一种面向近海工业平台的海陆差异化地震检测定位方法及系统与流程

本发明属于地震学观测与人工智能数据处理，尤其涉及一种面向近海工业平台的海陆差异化地震检测定位方法及系统。

背景技术：

1、沿海大陆架区域不仅是全球人口最稠密、经济最发达的地带，也是海洋地震灾害风险最高的区域之一。对近海地震进行有效监测，对于准确评估灾害风险、保障沿海工程安全至关重要。

2、然而，目前在大陆架浅海区域，仍缺乏一种经济、高效且具备实时监测能力的长期自动化观测与数据处理方案。现有的近海地震观测与自动化数据处理技术主要存在以下几方面的严重缺陷：

3、1.单侧陆地台网存在严重的几何约束缺陷，近海工业平台台站数据亟需高效自动化处理方法的支撑：

4、在部分近海区域，地震监测主要依赖陆地一侧的台站，容易形成较大的方位角空隙；同时，由于缺少近震中台站约束，震源位置尤其是震源深度的不确定度较大。依托海上风电升压站等近海工业平台部署地震台站，能够补充海域侧观测，但工业平台台站数据与陆地台站数据的噪声特征存在明显差异，现有统一处理流程难以同时兼顾海洋工业平台台站的信号检出率和陆地台站的到时精度。因此，需要一种能够对海陆联合台网数据进行差异化自动处理的方法。

5、2.近海工业平台特有的强共振噪声导致常规深度学习模型产生严重“域偏移”：

6、依托近海工业平台构建观测网，不可避免地引入了极其严峻的算法挑战。此类平台在特定频段（如1.2–1.6hz）存在显著的结构共振与设备机械噪声，构成了与陆地台站截然不同的高能、非平稳噪声域。面对这一非典型噪声域，现有的自动化震相拾取算法暴露出了严重的局限性：

7、常规基于陆地数据预训练的深度学习模型适应性极差：基于陆地环境训练的常规模型（如eqtransformer）表现出极强的保守性，倾向于拒绝识别低信噪比信号，导致大量微小事件漏检；而基于u-net架构的模型（如phasenet）则极易混淆机械振动脉冲与地震p波初至，导致极高的误检率。

8、依赖特定传感器的深海模型与陆地微调模型难以泛化：现有的针对海洋环境优化的抗噪模型（如pickblue）往往高度依赖水听器（第4分量）的数据协同来进行噪声压制。然而，近海工业平台上通常仅部署常规的三分量地震计，缺失关键的水听器输入会导致此类深海专用模型性能剧降。此外，深海环境下的天然微动（如洋流、水体混响）与近岸工业平台强烈的“结构共振-机械耦合”瞬态噪声在频谱特征上存在巨大差异，导致常规深海模型无法直接套用。另一方面，即便使用基于区域陆地数据微调的模型（如ustc-pickers），在面对工业平台极端的机械共振噪声时，由于结构共振带来的域偏移远大于地质构造差异的影响，其性能也会出现大幅下降。

9、3.极端环境下信号缺失与海量虚假拾取并存，缺乏针对此类场景的系统性流程设计方案：

10、近海海域常覆盖巨厚松散沉积层，对高频信号有强烈衰减作用。微小地震的p波到达平台台站时往往极其微弱，极易被平台持续的机械振动基底所掩盖。现有常规模型在p波完全无法识别的情况下，难以独立且稳健地捕捉到微弱的s波信号。此外，由于海陆台站面临的信噪比截然不同，试图用单一模型处理海陆全网数据是不现实的。而在这种强噪声背景下，若为了强行捕获微弱信号而降低算法的拾取阈值，又不可避免地会混入大量由平台机械噪声触发的“虚假拾取（false picks）”。尽管现有时空关联算法在设计上具备一定的抗噪能力，但针对近海工业平台这一特定场景，即海洋台站与陆地台站信噪比极度不均衡、虚假拾取高度集中于工业平台台站的情形，目前尚无系统性的参数设计原则与流程配置方案。在缺乏针对性流程设计的情况下，关联算法面对混入海量虚假拾取的数据集时极易发生误关联，无法输出可靠的地震目录。

11、综上所述，如何克服近海工业平台强烈的结构共振噪声干扰，消除海陆台站之间巨大的噪声域偏移，并在p波极易被噪声淹没以及虚假拾取激增的极端情况下，实现海陆联合的高精度自动化地震检测与定位，是本领域亟待解决的关键技术难题。

技术实现思路

1、为解决上述技术问题，本发明提出了一种面向近海工业平台的海陆差异化地震检测定位方法及系统，针对海洋工业平台台站与陆地台站截然不同的噪声域特征，构建一套“台站分类识别—差异化模型分配—低阈值宽容拾取—多维强约束关联—非线性概率定位—质量筛选”的完整自动化处理流程。

2、为实现上述目的，本发明提供了一种面向近海工业平台的海陆差异化地震检测定位方法，包括：

3、根据海陆混合台网中各台站的台站元数据所表征的部署环境类型，将采集的三分量连续地震波形数据分流为海洋工业平台台站数据流和陆地台站数据流；

4、根据所述海洋工业平台台站数据流和陆地台站数据流各自对应的噪声域特征，分别调用不同的深度学习震相拾取模型进行p波和s波震相拾取，获取候选震相集合，其中，所述候选震相至少包括台站标识、部署环境类型、震相类型、震相到时和拾取概率；

5、将所述候选震相集合汇聚为混合数据池，输入时空震相关联算法并结合区域地壳速度模型，获取有效地震事件的关联震相集合；

6、根据所述关联震相集合中的震相到时数据，使用非线性概率地震定位法，反演发震时刻和震源空间位置，输出初步震源位置及定位不确定度；

7、基于所述定位不确定度，对所述初步震源位置进行联合质量筛选，获得最终定位结果，并将最终定位结果汇总形成近海地震目录。

8、可选的，根据海陆混合台网中各台站的部署环境类型，将采集的三分量连续地震波形数据分流为海洋工业平台台站数据流和陆地台站数据流包括：

9、根据台站代码识别各台站的部署环境，将部署于近海工业平台上的台站所采集的数据划分为所述海洋工业平台台站数据流，将部署于陆地基岩或土层上的常规地震观测台站所采集的数据划分为所述陆地台站数据流。

10、可选的，所述根据所述海洋工业平台台站数据流与所述陆地台站数据流各自对应的噪声域特征，分别调用不同的深度学习震相拾取模型进行p波和s波震相拾取包括：

11、基于所述海洋工业平台台站数据流，调用具备全局上下文感知能力且经真实海洋观测噪声数据增强训练或迁移学习的第一深度学习模型进行震相拾取；

12、基于所述陆地台站数据流，调用基于中国区域地震数据训练并针对观测区域进行迁移学习或参数适配的第二深度学习模型进行震相拾取。

13、可选的，所述第一深度学习模型为基于transformer架构且具备全局自注意力机制的震相拾取模型，以预设长度的第一滑动时间窗对所述海洋工业平台台站数据流进行分段处理，所述第一滑动时间窗的长度为60秒；

14、所述第二深度学习模型为基于局部特征提取架构且经区域数据适配的震相拾取模型，以预设长度的第二滑动时间窗对所述陆地台站数据流进行分段处理，所述第二滑动时间窗的长度为30秒；相邻滑动时间窗之间设置预设重叠区，并对重叠区内的重复候选震相进行合并。

15、可选的，将所述候选震相集合汇聚为混合数据池，输入时空震相关联算法并结合区域地壳速度模型，获取有效地震事件的关联震相集合包括：

16、将所述候选震相集合汇聚为混合候选数据池，基于区域地壳速度模型生成的理论走时约束进行四维时空震相关联，并同时施加总关联震相数、p波震相数、s波震相数、双震相台站数和走时残差容限约束，获得有效地震事件的关联震相集合；

17、其中，所述区域地壳速度模型包括沿深度方向设置的多个速度节点或地层界面，每个速度节点或地层界面配置p波速度参数和s波速度参数；

18、在关联过程中施加多维强约束条件，要求有效地震事件同时满足总关联震相数不少于第一预设数量、p波震相数不少于第二预设数量、s波震相数不少于第三预设数量，且至少有第四预设数量的台站同时记录到p波和s波，并且关联震相到时与对应理论走时之间的差值处于预设走时残差容限内。

19、可选的，根据所述关联震相集合中的震相到时数据，使用非线性概率地震定位法，反演发震时刻和震源空间位置，输出初步震源位置及定位不确定度包括：

20、基于所述关联震相集合中的震相到时数据，在三维震源空间和发震时刻范围内搜索震源参数的后验概率密度函数，使海洋工业平台台站震相与陆地台站震相共同参与定位，输出最大似然震源位置、发震时刻以及以预设置信水平表征的震源位置不确定度；

21、根据所述最大似然震源位置、发震时刻和震源位置不确定度，获得所述初步震源位置及定位不确定度。

22、可选的，基于所述定位不确定度，对所述初步震源位置进行联合质量筛选，获得最终定位结果，并将最终定位结果汇总形成近海地震目录包括：

23、根据最大方位角空隙、走时残差均方根、水平误差椭球半长轴、水平误差椭球半短轴及垂直误差半轴中的至少一项指标，对所述初步震源位置进行质量筛选；

24、将满足质量筛选条件的定位结果输出为包含发震时刻、震中经纬度、震源深度的高分辨率近海地震目录。

25、本发明还提供了一种面向近海工业平台的海陆差异化地震检测定位系统，包括：数据获取与分流模块、差异化震相拾取模块、候选震相汇聚模块、多维强约束关联模块、非线性概率定位模块和目录输出模块和质量评估与目录输出模块；

26、所述数据获取与分流模块，用于根据海陆混合台网中各台站的台站元数据所表征的部署环境类型，将采集的三分量连续地震波形数据分流为海洋工业平台台站数据流和陆地台站数据流；

27、所述差异化震相拾取模块，用于根据所述海洋工业平台台站数据流和陆地台站数据流各自对应的噪声域特征，分别调用不同的深度学习震相拾取模型进行p波和s波震相拾取，获取候选震相集合，其中，所述候选震相至少包括台站标识、部署环境类型、震相类型、震相到时和拾取概率；

28、所述候选震相汇聚模块，用于将所述候选震相集合汇聚为混合数据池，输入时空震相关联算法并结合区域地壳速度模型，获取有效地震事件的关联震相集合；

29、所述非线性概率定位模块，用于根据所述关联震相集合中的震相到时数据，使用非线性概率地震定位法，反演发震时刻和震源空间位置，输出初步震源位置及定位不确定度；基于所述定位不确定度，对所述初步震源位置进行联合质量筛选，获得最终定位结果，并将最终定位结果汇总形成近海地震目录。

30、与现有技术相比，本发明具有如下优点和技术效果：

31、（1）提高高噪声环境下微小地震候选事件的检出能力：本发明将较低的候选震相保留阈值与多维联合约束关联相结合，在尽量保留低概率真实震相的同时，通过区域理论走时和多台站、多震相约束抑制随机噪声触发。在2024年至2026年的连续波形数据数据中，本发明共检测、关联并定位140次近海地震事件，常规陆地台网目录同期记录45次，实施例中的事件数量为实际地震目录的约3倍。

32、（2）改善单侧陆地台网对近海地震的几何约束：

33、本发明将经质量控制的海洋工业平台台站震相与陆地台站震相共同用于定位，补充近海事件的海域侧和近场观测，可减小方位角空隙、最近台站震中距及震源位置不确定度。

34、（3）减轻海陆噪声域差异对震相拾取性能的影响：

35、在本实施例的海洋工业平台震相测试集中，具备全局上下文感知能力且经真实海洋观测噪声增强训练的obstransformer取得较高的综合拾取性能；p波到时残差均值为0.09秒，s波到时残差均值为0.004秒。与同一测试集中的部分陆地预训练模型相比，其系统性到时偏差较小，有利于后续关联和定位。上述结果限于本实施例的数据集和参数配置。

36、（4）显著降低海洋地震观测成本，赋能重大海洋工程安全与防震减灾：

37、本发明通过数据处理算法层面的创新，有效激活了将常规地震仪部署于海上风电升压站等近海工业平台的"基础设施共享"观测新模式的实用价值。从根本上规避了传统海底地震仪（obs）面临的数据无法实时回传、需昂贵出海作业回收、极易被拖网破坏以及铺设专用海底光缆成本极其高昂等痛点，大幅降低了近海地震业务化监测的建设与运维成本。本发明所提出的自动化处理流程一经部署，即可对海陆混合台网的连续波形数据实现不间断的自动化处理，大幅降低台网运营的人力成本。鉴于全球海上风电产业正处于爆发式增长期，本发明方法可在全球不同区域的近海工业平台台网上直接复制推广，具有极高的经济复用价值。