PhaseNet震相拾取器在山东地区的泛化性研究及其在长清M4.1地震序列中的应用

Abstract

基于深度学习的PhaseNet震相拾取器利用北加州数据训练，其模型已在国内外地震检测和震相拾取中得到广泛使用，但其在山东地区的泛化性能还有待检验。本文利用2019年1月至2021年12月期间山东地区的地震事件波形数据作为测试数据集，对PhaseNet在山东地区的泛化能力进行测试。测试结果表明，相对应用美国北加州数据集的计算结果，P、S波震相拾取误差略有增大，但拾取误差整体均呈正态分布，且拾取误差绝对值也相对较小。统计结果表明，PhaseNet分别在震中距不超过120km和110km时对P波和S波震相拾取具有较强的泛化能力，但超过这个震中距范围后，震相召回率快速下降；同时，PhaseNet泛化能力与震级大小的关联性不强。此外，本文以2020年2月18日山东长清M4.1地震序列为例，检测出人工目录2倍以上的地震，进一步验证了PhaseNet在山东地区具有较强的泛化能力并构建了高精度地震目录。结果显示，长清M4.1地震序列的震源深度主要集中在2~6km，表明此次地震的发震断层的破裂规模较小，反映此次地震的发震动力与区域动力学背景一致。

Keywords: PhaseNet，深度学习，泛化性，长清地震，地震目录