昭通巡龍強夯土非天然地震記錄特征及識別研究

[摘要]" " 通過分析昭通巡龍2022年11月—2023年5月多次重型地面平整機施工和小震級天然地震事件的記錄特征及差異后認為：昭通巡龍強夯土事件的P波初動向下、持續時間短、衰減快、P波與S波最大振幅小于天然地震，強夯土事件波形記錄的頻譜特征與天然地震差異較大，天然地震P波與S波震相明顯，強夯土事件震相不明顯。可以利用Pg/Sg譜比、交叉Pg/Sg譜比實現強夯土非天然地震和天然地震事件的分類識別。分類結果表明：當頻率大于5 Hz時，Pg/Sg譜比判據基本實現天然地震和強夯土事件分類；交叉Pg/Sg譜比判據對應的分類識別正確率為天然地震事件91.3%，強夯土事件90.7%。交叉Pg/Sg譜比判據比單一頻帶譜比判據能更好地反映天然地震和強夯土事件的特征差異。

[關鍵詞] 強夯土施工; 特征差異; Pg/Sg 譜比; 地震事件分類

中圖分類號：P315.3+1 文獻標識碼： A 文章編號： 2096-7780（2024）03-0187-06

[DOI] 10.19987/j.dzkxjz.2023-052

Research on the characteristics and identification of non natural earthquake records of Zhaotong Xunlong strong rammed soil

Peng Dengjing*， Wang Zelan， Ma Minwei， Ma Da

Yunnan Earthquake Agency， Yunnan Kunming 650224， China

[Abstract]" " "This article analyzes the recorded characteristics and differences of multiple heavy ground leveling machine construction and small magnitude natural earthquake events from November 2022 to May 2023 in Zhaotong Xunlong. Analysis shows that the initial motion of P-wave of the Zhaotong Xunlong strong rammed soil event is downward， with short duration， fast attenuation， and the maximum amplitude of P-wave and S-wave is smaller than that of natural earthquakes. The spectral characteristics recorded by the waveform of strong rammed soil event are significantly different from those of natural earthquakes， and the seismic phase P-wave and S-wave of" the natural earthquake is obvious， while the seismic phase of the strong rammed soil event is not obvious. Utilizing Pg/Sg spectral ratio and cross Pg/Sg spectral ratio achieves classification and recognition of non natural earthquakes and natural earthquake events in dynamically compacted soil. The classification results indicate that when the frequency is greater than 5 Hz， the Pg/Sg spectral ratio criterion basically achieves the classification of natural earthquakes and strongly compacted soil events; The classification recognition accuracy corresponding to the cross Pg/Sg spectral ratio criterion is 91.3% for natural earthquake events and 90.7% for strong compacted soil events. The cross Pg/Sg spectral ratio criterion reflects the characteristic differences between natural earthquakes and strongly compacted soil events better than the single frequency band spectral ratio criterion.

[Keywords] strong rammed soil event; characteristic differences; Pg/Sg spectral ratio; earthquake event classification

0" 引言

近年來，由于鐵路、公路、住宅等建設對采石的需求逐漸增加，人類活動隨之加大，記錄的非天然地震事件增多，給地震識別增加了難度。由于非天然地震事件波形與天然地震波形有著很多相似之處，缺少地震事件分析經驗的工作人員不僅難以分辨，而且無意間也會造成分析錯誤，導致混淆地震目錄，影響科研人員的地震研究。同時，隨著預警系統預報系統已經正式投入觀測使用，非天然地震事件會增加地震的誤觸發率，導致地震誤報風險增加。所以，非天然地震和天然地震的快速分類識別和自動化處理意義重大。

國內學者對非天然地震和天然地震的識別依據及分類進行了大量研究[1]。例如，王婷婷等[2]利用不同地區人工爆炸與天然地震記錄波形特征進行分析并分類，以增加天然地震和爆破的分類準確率；劉方斌等[3]采用BP神經網絡組合特征對天然地震和非天然地震進行識別效果檢驗，檢驗效果依賴于波形特征的提取效果；張帆等[4]利用短時傅里葉變換卷積神經網絡對天然地震和非天然地震事件進行分類，分類結果較好。

天然地震與非天然地震的震源性質不同，記錄波形特征也不同。非天然地震事件包括人工爆破、滑坡、泥石流、礦震、核試驗等，由于發生在地表淺層附近，通常震源深度較淺。天然地震震中在地質內部，具有一定的埋深。基于此，研究者們利用波形記錄上的特征差異通過卷積神經網絡將天然地震和非天然地震進行分類[5-7]。例如，段剛[5]利用多臺站地震波形和單臺站的地震時頻數據輸入卷積神經網絡識別天然地震和爆破事件，同時獲取事件的波形、頻譜等特征進行訓練，識別率達到97%。

天然地震波形高頻能量衰減速度慢，施工波形高頻特征衰減快，基于記錄時頻特征的不同可對不同的震動事件進行分類。本文利用昭通巡龍強夯工程施工記錄的數據集，分析施工記錄波形與天然地震波形之間的特點，通過P波，S波主頻判據、Pg/Sg譜比判據對天然地震和非天然地震事件進行分類，以評估P波，S波主頻判據、Pg/Sg譜比判據的有效性和穩定性。

1" 數據分析

1.1" 數據選取

首先進行非天然地震數據的選取。使用云南昭通光伏高透基材項目土石方及強夯工程15臺強夯機24小時不間斷夯土作業產生的非天然地震波形數據。該項目于2022年11月28日開始施工，12月9日開始一期強夯工程，預計2023年5月27日竣工，強夯機每次將重40 t重錘提升至20 m后進行自由落體夯擊地面（圖1）。落點距離昭通國家巡龍測震臺直線距離為3.2 km。

每次錘擊作用力大于6000 N，1次夯擊時間大約60 s。 從項目開始至項目施工結束，共記錄非天然地震事件604余次波形數據。每次施工相當于ML0.9～1.5地震，表1為部分強夯土事件表。

在選取天然地震數據時，以云南省（20°N～30°N，96°E～106°E）及昭通地區監測臺站記錄天然地震為主，選取典型的天然地震600余次，震級范圍為ML0.9～7.0，震源深度為4～10 km，震中距范圍為10～500 km（圖2）。

1.2" 數據特征分析

天然地震與強夯土事件最本質的不同在于震源性質不同，天然地震為剪切源，震源深度較夯機施工深，夯機施工為膨脹源，發生在近地表。天然地震波形記錄時間較長，能量衰減較慢，而強夯土事件持續時間較短，能量衰減較快，從圖3記錄的強夯土施工波形和天然地震波形數據上可看出。

我們選取昭通巡龍測震臺（臺站代碼：ZAT）記錄的5次強夯土事件和5次天然地震的波形（圖3），波形數據選擇SP方式仿真，濾波頻段范圍為高通0.25～2.5 Hz。分析強夯土事件和天然地震事件波形，可以看出強夯土事件有以下特征： ① P波初動向下，且震動幅度較大； ② 強夯土事件持續時間短，衰減快； ③ 強夯土事件震相持續時間短、清晰； ④ 具有規律性時間、空間特性，每次強夯土時間間距大約為1 min，相鄰施工地點距離較近； ⑤ 強夯土事件 P波與S波最大振幅小于天然地震； ⑥ 強夯土事件波形記錄的頻譜特征與天然地震差異較大，天然地震P波與S波震相明顯，強夯土事件震相不明顯。

2" 夯土、爆破等非天然地震事件的識別方法

2.1" Pg/Sg譜比識別

P/S 譜比識別是識別天然地震和非天然地震中較為重要的判別依據。王婷婷等[8]利用P/S譜比值成功識別了朝鮮核爆炸，較大的節省了人工判別的時間；范曉易等[9]利用LIBSVM方法實現對爆破和天然地震事件的分類，分類的準確率達到89%；王祿軍等[10]利用支持向量機、核函數等特征值隨機組合的方式進行大量實驗，為天然地震事件和爆破識別提供參考依據。

夯土、爆破等非天然地震事件能量傳播路徑比較復雜，主要產生P波，較少產生S波。而天然地震會產生巨大的剪切能量，釋放強大的S波能量。研究人員基于這樣的特征，設計了P/S譜比判據。而本文強夯土事件中夯土當量相當于小震級地震事件，釋放能量較小，有效記錄的地震震相為縱波Pg和橫波Sg，所以選擇縱波Pg和橫波Sg震相參與計算，Pg/Sg譜比震相在Matlab程序里計算。計算步驟為：按照震中距由近到遠的原則排列天然地震和強夯土事件，選取強夯土和天然地震波形數據（數據格式為seed或sac），然后利用震相提取模塊提取Pg和Sg有效波段進行傅里葉變換，在1～20 Hz 頻帶內（頻率間隔為1 Hz）計算Pg/Sg 幅值比。

分析圖4可知：大部分天然地震和強夯土事件可識別，部分事件既不可識別為天然地震也不可識別為強夯土事件，歸類為新事件。在0～20 Hz頻率區間，譜比值先減小后增大；當頻率f ＜5 Hz時，天然地震與強夯土事件識別率相對較低；當頻率f ＞5 Hz時，天然地震與強夯土事件基本可以識別，這是由于P波能量在大于5 Hz時開始衰減，S波能量開始增大。天然地震P波、S波能量隨頻率的增加分布差異減小。

2.2" Pg/Sg交叉頻帶識別

研究表明P波與S波譜隨頻率有顯著的變化特征，Pg/Sg交叉頻帶對低震級事件分類效果比單一頻帶譜比分類效果更好[8]。利用Pg/Sg交叉頻帶對強夯土事件和天然地震事件進行分類識別，交叉Pg/Sg譜比震相也在Matlab程序里計算，識別步驟如下：

按照震中距由近到遠排列天然地震和強夯土事件波形，選取天然地震和強夯土事件分別為600個，波形數據格式為seed或sac，然后利用震相提取模塊提取 Pg和Sg有效波段進行傅里葉變換，在 ?0.6～0.2 Hz頻率范圍內分別計算每個子區間內的Pg/Sg譜比值，P/S譜比值區間值為0.2～0.6 Hz，天然地震和強夯土事件之間設置閾值線，圖5為計算結果。

由圖5和表2可以看出，600次強夯土事件正確識別出544件，分布于閥值線附近，識別正確率為90.7%；600次天然地震正確識別出548次，識別正確率為91.3%。

基于天然地震和強夯土事件記錄特征差異，利用Pg/Sg譜比判據對天然地震與強夯土事件進行區分，下一步將增加更多樣本進行訓練，進一步驗證樣本數量集對實驗結果的影響，讓不同事件的頻譜差異界限將更加清晰，并根據頻譜差異特征調整適合的 P/S譜比頻帶，提高不同類型事件的性質分類能力。

3" 結果與討論

本文利用昭通巡龍測震臺記錄的強夯土波形數據及天然地震波形數據，分析了兩者波形記錄的特征差異及其產生的原因：

（1）強夯土波形P波初動向下，且震動幅度較大，持續時間短，衰減快。主要原因是強夯土事件發生在瞬間，震源淺，波的傳播路徑介質不均勻。

（2）天然地震持續時間比夯土事件長，P波與S波震相明顯，振幅較大。強夯土事件P波與S波震相不明顯，主要原因是強夯土事件產生能量較小，能量衰減非常快。

（3）強夯土具有規律性時間、空間特性，每次強夯土時間間距大約為1 min，相鄰施工地點距離較近。主要原因是多臺夯土機施工，在時間和空間上有規律性。

（4）天然地震波形記錄的頻譜特征與強夯土事件不同。主要原因是強夯土事件震源淺，經過松散地質，頻帶范圍較窄，高頻成分被吸收較多，所以頻譜較天然地震更為簡單。

在Matlab編譯環境下，將天然地震和強夯土事件波形數據濾波處理后，利用Pg/Sg譜比識別法、Pg/Sg交叉頻帶分類識別法進行分類。結果表明：Pg/Sg譜比識別法、Pg/Sg交叉頻帶分類識別法在天然地震和非天然地震（強夯土事件）分類上有很好的效果，在天然地震、非天然地震事件的分類研究方面有很好的應用前景。

參考文獻

[1]唐婷婷，余思，陳江貽. 天然地震與人工爆破特征識別研究綜述[J]. 地震科學進展，2021，51（9）：385-394" " Tang T T，Yu S，Chen J Y. Identification of characteristics of earthquake and explosion： A research review[J]. Progress in Earthquake Sciences，2021，51（9）：385-394

[2]王婷婷，邊銀菊，張博. 地震與爆破的小波包識別判據研究[J]. 地震學報，2014，36（2）：220-232" " Wang T T，Bian Y J，Zhang B. Recognition criteria of earthquakes and explosions based on wavelet packet analysis[J]. Acta Seismologica Sinica，2014，36（2）：220-232

[3]劉方斌，曲均浩，張志慧. 基于BP神經網絡的天然與非天然地震識別[J]. 計算機應用與軟件，2020，37（1）：106-109" " Liu F B，Qu J H，Zhang Z H. Identification of natural and non-natural earthquakes based on BP neural network[J]. Computer Applications and Software，2020，37（1）：106-109

[4]張帆，楊曉忠，吳立飛，等. 基于短時傅里葉變換和卷積神經網絡的地震事件分類[J]. 地震學報，2021，43（4）：463-473" " Zhang F，Yang X Z，Wu L F，et al. Classification of seismic events based on short-time Fourier transform and convolutional neural network[J]. Acta Seismologica Sinica，2021，43（4）：463-473

[5]段剛. 基于卷積神經網絡的天然地震與人工爆破識別研究[J]. 地球物理學進展，2021，36（4）：1379-1385" " Duan G. Research on identification of natural earthquake and artificial blasting based on convolutional neural network[J]. Progress in Geophysics，2021，36（4）：1379-1385

[6]施佳朋. 基于EMD-VMD-LSTM集成模型及熵分量的地震信號分類研究[D]. 桂林： 廣西師范學院， 2020" " Shi J P. Seismic signal classification based on EMD-VMD-LSTM integrated model and entropy component[D]. Guilin： Guangxi Normal University， 2020

[7]隗永剛，楊千里，王婷婷，等. 基于深度學習殘差網絡模型的地震和爆破識別[J]. 地震學報，2019，41（5）：646-657" " Wei Y G，Yang Q L，Wang T T，et al. Earthquake and explosion identification based on deep learning residual network model[J]. Acta Seismologica Sinica，2019，41（5）：646-657

[8]王婷婷，邊銀菊，楊千里，等. 不同地區人工爆炸與天然地震記錄特征及識別研究[J]. 地震學報，2021，43（4）：427-440" " Wang T T，Bian Y J，Yang Q L，et al. Research on seismic characteristics and identification of artificial explosion in different areas and natural earthquake[J]. Acta Seismologica Sinica，2021，43（4）：427-440

[9]范曉易，曲均浩，曲保安，等. 支持向量分類機LIBSVM方法識別天然地震、爆破與塌陷[J]. 大地測量與地球動力學，2019，39（9）：916-918" " Fan X Y，Qu J H，Qu B A，et al. Support vector machine LIBSVM method for identifying natural earthquakes，blasting and collapse[J]. Journal of Geodesy and Geodynamics，2019，39（9）：916-918

[10]王祿軍，尹戰軍，翟浩，等. 基于支持向量機的內蒙古地區臺網天然地震與人工爆破的自動識別與分析[J]. 大地測量與地球動力學，2022，42（3）：326-330" " Wang L J，Yin Z J，Qu H，et al. Automatic identification and analysis of natural earthquake and artificial blasting in Inner Mongolia region seismic network based on support vector machine[J]. Journal of Geodesy and Geodynamics，2022，42（3）：326-330