當(dāng)前地震震相拾取算法的精度和效率是相近的，特別是深度學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)算法的使用，使得震相檢測的精度達(dá)到了與人相近的程度。因此決定最終地震檢測精度的是地震震相關(guān)聯(lián)算法，設(shè)計(jì)高效的震相關(guān)聯(lián)算法可以顯著的提升地震檢測效率，挖掘更多潛在地震事件。當(dāng)前震相關(guān)聯(lián)算法存在檢測速度慢問題，因此有必要設(shè)計(jì)高效的地震檢測算法，如圖1所示。

圖1 算法流程示意圖

我們使用神經(jīng)網(wǎng)絡(luò)對走時(shí)表進(jìn)行了擬合，這使得在關(guān)聯(lián)過程中可以有效的利用GPU等加速硬件進(jìn)行加速。測試表明，我們的算法相比于REAL方法的速度提升了12倍，同時(shí)關(guān)聯(lián)效果是近似的。我們使用漾濞地震序列進(jìn)行了測試，如圖2所示。

圖2. 漾濞地震進(jìn)行的測試。在2021年5月21日13:00開始的七分鐘內(nèi)檢測到了12個地震。

可以看到我們的方法可以有效的對地震事件進(jìn)行檢測。我們同時(shí)對連續(xù)7天的地震事件進(jìn)行了測試，測試表明我們的算法可以檢測到93.5%目錄中的地震事件。

本研究成果的主要創(chuàng)新點(diǎn)包括：1. 使用多層神經(jīng)網(wǎng)絡(luò)擬合了走時(shí)表。這使得在計(jì)算過程中減少邏輯判斷，并且可以方便的進(jìn)行加速計(jì)算；2. 算法全流程可以使用GPU進(jìn)行加速。使得算法的網(wǎng)格搜索過程可以有效的進(jìn)行并行化改進(jìn)，以加快關(guān)聯(lián)速度。

關(guān)聯(lián)算法是地震檢測的關(guān)鍵步驟，FastLink快速算法的形成可以有效的對密集臺陣的地震事件進(jìn)行檢測。

研究成果2022年發(fā)表于學(xué)術(shù)期刊《Geophysical Journal International》（Yu, Z., & Wang, W. (2022). FastLink: a machine learning and GPU-based fast phase association method and its application to Yangbi M s 6.4 aftershock sequences. Geophysical Journal International, 230(1), 673-683.）。研究受研究所基本科研業(yè)務(wù)費(fèi)專項(xiàng)項(xiàng)目（DQJB21Z01）資助。

【作者簡介】

于子葉，男，博士，主要從事地震數(shù)據(jù)分析、地震數(shù)據(jù)處理和機(jī)器學(xué)習(xí)算法設(shè)計(jì)和研究工作。著有《深度學(xué)習(xí)算法與實(shí)踐》。