Classification of seismic events based on short-time Fourier transform and convolutional neural network
-
摘要: 本文选用内蒙古区域地震台网记录到的417个爆破事件和519个天然地震事件的观测资料，对其进行截取和滤波等预处理后，经过短时傅里叶变换转换为时频域的对数振幅谱，使用含有3个卷积层的卷积神经网络作为分类器，实现地震事件自动分类。5折交叉验证结果显示，本文所使用算法的平均准确率达到97.33%，测试集的准确率达到98.03%，本文采用的模型应用了较完整的原始信息，因此获得了较高的准确率和较好的稳定性。Abstract: With the increase of seismic observation data, the application of automatic processing technology in earthquake event classification, a basic work of seismic monitoring, is becoming more and more important. In this paper, 417 explosion events and 519 natural earthquake events are selected from the rich natural and non-natural seismic observation data of the Inner Mongolia Regional Seismological Network as the original data for the study. After preprocessing, such as interception and filtering, the original data is transformed into log amplitude spectrum in time-frequency domain by short-time Fourier transform, and convolution neural network with three convolution layers is used as classifier to distinguish earthquakes from explosion events. Five folds cross validation results show that the average accuracy of the algorithm used in this paper is 97.33%, and the accuracy of the test set is 98.03%. Our model has applied more original information in the classification of natural earthquake and explosion events, therefore can get a higher accuracy and better stability.
-
引言
我国自1966年邢台地震以来，在全国展开了系统性的地震预报探索实践，并逐步形成了长、中、短、临相结合的地震预报科学思路（国家地震局预测预防司，1998；张国民，2002；刘桂萍，2006，2010）。地震的孕育发生是非常复杂的变化过程，会产生多方面异常现象，如地壳形变（肖兰喜等，2000；池顺良等，2013；朱守彪，2020；马海萍等，2022；李媛等，2023）、地下流体（晏锐等，2011，2018；孔庆敏等，2018；马玉川等，2022）、电场磁场（冯志生等，2004；马钦忠等，2004，2009；高曙德等，2010；王同利等，2020；宋成科等，2021；解滔等，2023）等地球物理观测变化。在此基础上，学者们取得了对孕震过程及其前兆异常特征的一系列重要认识（马宗晋等，1982；梅世蓉，1996；张国民，罗兰格，1998；张永仙等，2004；Cicerone et al，2009）。对这些观测资料的深入分析与系统研究，逐步为认识孕震过程中不同阶段的前兆异常特征提供了科学基础，也为地震预报提供了实际经验。然而，复杂的孕震环境和有限的观测资料制约了我们对强震孕育物理机制的系统研究，作为一种基于现象统计和模式类比的研究方法，震例总结可以通过归纳强震前地震活动和各种地球物理观测异常的共性，为深入认识强震孕育过程、凝练可操作的预测指标和研制策略提供有效的数据支撑。因此基于有限的地球物理观测资料进一步开展震前异常总结，提取潜在的对未来强震具有一定指示意义的信号，是当前认知水平下有效推进地震预测预报工作的基础。
甘东南至甘青川交界存在多个长期及重点地震危险区，地震形势非常严峻（ 《2006—2020年中国大陆地震危险区与地震灾害损失预测研究》 项目组，2007；M7专项工作组，2012）。该区域内历史上发生过多次特大地震，本世纪以来又发生了2013年岷县漳县MS6.6地震和2017年九寨沟MS7.0地震等显著强震。这两次地震作为近代发育在甘东南地区的典型中-强震，积累了大量宝贵的地球物理观测台站震前监测资料。近年来，多位学者基于地壳形变（王双绪等，2013；杨晓东等，2014；史继平等，2015；李瑞莎等，2016；曾文浩等，2016；许康生，曾文浩，2017；张希等，2018；张小涛等，2018；高曙德，2020；史小平等，2020；岳冲等，2020）、地电地磁（陈雪梅等，2013；范莹莹等，2015；高曙德等，2017；何畅等，2017；芮雪莲等，2019；李军辉等，2021；廖晓峰等，2021；解滔等，2022）、地下流体（曹玲玲等，2013；罗宾生，陈永花，2018；王熠熙等，2018；张昱等，2021；冯建刚等，2022）等学科数据，系统地梳理总结了这两次地震震前的地球物理观测变化，但是其发震构造、震源机制、断层应力状态等方面的分析仍有待深入。为了进一步讨论两次地震震前地球物理观测的震前异常规律，以及不同发震构造、震源机制对震前异常特征的影响，本文以两次地震为研究对象，通过已有观测资料，结合发震活动构造、震源机制，并尝试从断层应力角度进一步讨论震前地球物理观测的规律和特点，以期揭示甘东南地区的中-强震孕育发生机制，同时为预测实践积累震例资料。
1. 区域构造背景
2013年岷县漳县MS6.6地震和2017年九寨沟MS7.0地震均发生在甘东南地区南北地震带中北段，是中国南北与东西构造分区的交会位置，位于印度板块向北东向推挤青藏高原的最前缘（袁道阳等，2004；李传友，2005）（图1）。受青藏高原隆升向北东推挤的作用与影响，甘东南地区构造活动强烈，地壳变形特征明显，发育了东昆仑断裂东段、西秦岭北缘断裂西段、六盘山南—西秦岭东等多个活动构造，是中-强震频发区，存在长期缺少大地震破裂的地震空区，这些地震空区具有再次发生大地震的危险性（Dewey，Burke，1973；Tapponnier et al，1982，2001；Molnar，Stock，2009；闻学泽，2018）。2013年岷县漳县MS6.6地震的发震构造是临潭—宕昌断裂，这是一条规模较大的晚更新世—全新世活动构造，以逆冲为主，兼左旋走滑分量（何文贵等，2013；李志强等，2013；郑文俊，2013a，b）。由于该断裂位于东昆仑断裂带与西秦岭北缘断裂带这两条大型走滑断裂带应变传递和构造转换的重要过渡位置，因此在区域构造应力变化和构造挤压过程中形成应力和应变集中，青藏高原推挤作用下的临潭—宕昌断裂构造应力积累是2013年岷县漳县MS6.6地震的主要动力因素。2017年九寨沟MS7.0地震发生于东昆仑断裂构造转换带的子断层，位于虎牙断裂的北西延伸隐伏部分，为左旋走滑，倾角为66°—89° （付国超等，2017；季灵运等，2017；任俊杰等，2017；谢祖军等，2018；Chen et al，2021）。通过对地震活动速率时空变化和库仑破坏应力变化的分析，Jia等（2018）认为2008年汶川MS8.0地震对2017年九寨沟MS7.0地震有延迟触发作用。在巴颜喀拉地块由东至东南方向运动的过程中，因受到克拉通型华南地块的阻挡，地壳物质垂向堆积并形成岷山隆起，岷山隆起对龙门山断裂带的东北段起着屏障作用，使其东北段活动减弱，活动强度自东北向西南增强（邓起东等，1994）。因此在虎牙逆冲断裂向北延长线上，该区域产生了强烈的构造变形和应力积累，积累的能量主要以走滑位错的方式来释放，即导致了2017年九寨沟MS7.0地震的发生。
![]()
图 1 2013年岷县漳县MS6.6地震和2017年九寨沟MS7.0地震构造背景及周邻地震分布Figure 1. Tectonic background and surrounding earthquake distribution of the 2013 Minxian-Zhangxian MS6.6 earthquake and 2017 Jiuzhaigou MS7.0 earthquake2. 震前地球物理观测特征
2.1 观测资料及数据
2013年岷县漳县MS6.6地震和2017年九寨沟MS7.0地震震前地球物理观测均有异常发生，包括地壳形变（定点形变和跨断层水准测量）、地电地磁和地下流体。本文收集公开发表的研究成果，异常识别方法不限于 《 震情会商技术方法业务应用推荐清单 》 （中国地震局监测预报司，2020）。最终得到2013年岷县漳县MS6.6地震震前异常共49项，2017年九寨沟MS7.0地震震前异常共34项，具体异常台站、震前异常持续时间、学科以及异常描述详列于表1和表2。
表 1 2013年岷县漳县MS6.6地震震前地球物理观测异常统计Table 1. The summary of geophysical precursory anomalies before the 2013 Minxian-Zhangxian MS6.6 earthquake台站 震前异常
持续时间学科 异常描述 参考文献 兰州台 50—30 d 许康生和曾文浩（2 017） 合作台 50—31 d 宕昌台 50—32 d 同仁台 50—33 d 乾陵台 50—34 d 形变 钻孔应变中应变范数在背景变化的基础上
在地震前各台都有所增大小庙台 50—35 d 昭通台 50 d 永胜台 50—35 d 昆明台 50—35 d 兰州台 11 mo 形变 钻孔倾斜大幅异常 曾文浩等（2 016） 宕昌台 3 mo 形变 洞体应变2年破年变，临震3个月大幅变化 史继平等（2 015） 临夏台 30 mo 形变 钻孔应变主应力趋势转折 史小平等（2 020） 四店 3 d 形变 正断突跳，大幅跳变 王双绪等（2 013），杨晓东等（2 014），李瑞莎等（2 016） 麻界滩 7 mo 跨断层 正断突跳，大幅加速变化 毛羽沟 7 mo 跨断层 正断突跳，大幅加速变化 巴沙沟 10 mo 跨断层 大幅加速变化 王双绪等（2 013），李瑞莎等（2 016） 刘家店 7 mo 六盘山 36 mo 跨断层 较大幅度的异常变化 和尚铺 7 mo 奈子沟 22 mo 李瑞莎等（2 016） 口子门 10 mo 江口 26 mo 柳家沟 36 mo 毛集 36 mo 固关 15 mo 冯家山 15 mo 跨断层 趋势变化 安国 15 mo 海原 7 mo 黄家坝 22 mo 扁都口 26 mo 白土庄 18 mo 水泉 36 mo 窝子滩 18 mo 跨断层 趋势变化 王双绪等（2 013），李瑞莎等（2 016） 九条岭 10 mo 武山 19 mo 水氡浓度临界慢化现象 王熠熙等（2 018） 民和 29 mo 武山1号泉 16 mo 流体 水氡转折上升 张昱等（2 021），冯建刚等（2 022） 武山22泉 16 mo 水氡转折上升 通渭台 19 mo 水氡上升加速下降 武都 26 mo 水氡趋势下降 天水花牛台 3 mo 水氡高值 曹玲玲等（2 013），张昱等（2 021），
冯建刚等（2 022）清水李沟 15 mo 流体 流量、水温上升流量高值 张昱等（2 021），冯建刚等（2 022） 清水温泉 12 mo 水温低值，下降0.005 ℃ 平凉北山1号泉 9 mo 流体 水氡 破年变低值 张昱等（2 021），冯建刚等（2 022） 平凉北山2号泉 6 mo 水氡高值 兰州台 6 h 电磁 台站地磁Z分量 李军辉等（2 021） 天水台 4.8 h 电磁 台站地磁Z分量 通渭台 10 mo 视电阻率 视电阻率各向异性异常变化 解滔等（2 022） 寺滩台 50 d 电磁 台站地磁Z分量明显增强变化 李军辉等（2 021） 临夏台 7 mo 电磁 电阻率破年变 张昱等（2 021），冯建刚等（2 022） 天水台 3 mo 电磁 电阻率振荡波动 平凉 3 mo 松山 3 mo 电场 电场功率谱密度增大 范莹莹等（2 015） 古丰 3 mo 天水 44 d 地电阻率 地电阻率数据波动 陈雪梅等（2 013） 表 2 2017年九寨沟MS7.0地震震前地球物理观测异常统计Table 2. The summary of geophysical precursory anomalies before the 2017 Jiuzhaigou MS7.0 earthquake台站 震前异常
持续时间学科 异常描述 参考文献 宁陕台 8 mo 形变 垂直摆NS加速N倾 中国地震台网中心（2 019） 泾源 5—9 mo 伸缩仪、垂直摆加速变化 两水 7 mo 形变 地应变加卸载响应比异常 岳冲等（2 020） 武都 2 mo 天水 2—4 mo 汉中台 12 mo 盘古川 1 mo 水准 超2倍均方差，尖点突跳异常 张小涛等（2 018），张希等（2 018），
中国地震台网中心（2 019）毛羽沟 3 mo 超2倍均方差，趋势加速、震后转折回返 毛集 17 mo 超2倍均方差，尖点突跳异常 四店 21 mo 超2倍均方差，突跳异常 硖口驿 24 mo 超2倍均方差，尖点突跳异常 武都东 9 mo 超2倍均方差，突降0.8 mm，2017年3个月异常继续，7 个月回返0.49 mm 黄家坝 17 mo 超2倍均方差，加速下降超限异常，大幅突跳异常 巴沙沟 36 mo 超2倍均方差，趋势转折 柳家沟 21 mo 超2倍均方差，持续逆断下降 红柳峡 9 mo 超2倍均方差，大幅异常变化 三关口 24 mo 水准 逆断下降，小幅回返 高曙德（2 020） 武都殿沟 19 mo 水氡 2015年1 个月快速上升变化 中国地震台网中心（2 019） 洋县 7 mo 水氡 快速下降 中国地震台网中心（2 019） 湟源 2 d 水氡 震前下降 罗宾生和陈永花（2 018） 松潘 6 mo 地磁 逐日比超阈值异常 芮雪莲等（2 019） 江油 成都 崇州 成都 13 mo 地磁 谐波振幅比2016年出现趋势转折异常 何畅等（2 017） 天水 5 mo 地电 地电阻率 3—6 个月高频扰动异常 中国地震台网中心（2 019） 汉中台 24 mo 地磁 谐波振幅 中国地震台网中心（2 019） 合作 4 d 地磁 地震前地磁垂直强度极化短期异常 廖晓峰等（2 021） 天水 2 d 舟曲 2 d 巴塘 3 d 大武 1 d 西宁 6 d 贵德 3 d 泾阳 4 d 平凉 7 mo 地电 趋势异常 高曙德等（2 017） 固原 13 mo 破年变 2.2 不同构造单元震前地球物理观测异常特征
为了进一步讨论震前异常与活动构造的关系，本文将地球物理观测台站按照其位置所属的不同构造单元进行划分：将2013年岷县漳县MS6.6地震震中周围的观测台站划分至发震断层临潭—宕昌断裂、龙门山断裂带、东昆仑—西秦岭断裂带、六盘山—海原断裂带、渭河断陷带，台站分布及所属相关活动构造单元见图2a。将2017年九寨沟MS7.0地震震中周围的观测台站划分至发震断层（岷山断裂、虎牙断裂）、龙门山断裂带、东昆仑—西秦岭断裂带、六盘山—海原断裂带、渭河断陷带、鲜水河—安宁河断裂带，台站分布及所属相关活动构造单元见图2b。分别对这两次地震在每个活动构造单元的震前异常进行统计，为了避免监测能力差异的影响，计算异常百分比并将其作为重要分析指标；考虑到异常统计时，位于构造交会部位的台站易受到人为判识的影响，且因不同构造带震前异常测项总数基本明确，误差主要来源于不同构造带的测项总数，因此以测项总数作为变量，按照测项总数10%变化进行误差分析，测项数量取整数值，最小为1，异常比例最大为100% （表3）。由于分布于鲜水河—安宁河断裂带的观测台站在2017年九寨沟MS7.0地震震前未发现异常，分布于龙门山断裂带的观测台站在2013年岷县漳县MS6.6地震震前未发现异常，因此这两个断裂带地球物理观测异常不在表3中进行统计。
![]()
图 2 2013年岷县漳县MS6.6地震（a）和2017年九寨沟MS7.0地震（b）的地球物理观测异常分布与活动构造单元关系图图内的蓝色区域为龙门山断裂带，橙色区域为东昆仑—西秦岭断裂带，绿色区域为六盘山—海原断裂带，紫色区域为渭河断陷带，黄色区域为鲜水河—安宁河断裂带，红色区域为发震构造及相邻断裂带。灰色站点震前无异常发生，彩色站点震前出现异常，不同颜色指示震前异常持续时间不同，下同Figure 2. Relationship between distribution of geophysical precursory anomalies and active tectonics for the 2013 Minxian-Zhangxian MS6.6 earthquake （a） and the 2017 Jiuzhaigou MS7.0 earthquake （b）The blue area is Longmenshan fault zone，the orange area is east Kunlun-west Qinling fault zone，the green area is Liupanshan-Haiyuan fault zone，and the purple area is Weihe fault depression zone，the yellow area is Xianshuihe fault zone，and the red area is the seismogenic structure and its adjacent fault zones. There is no anomaly in gray stations before the earthquake，and different station colors indicate different duration of anomalies before earthquakes, the same below表 3 2013年岷县漳县Ms6.6地震与2017年九寨沟MS7.0地震不同构造单元震前地球物理观测异常对比Table 3. Comparison of geophysical precursory anomalies in different active fault zones before the 2013 Minxian-Zhangxian MS6.6 earthquake and the 2017 Jiuzhaigou MS7.0 earthquake地震名称 相关断层 测项总数 异常测向数量 异常比例 误差 2 013年岷县漳县MS6.6地震 临潭—宕昌断裂 6 6 100% 7.1% 东昆仑—西秦岭断裂带 80 30 38% 3.9% 六盘山—海原断裂带 98 18 18% 1.9% 渭河断陷带 39 1 3% 0.3% 总数 223 55 25% 2.5% 2 017年九寨沟MS7.0地震 岷山断裂 3 1 33% 12.5% 龙门山断裂带 17 8 47% 5.6% 东昆仑—西秦岭断裂带 79 21 27% 2.7% 六盘山—海原断裂带 43 3 7% 0.7% 渭河断陷带 18 1 6% 0.6% 总数 160 34 21% 2.1% 通过对比表3中地球物理观测异常统计结果，发现震前异常分布与活动构造展布具有相关性：2013年岷县漳县MS6.6地震震前总体异常比例为25%，发震构造临潭—宕昌断裂异常比例最高，达到100%；其次是东昆仑—西秦岭断裂带（包含临潭—宕昌断裂），接近40%；海原—六盘山断裂带次之，接近20%；渭河断陷带异常比例较低，小于5%；龙门山断裂带无异常。2017年九寨沟MS7.0地震震前总体异常比例为21%，其中龙门山断裂带异常比例最高，接近50%；其次是岷山断裂和东昆仑—西秦岭断裂带，约30%；海原—六盘山断裂带与渭河断陷带异常比例较低，小于10%；鲜水河—安宁河断裂带无异常。
2.3 不同学科震前地球物理观测异常特征
为了进一步总结不同学科震前异常特征，分别对这两次地震的地球物理观测异常按照定点形变、跨断层水准测量、电磁和流体四个学科进行分类统计，并计算异常百分比（表4）。通过异常统计结果对比，发现2013年岷县漳县MS6.6地震震前跨断层水准测量和电磁震前异常较为明显，这两个测项异常百分比分别为35%和28%；其次是定点形变和流体异常，异常百分比分别为21%和15%；流体异常最少。2017年九寨沟MS7.0地震震前电磁异常显著，异常百分比达到45%；其次是跨断层水准测量和定点形变，这两个测项异常百分比均为26%；流体异常最少，异常百分比仅为5%。
表 4 2013年岷县漳县MS6.6地震和2017年九寨沟MS7.0地震震前不同学科地球物理观测异常数量对比Table 4. Comparison of the number of geophysical precursory anomalies in different disciplines before the 2013 Minxian-Zhangxian MS6.6 earthquake and 2017 Jiuzhaigou MS7.0 earthquake地震 电磁异常 流体异常 定点形变异常 跨断层水准异常 个数 百分比 个数 百分比 个数 百分比 个数 异常百分比 2 013年岷县漳县MS6.6地震 10 28% 11 15% 8 21% 26 35% 2 017年九寨沟MS7.0地震 15 45% 3 5% 7 26% 9 26% 2.4 小结
通过上述分析，得到以下认识：① 震前异常分布受活动构造影响。2013年岷县漳县MS6.6地震震前异常主要集中在东昆仑—西秦岭断裂带和六盘山—海原断裂带；2017年九寨沟MS7.0地震震前异常主要集中在龙门山断裂带和东昆仑—西秦岭断裂带，其中东昆仑—西秦岭断裂带在两次地震前都出现较明显异常。② 2013年岷县漳县MS6.6地震震前地球物理场异常数量和百分比都高于2017年九寨沟MS7.0地震。③ 两次地震震前电磁、形变异常均较为显著，而震前流体异常出现最少。
3. 震前地球物理观测异常分析
为了进一步讨论两次地震震前地球物理观测异常特征，结合中国大陆GNSS速度场、地震震源机制，综合分析震前异常规律。
3.1 震前地球物理观测异常与GNSS速度场的关系
选用公开发表的中国大陆第Ⅰ期和第Ⅱ期连续、流动观测GNSS站点数据（Wang，Shen，2020），以鄂尔多斯地块为参考系计算GNSS速度场。地壳运动速率与运动方向受到活动构造影响和控制，GNSS速度场与活动构造具有较好的对应关系。在印度板块与欧亚板块碰撞后继续向北推挤的背景下，GNSS速度场显示青藏高原的若干构造地块分别沿大型走滑断裂带向东和东南方向“逃逸”。当受到华北、华南地块的阻挡后，地壳运动速率快速减小，方向也有明显“分流”特征：一支沿着六盘山—海原断裂带向西北偏转；一支沿着龙门山断裂带、安宁河—小江断裂带向南偏转。在东昆仑—西秦岭断裂带东段靠近鄂尔多斯南缘处，为速度场分流过渡区，过渡区北侧速度场向西北“分流”，南侧速度场向南“分流”，过渡区内速度场运动方向无明显偏转特征，同时地壳运动速率由西南至北东逐渐减小。
为了进一步讨论地球物理观测异常与GNSS速度场的关系，采用不同颜色对速度场进行划分。因过渡区内速度场没有明显的偏转特征，因此可以根据震前异常分布特征对速度场过渡区采用不同的划分方式。结合2013年岷县漳县MS6.6地震震前地球物理观测异常分布，将GNSS速度场划分为两个区域：GNSS速度向由过渡区至北西偏转的分支（图3a蓝色区域）和速度向SE偏转的分支（图3a橙色区域）。2013年岷县漳县MS6.6地震震前异常主要集中于前者（图3a蓝色区域），其位于东昆仑—西秦岭断裂带和海原—六盘山断裂带。结合2017年九寨沟MS7.0地震震前地球物理观测异常分布，将GNSS速度场划分为三个区域：速度向北西偏转的分支（图3b绿色区域）、过渡区（图3b紫色区域）和速度向南东偏转的分支（图3b橙色区域）。2017年九寨沟MS7.0地震震前异常主要集中在GNSS速度场两支“分流”的过渡区（图3b紫色区域东端），位于西秦岭断裂和龙门山断裂带围限区，该区域地壳运动速率明显减小。
![]()
图 3 2013年岷县漳县MS6.6地震（a）和2017年九寨沟MS7.0地震（b）震前地球物理观测异常分布和GNSS速度场蓝色区域为GNSS速度场中由过渡区至北西偏转的分支，橙色区域为GNSS速度场中速度向南东偏转的分支，绿色区域为GNSS速度场中速度向北西偏转的分支，紫色区域为GNSS速度场过渡区Figure 3. Relationship between distribution of geophysical precursory anomalies and GNSS velocity field for the 2013 Minxian-Zhangxian MS6.6 earthquake （a） and the 2017 Jiuzhaigou MS7.0 earthquake （b）The blue area in the GNSS velocity field exhibits initial directionality ambiguity，subsequently deflecting NW，the orange area in the GNSS velocity field is characterized by a consistent velocity deflection towards the SE，the green area in the GNSS velocity field is characterized by a consistent velocity deflection towards the NW，and the purple area in the GNSS velocity field denotes an indeterminate transitional direction3.2 震前地球物理观测异常与断层力学特征
通过对比表1—4中地球物理观测异常统计结果发现，2013年岷县漳县MS6.6地震震前异常显著于2017年九寨沟MS7.0地震，震前异常显著程度与震级大小呈负相关。为了厘清这一现象存在的原因，本文结合安德森断（Anderson）层应力模式进一步分析震前异常与断层形成机制的关系。断层形成机制是一个复杂的问题，涉及破裂发生、断层形成、断层作用和应力状态等因素，安德森断层应力模式是用来分析解释地表或近地表断层形成的应力状态。在安德森断层应力模式中：走滑断层最大主应力轴σ1和中间主应力轴σ2是水平的，中间主应力轴σ2是直立的，断层面走向垂直于σ2，滑动方向也垂直于σ2。逆冲断层最大主应力轴σ1和中间主应力轴σ2是水平的，最小主应力轴σ3是直立的，σ2平行于断层面走向（Anderson，1951；Li et al，2021）。这两次地震的震源机制不同，其中2013年岷县漳县MS6.6地震以逆冲为主，2017年九寨沟MS7.0地震以走滑为主。对照安德森应力模式，2013年岷县漳县MS6.6地震最小主应力σ3为重力，2017年九寨沟MS7.0地震中间应力σ2为重力（图4，5），认为两次地震发生时，重力所代表的垂直应力相同，因此2017年九寨沟MS7.0地震中间主应力σ2相当于2013年岷县漳县MS6.6地震最小主应力σ3。基于摩尔—库仑破坏准则，通过两次地震破裂事件摩尔—库仑圆示意图，更直观地分析对比两次地震的应力状态（图6）。图中虚线（抗剪强度包线）与摩尔—库仑圆的切点为断层破裂临界极限，2013年岷县漳县MS6.6地震（走滑型）的破裂临界极限为图6中的点A，2017年九寨沟MS7.0地震（逆冲型）的破裂临界极限为图6中的点B。相比于2017年九寨沟MS7.0地震，2013年岷县漳县MS6.6地震破裂需要更大的应力积累，因此虽然2013年岷县漳县MS6.6地震震级略小于2017年九寨沟MS7.0地震，但其震前地球物理观测震前异常却更显著。
![]()
图 4 2013年岷县漳县MS6.6地震发震构造及安德森断层应力模式图Figure 4. Seismogenic structure and Anderson fault stress model of the 2013 Minxian-Zhangxian MS6.6 earthquake![]()
图 5 2017年九寨沟MS7.0地震发震构造及安德森断层应力模式图Figure 5. Seismogenic structure and Anderson fault stress model of the 2017 Jiuzhaigou MS7.0 earthquake![]()
图 6 2013年岷县漳县MS6.6地震和2017年九寨沟MS7.0地震的摩尔—库仑圆对比蓝色阴影区和绿色阴影区分别代表2013年岷县漳县MS6.6地震和2017年九寨沟MS7.0地震应力变化范围Figure 6. Comparison of Mohr-Coulomb circles between the 2013 Minxian-Zhangxian MS6.6 earthquake and the 2017 Jiuzhaigou MS7.0 earthquakeThe blue shaded area and green shaded area represent the stress change range of the 2013 Minxian-Zhangxian MS6.6 earthquake and the 2017 Jiuzhaigou MS7.0 earthquake，respectively4. 讨论与结论
综合上文对2013年岷县漳县MS6.6地震和2017年九寨沟MS7.0地震震前地球物理观测异常统计与分析，进一步开展讨论。
1） 本文尝试将地球物理观测台站按照活动构造单元进行划分归纳，考虑到活动构造分布复杂，在划分构造单元时，合并次级活动断层以突出主要构造特征，采用同一方法和规则统计两次地震震前不同构造单元的异常分布与特征（表1，2）。统计范围主要根据震前异常分布确定，因此针对同一构造单元，两次地震的震前异常统计范围可能不同，此外，对于距离较远且孤立出现的异常现象，认为其不具有代表意义，统计时不予考虑。对于位于活动构造交会部位的观测台站，目前我们大致依据活动构造地表空间分布对观测台站进行划分。虽然可能因统计范围选择、异常识别可信度等因素产生误差，通过误差分析，结果依然可定性地反映出不同构造单元上两次地震震前地球物理观测异常的特征与规律。今后工作中，可以进一步结合实际地质特征进行深入分析，根据活动构造对观测台站影响的强弱分配权重，以便更客观地反映实际情况。
2） GNSS速度场是现今地壳运动和断层活动的直接表现，与两次地震震前异常分布的对应关系进一步佐证了发震构造背景的差异，并可帮助分析震前应力积累与能量传导特征：2013年岷县漳县MS6.6地震和2017年九寨沟MS7.0地震的动力来源均为青藏高原隆升并向东推挤，2013年岷县漳县MS6.6地震震前异常主要集中在东昆仑—西秦岭断裂带和六盘山—海原断裂带，2017年九寨沟MS7.0地震震前异常主要集中在龙门山断裂带和东昆仑—西秦岭断裂带；作为巴颜喀拉地块与陇西地块和柴达木盆地的边界构造，东昆仑—西秦岭断裂带在两次震前均出现较为显著的地球物理场观测异常，体现出其作为中央造山带活动构造在现今青藏高原扩张与应力传导中所具有的重要作用。
3） 本文初次尝试通过断层应力机制讨论震源机制差异对震前地球物理观测异常强度的影响，并采用了安德森经典断层应力模式进行分析。断层应力模式指示逆冲断层相较于走滑断层，破裂需要积累更多应力，这个观点也得到了实验室结果支持：在断层面上引起剪应力沿断层滑动方向的增加，使断层更趋近于破裂，而垂直于断层面的正应力（压力）增加则会加大断层的摩擦强度从而抑制破裂（马瑾，郭彦双，2014）。安德森经典断层理论模式、岩石实验室测试结果一致反映了剪切作用（对应走滑断层）相比正压力（对应逆断层）更容易形成断层破裂。因此2013年岷县漳县MS6.6地震（逆冲型）虽然震级略小，但相较于九寨沟MS7.0地震（走滑型），需要积累更多应力才能破裂，表现为震前地球物理观测异常强度更高。同时，已有研究对四川地区MS7.0左右典型震例（1973年炉霍MS7.6地震、1976年松潘MS7.2地震、1976年盐源MS6.7地震、1981年道孚MS6.9地震）进行梳理，统计结果也显示走滑型地震震前异常较少，走滑兼逆冲型地震震前异常较多（程式，任昭明，1989），本文结论与统计结果一致，均符合安德森断层应力模式。除此之外，针对中国大陆走滑型地震与倾滑型地震（包括逆冲型和正断型）进行震源机制与震前异常分析，发现走滑型地震异常比例随着震级增加而增多，而倾滑型地震（包括逆冲型和正断型）异常比例并不随震级增加而增多（吴忠良，王林瑛，2004）。安德森断层应力模式指示逆冲型与正断型地震具有不同的破裂机制，逆冲型地震的最小主应力是正断型地震的最大主应力，因此两者放在一起对比就会出现震级大小与异常比例不是正相关的结果。通过对震例的梳理以及其他学者的研究结果，认为安德森断层应力模式可以解释不同震源机制地震震前的地球物理场异常特征。但是，目前没有发现安德森经典断层应力模式与震前异常性质明显的对应关系，因此在进一步工作中，可以考虑统计分析对比更多典型震例，结合震前异常物理机制，深入讨论断层应力与震前异常性质的关系。
4） 进一步分析讨论震前地球物理观测异常对地震预报工作“时、空、强”的指示意义。在震前异常时间方面，文中两个震例共同反映电磁短临异常（0—3个月）和跨断层水准测量长期异常（1—3年）较显为著，虽然只是两个震例的统计结果，但是依然能反映出甘东南地区震前不同学科异常开始时间的差异，可以为该区发震时间判断提供参考。震前异常的空间分布与活动构造具有相关性，符合活动构造、GNSS速度场运动特征。两次地震震前异常在不同构造单元均出现明显差异，2013年岷县漳县MS6.6地震的发震构造临潭—宕昌断裂上分布有较为密集的监测台站，震前这些台站几乎都有异常出现，并且大部分异常主要集中在陇西地块边界，包括东昆仑—西秦岭断裂带、六盘山—海原断裂带，而东昆仑断裂带以南几乎没有震前异常。与2013年岷县漳县MS6.6地震不同，虽然没有地球物理观测台站直接监测2017年九寨沟MS7.0地震发震断层（虎牙断裂北西延伸），但大部分震前异常主要集中在巴颜喀拉地块的北—西边界：龙门山断裂带和东昆仑—西秦岭断裂带震前异常最显著，特别是龙门山断裂带虽然监测能力相对较弱，但依然有高达50%的异常出现，而西秦岭断裂带以北的海原—六盘山断裂带震前几乎没有异常发生。因此认为异常百分比较高的构造单元可能是震前应力加载区，对于监测能力较弱的地区，相关构造单元上异常百分比统计可以作为参考分析依据。在震级预测方面，本文梳理的是MS7.0左右的强震震前异常信息，因此可以对该地区MS7.0左右的强震震前异常分析提供参考，在震级判定时，可根据断层应力模式考虑构造背景与震源机制差异的影响。
三位审稿专家对文章提出了专业的指导和有益的修改意见，作者在此表示衷心的感谢！
-
![]()
图 1 地震和爆破事件的空间分布图
Figure 1. Spatial distribution of natural earthquakes and explosions
![]()
图 2 天然地震和爆破的震级频次分布
Figure 2. Magnitude-frequency distribution of natural earthquakes and explosions
![]()
图 4 天然地震与爆破的波形（a）及时频域对数振幅谱（b）对比
Figure 4. Comparison of waveform （a） and time-frequency log amplitude spectrum （b） between earthquake and explosion
![]()
图 5 天然地震与爆破的功率谱对比
Figure 5. Power spectrum comparison between natural earthquakes and explosions
![]()
图 7 学习率测试
（a） 损失函数曲线； （b） 准确率曲线； （c） 准确率随学习率变化
Figure 7. Learning rate test
（a） Loss curves ；（b） Accuracy curves ；（c） Accuracy rate changes with learning rate
表 1 模型的超参数设置
Table 1 Super parameter setting of the model
序号 类型 参数 输出 1 输入层 50×100×1 2 卷积层 16个 3×3卷积核 50×100×16 3 批量正则化层 50×100×16 4 RELU激活层 50×100×16 5 最大池化层 2×2 25×50×16 6 卷积层 32个3×3×16卷积核 25×50×32 7 批量正则化层 25×50×32 8 RELU激活层 25×50×32 9 最大池化层 2×2 12×25×32 10 卷积层 64个3×3×32卷积核 12×25×64 11 批量正则化层 12×25×64 12 RELU激活层 12×25×64 13 最大池化层 2×2 6×12×64 14 Dropout层 比例50% 6×12×64 15 全连接层 单元数128 128 16 批量正则化层 128 17 Relu激活层 128 18 全连接层 单元数2 2 19 Softmax激活层 2 20 输出层 
下载: 导出CSV
-
毕明霞,黄汉明,边银菊,李锐,陈银燕,赵静. 2011. 天然地震与人工爆破波形信号HHT特征提取和SVM识别研究[J]. 地球物理学进展,26(4):1157–1164. doi: 10.3969/j.issn.1004-2903.2011.04.004 Bi M X,Huang H M,Bian Y J,Li R,Chen Y Y,Zhao J. 2011. A study on seismic signal HHT features extraction and SVM recognition of earthquake and explosion[J]. Progress in Geophysics,26(4):1157–1164 (in Chinese).
边银菊. 2002. 遗传BP网络在地震和爆破识别中的应用[J]. 地震学报,24(5):516–524. doi: 10.3321/j.issn:0253-3782.2002.05.009 Bian Y J. 2002. Application of genetic BP network to discriminating earthquakes and explosions[J]. Acta Seismologica Sinica,24(5):516–524 (in Chinese).
蔡杏辉,张燕明,陈惠芳,巫立华. 2020. 基于小波特征和神经网络的天然地震与人工爆破自动识别[J]. 大地测量与地球动力学,40(6):634–639. Cai X H,Zhang Y M,Chen H F,Wu L H. 2020. Automatic identification of earthquake and explosion based on wavelet transform and neural network[J]. Journal of Geodesy and Geodynamics,40(6):634–639 (in Chinese).
陈润航,黄汉明,柴慧敏. 2018. 地震和爆破事件源波形信号的卷积神经网络分类研究[J]. 地球物理学进展,33(4):1331–1338. doi: 10.6038/pg2018BB0326 Chen R H,Huang H M,Chai H M. 2018. Study on the discrimination of seismic waveform signals between earthquake and explosion events by convolutional neural network[J]. Progress in Geophysics,33(4):1331–1338 (in Chinese).
范晓易,曲均浩,曲保安,刘方斌,山长仑,周少辉. 2019. 支持向量分类机LIBSVM方法识别天然地震、爆破与塌陷[J]. 大地测量与地球动力学,39(9):916–918. Fan X Y,Qu J H,Qu B A,Liu F B,Shan C L,Zhou S H. 2019. Support vector machine LIBSVM method for identifying natural earthquakes,blasting and collapse[J]. Journal of Geodesy and Geodynamics,39(9):916–918 (in Chinese).
郝国成,谈帆,程卓,王巍,冯思权,张伟民. 2019. 强鲁棒性和高锐化聚集度的BGabor–NSPWVD时频分析算法[J]. 自动化学报,45(3):566–576. Hao G C,Tan F,Cheng Z,Wang W,Feng S Q,Zhang W M. 2019. Time–frequency analysis of Bgabor–Nspwvd algorithm with strong robustness and high sharpening concentration[J]. Acta Automatica Sinica,45(3):566–576 (in Chinese).
黄汉明,边银菊,卢世军,蒋正锋,李锐. 2010. 天然地震与人工爆破的波形小波特征研究[J]. 地震学报,32(3):270–276. doi: 10.3969/j.issn.0253-3782.2010.03.002 Huang H M,Bian Y J,Lu S J,Jiang Z F,Li R. 2010. A wavelet feature research on seismic waveforms of earthquakes and explosions[J]. Acta Seismologica Sinica,32(3):270–276 (in Chinese).
刘建伟,赵会丹,罗雄麟,许鋆. 2020. 深度学习批归一化及其相关算法研究进展[J]. 自动化学报,46(6):1090–1120. Liu J W,Zhao H D,Luo X L,Xu J. 2020. Research progress on batch normalization of deep learning and its related algorithms[J]. Acta Automatica Sinica,46(6):1090–1120 (in Chinese).
刘莎,杨建思,田宝峰,郑钰,姜旭东,徐志强. 2012. 首都圈地区爆破、矿塌和天然地震的识别研究[J]. 地震学报,34(2):202–214. doi: 10.3969/j.issn.0253-3782.2012.02.007 Liu S,Yang J S,Tian B F,Zheng Y,Jiang X D,Xu Z Q. 2012. Discrimination between explosions,mine collapses and earthquakes in capital region of China[J]. Acta Seismologica Sinica,34(2):202–214 (in Chinese).
王凤瑛,张丽丽. 2006. 功率谱估计及其MATLAB仿真[J]. 微计算机信息,22(31):287–289. doi: 10.3969/j.issn.1008-0570.2006.31.102 Wang F Y,Zhang L L. 2006. Power spectrum density estimation and the simulation in MATLAB[J]. Control &Automation,22(31):287–289 (in Chinese).
王婷婷,边银菊,张博. 2013. 地震和爆破的综合识别方法研究[J]. 地球物理学进展,28(5):2433–2443. doi: 10.6038/pg20130522 Wang T T,Bian Y J,Zhang B. 2013. The comprehensive identification methods between earthquakes and explosions[J]. Progress in Geophysics,28(5):2433–2443 (in Chinese).
隗永刚,杨千里,王婷婷,蒋长胜,边银菊. 2019. 基于深度学习残差网络模型的地震和爆破识别[J]. 地震学报,41(5):646–657. doi: 10.11939/jass.20190030 Wei Y G,Yang Q L,Wang T T,Jiang C S,Bian Y J. 2019. Earthquake and explosion identification based on Deep Learning residual network model[J]. Acta Seismologica Sinica,41(5):646–657 (in Chinese).
杨选辉,沈萍,刘希强,郑治真. 2005. 地震与核爆识别的小波包分量比方法[J]. 地球物理学报,48(1):148–156. doi: 10.3321/j.issn:0001-5733.2005.01.020 Yang X H,Shen P,Liu X Q,Zheng Z Z. 2015. Application of method of spectral component ratio of wavelet–packets to discrimination between earthquakes and nuclear explosions[J]. Chinese Journal of Geophysics,48(1):148–156 (in Chinese).
余凯,贾磊,陈雨强,徐伟. 2013. 深度学习的昨天、今天和明天[J]. 计算机研究与发展,50(9):1799–1804. doi: 10.7544/issn1000-1239.2013.20131180 Yu K,Jia L,Chen Y Q,Xu W. 2013. Deep learning:Yesterday,today,and tomorrow[J]. Journal of Computer Research and Development,50(9):1799–1804.
曾融生,陈运泰,吴忠良. 2000. 探测地球内部的“雷达”:地震波(续)[J]. 城市防震减灾,3(6):12–14. Zeng R S,Chen Y T,Wu Z L. 2000. Radar for detecting the earth interior:Seismic wave[J]. Ruban Earthquake Disaster Prevention and Reduction,3(6):12–14 (in Chinese).
张博,边银菊,王婷婷. 2014. 用逐步代价最小决策法识别地震与爆破[J]. 地震学报,36(2):233–243. doi: 10.3969/j.issn.0253-3782.2014.02.008 Zhang B,Bian Y J,Wang T T. 2014. Discrimination of earthquakes and explosions by SAMC decision method[J]. Acta Seismologica Sinica,36(2):233–243 (in Chinese).
张帆. 2006. 地震波时频谱分析及其在爆破识别中的应用[D]. 合肥: 中国科学技术大学: 57. Zhang F. 2006. Seismic Signal Time–Frequency Analysis and Its Application to Blast Distinguishing[D]. Hefei: University of Science and Technology of China: 57 （in Chinese）.
张帆,韩晓明,郝美仙,张晖. 2016. 内蒙古阿拉善地区爆破和地震自动识别研究[J]. 华南地震,36(3):98–103. Zhang F,Han X M,Hao M X,Zhang H. 2016. Auto identification of explosion and seismic events in Alashan area[J]. South China Journal of Seismology,36(3):98–103 (in Chinese).
张号逵,李映,姜晔楠. 2018. 深度学习在高光谱图像分类领域的研究现状与展望[J]. 自动化学报,44(6):961–977. Zhang H K,Li Y,Jiang Y N. 2018. Deep learning for hyperspectral imagery classification:The state of the art and prospects[J]. Acta Automatica Sinica,44(6):961–977 (in Chinese).
赵永,刘卫红,高艳玲. 1995. 北京地区地震、爆破和矿震的记录图识别[J]. 地震地磁观测与研究,16(4):48–54. Zhao Y,Liu W H,Gao Y L. 1995. Distinguishing earthquake,explosion and mine earthquake in Beijing area[J]. Seismological and Geomangnetic Observation and Research,16(4):48–54 (in Chinese).
Beyreuther M,Barsch R,Krischer L,Megies T,Behr Y,Wassermann J. 2010. ObsPy:A python toolbox for seismology[J]. Seismol Res Lett,81(3):530–533. doi: 10.1785/gssrl.81.3.530
Kingma D P, Ba J L. 2015. Adam: A method for stochastic optimization[C]//3rd International Conference on Learning Representations, ICLR 2015: Conference Track Proceedings. San Diego: IEEE Press: 1–15.
Krizhevsky A,Sutskever I,Hinton G E. 2017. ImageNet classification with deep convolutional neural networks[J]. Commun ACM,60(6):84–90. doi: 10.1145/3065386
-
期刊类型引用(2)
1. 杨小林. 预滑震相还是气象影响?——与“汶川M_W7.9地震前华北和东北亚地块区的预滑活动”作者探讨. 地球物理学进展. 2025(01): 48-53 . 
百度学术
2. 赵仕兴，罗麒锐，唐元旭，吴启红，熊峰，周巧玲，卢丹，张敏. 复杂地形地质条件下地震动放大系数研究进展. 建筑结构. 2024(19): 51-58+73 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 698
- HTML全文浏览量: 312
- PDF下载量: 142
- 被引次数: 2
