SEEW，TRSI)，旨在利用地震觸發(fā)手機(jī)震動(dòng)在時(shí)間和空間上的一致性，大幅降低人們?nèi)粘Ｐ袨閷?dǎo)致手機(jī)震動(dòng)的虛警信息，提高地震預(yù)警系統(tǒng)的準(zhǔn)確性。 在MyShake和EN 項(xiàng)目中，主要采用單一閾值方式降低地震虛假報(bào)警，閾值的選擇缺乏模型和數(shù)據(jù)支撐，無法在現(xiàn)實(shí)中推廣應(yīng)用。 本文方法則利用大規(guī)模日常觸發(fā)數(shù)據(jù)，基于地震觸發(fā)的時(shí)間和空間關(guān)系，在服務(wù)器上建立統(tǒng)計(jì)推斷模型。 與MyShake 和EN 項(xiàng)目等方法相比，在魯棒性和預(yù)警性能上更優(yōu)。

1 地震預(yù)警決策方法

1.1 基于智能手機(jī)的地震早期預(yù)警

SEEW 系統(tǒng)框架圖如圖1 所示。 設(shè)定一個(gè)SEEW系統(tǒng)和地震觀察點(diǎn)Q。 設(shè)T(Q，D)是以Q為中心，直徑為D的區(qū)域。 SEEW 利用區(qū)域T(Q，D)內(nèi)的智能手機(jī)監(jiān)視地震是否在地震觀察點(diǎn)Q附近發(fā)生，其中D表示地震的影響范圍。 設(shè)該部署區(qū)域T(Q，D)在時(shí)刻t內(nèi)活躍手機(jī)的個(gè)數(shù)為M(T(Q，D)，t)。 SEEW 系統(tǒng)每10 min 統(tǒng)計(jì)一次活躍手機(jī)的分布情況。

圖1 SEEW 系統(tǒng)示意圖

1.2 基于LSTM 的手機(jī)地震信號觸發(fā)模型

為了提高地震預(yù)警性能，在手機(jī)觸發(fā)預(yù)警消息時(shí)，我們首先建立手機(jī)端地震信號觸發(fā)模型。 當(dāng)手機(jī)振動(dòng)時(shí)，該模型對該振動(dòng)是否由地震引起做初步判斷。 如果判斷為地震信號觸發(fā)，才將觸發(fā)時(shí)間和手機(jī)所在位置發(fā)送至SEEW 服務(wù)器，從而減少用戶活動(dòng)對地震預(yù)警的干擾。

設(shè)時(shí)刻t采集的三軸加速度分別為ax(t)，ay(t)和az(t)，at＝[ax(t)，ay(t)，az(t)]。 地震判別模型的輸入為A＝(a1，a2，…，aT)，其維度為3×T。將加速度序列A輸入到長短期記憶網(wǎng)絡(luò)(Long-Short Term Memory，LSTM)模型中，如圖2 所示。 在LSTM 網(wǎng)絡(luò)中，為了更準(zhǔn)確地捕捉地震觸發(fā)信號，我們引入了注意力機(jī)制。 注意力機(jī)制根據(jù)信號重要性進(jìn)行局部加權(quán)，動(dòng)態(tài)地提取信號中與地震觸發(fā)事件相關(guān)的重要信息。 設(shè)LSTM 網(wǎng)絡(luò)的隱含層輸出H＝(h1，h2，…，hT)，注意力權(quán)重attt定義為:

圖2 基于注意力機(jī)制的LSTM 模型

式中:W∈RT×dh，softmax 是歸一化指數(shù)函數(shù)。 然后，將H輸入到由全連接網(wǎng)絡(luò)構(gòu)成的二分類器中，并用交叉熵?fù)p失函數(shù)訓(xùn)練模型。

1.3 基于時(shí)空一致性的手機(jī)觸發(fā)比例算子

設(shè)在區(qū)域T(Q，D)上，時(shí)間間隔內(nèi)，SEEW 服務(wù)器收到的觸發(fā)信息的時(shí)間和位置分別為τ1<τ2<…<τK和P1

設(shè)地震P波傳播速度為Vp。 若地震在Q處發(fā)生，第k個(gè)觸發(fā)手機(jī)可以準(zhǔn)確獲得地震到達(dá)該手機(jī)的時(shí)間和位置信息，則地震發(fā)生的時(shí)間可以表示為:

根據(jù)式(4)，可以計(jì)算得到在區(qū)域T(Q，D)上，在時(shí)間間隔＝(t－ε，t)內(nèi)的觸發(fā)手機(jī)集合{k｜t－ε≤tk≤t}。 在理想情況下，如果手機(jī)預(yù)警是由震源Q觸發(fā)的，那么不同手機(jī)估算得到地震時(shí)刻tk應(yīng)該誤差很小。 實(shí)際上，由于地質(zhì)環(huán)境和網(wǎng)絡(luò)延遲的差異，不同位置手機(jī)估算出的tk存在差異。設(shè)滿足時(shí)間間隔條件的智能手機(jī)個(gè)數(shù)為:

式中:N[T(Q，D)，]表示區(qū)域T(Q，D)中，時(shí)間間隔＝(t－ε，t)內(nèi)觸發(fā)點(diǎn)的個(gè)數(shù)。 在系統(tǒng)實(shí)現(xiàn)中ε設(shè)置為10 s。 設(shè)T(Q，D)區(qū)域在時(shí)刻t活躍手機(jī)的個(gè)數(shù)為M(T(Q，D)，t)。 我們定義區(qū)域T(Q，D)內(nèi)觸發(fā)手機(jī)占該區(qū)域內(nèi)活躍手機(jī)的比例為:

1.4 基于統(tǒng)計(jì)的SEEW 地震判別模型

當(dāng)手機(jī)觸發(fā)預(yù)警，會(huì)向SEEW 服務(wù)器發(fā)送觸發(fā)信息。 如果手機(jī)所受震動(dòng)是由地震引起的，我們稱這個(gè)觸發(fā)信息為真觸發(fā)信息，否則稱之為假觸發(fā)信息。 當(dāng)SEEW 服務(wù)器根據(jù)收到的觸發(fā)信息綜合判斷發(fā)生了地震，則其會(huì)向公眾發(fā)布警告。 若此時(shí)真的發(fā)生了地震，我們稱該警報(bào)為真警報(bào)，否則稱之為假警報(bào)。

通常在沒有發(fā)生地震時(shí)，N[T(Q，D)，Itε]一般維持在較低的水平。Q附近發(fā)生地震后的小段時(shí)間內(nèi)N[T(Q，D)，Itε]會(huì)突然增大。 這導(dǎo)致發(fā)生地震時(shí)R[T(Q，D)，t，ε]會(huì)比沒有發(fā)生地震時(shí)大。 所以我們根據(jù)下列公式判斷地點(diǎn)Q附近是否發(fā)生地震:

當(dāng)式(7)條件滿足時(shí)，SEEW 系統(tǒng)將認(rèn)為Q附近發(fā)生了地震。 否則認(rèn)為Q附近沒有發(fā)生地震。誤警率定義為條件概率:

漏檢率定義為條件概率:

閾值h1作為參數(shù)，在誤警率和漏檢率之間權(quán)衡選擇。 當(dāng)h1增大，誤警率會(huì)降低，但同時(shí)漏檢率會(huì)增大。 當(dāng)h1減小，誤警率會(huì)增大，但同時(shí)漏檢率會(huì)降低。 高誤警率會(huì)造成不必要的恐慌，所以優(yōu)先將誤警率控制在很低的水平。 在本文中，我們設(shè)計(jì)了一種基于R[T(Q，D)，t，ε]概率分布的地震判別模型。 通常情況下，R[T(Q，D)，t，ε]的概率分布無法直接計(jì)算得到，但可以通過地震沒有發(fā)生時(shí)SEEW服務(wù)器收集的大量數(shù)據(jù)計(jì)算得到R[T(Q，D)，t，ε]的經(jīng)驗(yàn)分布。 假設(shè)SEEW 服務(wù)器平均間隔時(shí)間Y會(huì)觸發(fā)一個(gè)假警報(bào)信息。 在地震沒有發(fā)生時(shí)，將h1設(shè)置為滿足誤警次數(shù)足夠小的分位數(shù):

那么，閾值h1可以保證SEEW 服務(wù)器平均間隔時(shí)間Y才會(huì)觸發(fā)一個(gè)假警報(bào)信息。

1.5 基于任意位置的改進(jìn)SEEW 地震判別模型

在固定地震點(diǎn)Q基礎(chǔ)上，進(jìn)一步將區(qū)域T均勻劃分成I×J個(gè)子區(qū)域，來判別區(qū)域T內(nèi)的任意位置地震是否發(fā)生。 方法如下:我們在每個(gè)子區(qū)域中心處設(shè)定一個(gè)地震觀察點(diǎn){Qi，j｜1≤i≤I，1≤j≤J}。

我們定義:

表示所有子區(qū)域中最大地震感應(yīng)量。 在沒有發(fā)生地震時(shí)，子區(qū)域集合j≤J}內(nèi)的數(shù)值一般都比較小，所以Btε也比較小。當(dāng)?shù)卣鹪诓渴饏^(qū)域T的地震觀察點(diǎn)Qi，j附近發(fā)生時(shí)，R[T(Qi，j，D)，t，ε]會(huì)快速增大，那么Btε也會(huì)快速增大。 所以，根據(jù)以下公式判斷是否發(fā)生地震:

則SEEW 系統(tǒng)誤警概率為:

SEEW 系統(tǒng)漏檢概率為:

類似h1的計(jì)算方法，我們可以通過構(gòu)造Mtε的經(jīng)驗(yàn)分布來得到閾值h2，保證SEEW服務(wù)器平均間隔時(shí)間Y才會(huì)收到一個(gè)假觸發(fā)信息:

1.6 算法總結(jié)

最后，我們將本文提出的服務(wù)器端SEEW 地震判別算法總結(jié)如表1 所示。

表1 SEEW 地震判別算法

2 數(shù)據(jù)集

為了驗(yàn)證所提出方法在SEEW 系統(tǒng)上的有效性，我們采用了MyShake 和EN 項(xiàng)目的實(shí)驗(yàn)方法，即通過構(gòu)建仿真平臺(tái)來模擬SEEW 服務(wù)器可能會(huì)收集到的大量觸發(fā)信息。 仿真數(shù)據(jù)用以定量評估在不同地區(qū)不同人口密度條件下，SEEW 系統(tǒng)的地震監(jiān)測性能。 下面介紹仿真平臺(tái)，仿真平臺(tái)包括地震仿真平臺(tái)和日常仿真平臺(tái)，用于生成地震發(fā)生時(shí)和無地震時(shí)的數(shù)據(jù)，并發(fā)送給SEEW 系統(tǒng)。

2.1 地震仿真平臺(tái)

我們使用的仿真平臺(tái)結(jié)合了MyShake 和EN 項(xiàng)目仿真平臺(tái)的優(yōu)勢，由四部分構(gòu)成，如圖3 所示。 和MyShake 項(xiàng)目一樣，我們也使用人口采樣來確定仿真SEEW 網(wǎng)絡(luò)中智能手機(jī)的空間分布。 地震中，活躍手機(jī)可能因?yàn)槟承┰虿槐挥|發(fā)，我們根據(jù)EN 項(xiàng)目定義的觸發(fā)比例?決定哪些手機(jī)觸發(fā)。 觸發(fā)比例?表示當(dāng)前區(qū)域內(nèi)活躍手機(jī)中因地震而觸發(fā)的手機(jī)比例。由于強(qiáng)烈的地震會(huì)導(dǎo)致更多比例的手機(jī)觸發(fā)，所以觸發(fā)比例?可以用來描述地震能量的大小。

圖3 地震仿真平臺(tái)及服務(wù)器地震監(jiān)測示意圖

在地震仿真中，我們假設(shè)P 波和S 波的傳播速度分別是6.1 km/s 和3.55 km/s。 根據(jù)地震的時(shí)間和地點(diǎn)，可以計(jì)算地震波到達(dá)每部手機(jī)的時(shí)間。 不同手機(jī)的時(shí)間不完全一致，而且地震波到達(dá)手機(jī)也不一定立即預(yù)警地震。 因此，為了表達(dá)這種隨機(jī)性，通過在手機(jī)觀測到的觸發(fā)時(shí)間中添加白噪聲，來模擬地震波到達(dá)手機(jī)的實(shí)際時(shí)間。 和MyShake 項(xiàng)目一樣，噪聲采樣自方差為2 s 的半正態(tài)分布。

2.2 日常仿真平臺(tái)

SEEW 系統(tǒng)的手機(jī)處于嘈雜的環(huán)境中，在沒有地震發(fā)生時(shí)，手機(jī)也可能會(huì)被意外事件觸發(fā)，例如用戶突然拿起電話。 在這種情況下，手機(jī)也會(huì)向SEEW 服務(wù)器發(fā)送地震觸發(fā)信息。 在SEEW 服務(wù)器端，也有一定概率誤判地震發(fā)生，發(fā)布虛假地震預(yù)警信息。 為了準(zhǔn)確測量SEEW 服務(wù)器的誤報(bào)頻率，我們同時(shí)搭建了一個(gè)非地震日常仿真平臺(tái)，來獲取SEEW 服務(wù)器在地震沒有發(fā)生時(shí)可能接收到的預(yù)警數(shù)據(jù)。

圖4是非地震日常仿真平臺(tái)示意圖，由三個(gè)部分組成。 和MyShake 模擬平臺(tái)類似，我們也使用人口采樣的方式，根據(jù)感興趣區(qū)域的人口密度分布圖，隨機(jī)采樣手機(jī)分布。 由于用戶的手機(jī)處于復(fù)雜的環(huán)境中，可能會(huì)因周圍的非地震振動(dòng)而隨時(shí)觸發(fā)。 我們在這個(gè)非地震模擬平臺(tái)中模擬了這種現(xiàn)象，使這些手機(jī)在平均時(shí)間間隔內(nèi)隨機(jī)觸發(fā)。 最終，我們把日常手機(jī)觸發(fā)的數(shù)據(jù)收集起來，形成一個(gè)數(shù)據(jù)集。

圖4 日常仿真平臺(tái)及地震監(jiān)測示意圖

非地震日常仿真平臺(tái)可以根據(jù)我們感興趣的區(qū)域快速、大規(guī)模地模擬多年數(shù)據(jù)，在部署前對SEEW系統(tǒng)性能進(jìn)行粗略評估，并相應(yīng)地調(diào)整其內(nèi)部參數(shù)。如果在該地區(qū)部署SEEW 系統(tǒng)來收集此類數(shù)據(jù)，則需要耗費(fèi)很長時(shí)間。

3 實(shí)驗(yàn)

在實(shí)驗(yàn)中，對模型的評價(jià)指標(biāo)主要包含兩方面:一是在無地震前提下，模型誤警的可能性；二是發(fā)生地震的前提下，模型檢測到地震的可能性。 由于模型誤警會(huì)造成不必要的恐慌，且影響人們對地震早期預(yù)警系統(tǒng)的信心，所以我們優(yōu)先控制模型的誤警率。 與EN 項(xiàng)目的設(shè)定類似，我們設(shè)置模型平均兩次誤警的時(shí)間間隔為一年，即公式(10)和(15)中參數(shù)Y設(shè)置為一年(365×24×60×60 s)。 基于此參數(shù)，我們測試TRSI 方法在地震發(fā)生時(shí)檢測地震的性能。

3.1 人口分布采樣

為了與EN 項(xiàng)目方法進(jìn)行比較，我們通過地震仿真平臺(tái)模擬了美國圣地亞哥的部署環(huán)境，因?yàn)樵摰貐^(qū)也部署了EN 項(xiàng)目。 我們采用人口采樣的方法，基于人口數(shù)據(jù)確定模擬SEEW 網(wǎng)絡(luò)的空間分布，其中人口數(shù)據(jù)來自2015 年世界網(wǎng)格化人口第四版(GPWv4)[22]。

在相對空間分布方面，GPWv4 與全國人口普查和人口登記相一致。 比例分配網(wǎng)格算法使用國家和地區(qū)以下約1 250 萬個(gè)行政單位，將人口值分配到30弧秒(約1 km)的網(wǎng)格單位，全球人口密度分布如圖5所示，圖中顏色越深的區(qū)域，人口越密集。 隨機(jī)采樣感興趣區(qū)域的人口比例，作為SEEW 系統(tǒng)用戶。 采樣比例為0.05%時(shí)，產(chǎn)生了183個(gè)SEEW 系統(tǒng)用戶。 在圣地亞哥地圖網(wǎng)格(如圖6 所示)上，根據(jù)該單元的人口密度采樣，并模擬這些用戶的位置信息。

圖5 全球人口密度分布圖

圖6 通過人口密度采樣得到SEEW 系統(tǒng)的用戶分布圖

3.2 仿真參數(shù)設(shè)定

表2 列出TRSI 模型中的參數(shù)設(shè)定值。 地震監(jiān)測系統(tǒng)目標(biāo)設(shè)置為:無地震發(fā)生時(shí)，TRSI 模型的平均誤警時(shí)間間隔達(dá)到1 年。 為了到達(dá)這個(gè)目標(biāo)，日常仿真平臺(tái)生成的100 年觸發(fā)數(shù)據(jù)被輸入到TRSI 模型中，并且每隔1 s 更新一次Btε的值。 我們通過統(tǒng)計(jì)來構(gòu)造Btε的經(jīng)驗(yàn)分布。 然后將h2設(shè)置為該經(jīng)驗(yàn)分布的上1/Y分位數(shù)，其中Y＝365×24×60×60。 這樣在無地震前提下，不等式Mtε>h2成立的時(shí)間間隔會(huì)達(dá)到平均一年一次。

表2 SEEW 系統(tǒng)參數(shù)設(shè)置

手機(jī)地震信號觸發(fā)模型序列時(shí)間長度為5 s，手機(jī)加速度計(jì)的采集頻率為100 Hz，輸入數(shù)據(jù)采樣時(shí)刻的數(shù)量為T＝500。 LSTM 網(wǎng)絡(luò)隱含層神經(jīng)元個(gè)數(shù)為30，mini-batch 大小為512，優(yōu)化器為Adam，學(xué)習(xí)率為2e－4。 我們采用F1、精確度(Precision)和召回率(Recall)指標(biāo)來評價(jià)手機(jī)地震信號觸發(fā)的準(zhǔn)確率。

3.3 實(shí)驗(yàn)結(jié)果

3.3.1 手機(jī)端地震信號觸發(fā)性能

在中國地震局工程力學(xué)研究所，通過振動(dòng)臺(tái)模擬地震，并將手機(jī)放置在振動(dòng)臺(tái)上來采集數(shù)據(jù)。 實(shí)驗(yàn)使用的48 部手機(jī)固定和自由地?cái)[放在振動(dòng)臺(tái)上，然后將46 條地震記錄(震級5.0～8.0)依次輸入到振動(dòng)臺(tái)中模擬地震，持續(xù)時(shí)間為10 s，共采集4 416條記錄。 日常手機(jī)振動(dòng)數(shù)據(jù)，則通過隨機(jī)信號產(chǎn)生。

將數(shù)據(jù)劃分為訓(xùn)練集合和測試集合(比例為4 ∶1)，我們還測試了SVM、CNN 模型在數(shù)據(jù)集上的性能，測試結(jié)果如表3 所示。 結(jié)果表明基于注意力機(jī)制的LSTM 模型(LSTM＋Att)取得了最佳性能。

表3 手機(jī)端地震判別模型性能比較

3.3.2 SEEW 服務(wù)器地震判別性能

在本節(jié)中，我們測試了TRSI 模型，并將其與地震網(wǎng)(EN)項(xiàng)目提出的Detector 模型進(jìn)行了比較。在構(gòu)建TRSI 時(shí)，與EN 項(xiàng)目設(shè)置相同，平均誤警時(shí)間間隔設(shè)置為一年一次。 我們使用地震仿真平臺(tái)生成的觸發(fā)數(shù)據(jù)測試TRSI 模型和EN Detector 模型的地震監(jiān)測性能。

地震仿真平臺(tái)模擬的183 部手機(jī)按人口密度分布在200 km×200 km 的系統(tǒng)部署區(qū)域內(nèi)。 地震仿真平臺(tái)的觸發(fā)比例?參數(shù)為地震發(fā)生時(shí)系統(tǒng)部署區(qū)域內(nèi)系統(tǒng)用戶手機(jī)中觸發(fā)手機(jī)的比例。 EN 項(xiàng)目在測試實(shí)驗(yàn)中使用觸發(fā)比例?來描述地震的強(qiáng)度。借鑒EN 項(xiàng)目測試方案，我們在不同觸發(fā)比例?(地震強(qiáng)度)下模擬100 次地震。 然后測試TRSI 模型和EN 項(xiàng)目的Detector 模型在100 次地震中成功預(yù)警的比例，以及預(yù)警發(fā)布的平均時(shí)延。

圖7 比較了各系統(tǒng)在不同觸發(fā)率下的成功預(yù)警率。 隨著觸發(fā)比例的增加，TRSI 模型和Detector 模型成功預(yù)警的比例都快速增加。 這說明當(dāng)?shù)卣鹫饎?dòng)劇烈，地震會(huì)被更多比例的手機(jī)監(jiān)測到，系統(tǒng)成功預(yù)警的比例增加。 TRSI 模型取得了比Detector 模型更高的成功預(yù)警比例，其中，當(dāng)觸發(fā)比例?屬于[0.2，0.4]區(qū)間時(shí)，TRSI 模型的成功預(yù)警比例比Detector 模型平均高35.6個(gè)百分點(diǎn)；當(dāng)觸發(fā)比例?為0.3 時(shí)，TRSI＋手機(jī)地震信號觸發(fā)模型的成功預(yù)警比例達(dá)98.2%。

圖7 地震監(jiān)測器在不同觸發(fā)率下的成功預(yù)警率

圖8 比較了各系統(tǒng)在不同觸發(fā)率下的平均報(bào)警延遲。 隨著觸發(fā)比例的增加，TRSI 模型和Detector 模型平均預(yù)警延遲都會(huì)降低。 這說明當(dāng)?shù)卣鹫饎?dòng)劇烈時(shí)，系統(tǒng)預(yù)警所需的延遲會(huì)降低。 圖8 曲線表明，TRSI 模型預(yù)警延遲低于Detector 模型平均1.9 s，說明TRSI 模型可以對地震做出更快地預(yù)警反應(yīng)。

圖8 地震監(jiān)測器在不同觸發(fā)率下的平均報(bào)警延遲

同時(shí)，圖7 和圖8 中的實(shí)線顯示了TRSI 模型在手機(jī)端增加地震信號觸發(fā)判別后的SEEW 地震預(yù)警性能，我們可以看到系統(tǒng)在成功預(yù)警率和平均預(yù)警延遲上性能都有一些提升。

4 結(jié)束語

本文深入研究了基于智能手機(jī)MEMS 的地震早期預(yù)警技術(shù)，基于地震向外傳播的特性，由手機(jī)觸發(fā)時(shí)間反向估計(jì)地震發(fā)生時(shí)間，設(shè)計(jì)提出了一種基于觸發(fā)比例統(tǒng)計(jì)推斷的地震早期預(yù)警方法。 本方法基于大規(guī)模日常觸發(fā)數(shù)據(jù)，建立了統(tǒng)計(jì)推斷模型，參數(shù)的計(jì)算模型和方法可以推廣到實(shí)際應(yīng)用系統(tǒng)中。實(shí)驗(yàn)表明，本方法可以有效過濾掉大部分日常觸發(fā)事件。 通過與EN 項(xiàng)目Detector 模型比較，在平均誤警間隔為一年的低誤警率要求下，所提出的TRSI 模型在成功預(yù)警比例和檢測延遲等方面性能更優(yōu)。 同時(shí)，基于注意力機(jī)制的改進(jìn)LSTM 手機(jī)地震信號觸發(fā)模型，與CNN、SVM 等基準(zhǔn)模型相比，性能最佳。