[发明专利]一种以振幅为特征函数的自动拾取P波震相方法

说明书

本发明提出一种以振幅为特征函数的自动拾取P波震相方法，流程包括：输入地震竖直方向记录；计算特征函数；计算长短时均值比序列{P_i}；在长短时均值比序列{P_i}中，判断长短时均值比结果，找到长短时均衡值比大于或等于阈值对应的时刻；从长短时均值比结果大于或等于阈值的对应时刻开始，按时间顺序，寻找长短时均值比结果的极大值，该极大值对应的时刻就是P波到时；本发明特征函数定义与地震波P波震相到时的定义一致，使得寻找震相到时问题转化成寻找与特征函数极大值相关的问题；重新定义的长短时均值比的长、短时项不产生交叉，增强了长短时均值比表现异常能力；明确了P波到时触发阈值的确定方法，减少了错误触发或遗漏的机会。

技术领域

本发明属于地震信号处理技术领域，具体涉及一种以振幅为特征函数的自动拾取P波震相方法。

背景技术

目前常用的自动拾取地震动P波震相到时的主要有长短时均值比法，即STA/LTA方法；AIC准则；高阶统计计量方法，即PAI-S/K方法；自回归方法定义进行地震震相判别的方法，除此之外还有分形维法和神经网络法等。

AIC准则适合于地震波初至位置大致已知，并与其它方法结合使用才能较准确地拾取地震波震相。PAI-S/K方法引进地震波形峰度和偏斜度函数，计算简单、速度快，但抗噪音能力不强。自回归方法将地震信号分为两个统计时段，取自相关最小值作为地震波震相到时，该方法拾取精度高，但计算速度慢。分形维数方法认为地震波与噪音信号叠加时分形维数将发生变化，并以此为依据拾取地震波到时，该方法的显著缺点是计算速度慢。神经网络法用峰值振幅、时窗内均方根振幅比、峰值与其前后峰值包络斜率及噪声与信号比值等作为神经网络输入条件、综合拾取P波到时。其优点是适用性广泛，缺点是计算用时长。

长短时均值比法是目前广泛使用的一种地震波初至拾取方法，其原理是取地震波特征函数在短时间内平均值与长时间内平均值之比确定地震波初至，即长短时均值比法。长短时均值比法具有算法简单、计算速度快和特征函数多样等优点，不足之处，一是目前特征函数的选择与地震波震相初至定义不吻合，使得到时的拾取在理论上就不够准确；二是短时间和长时间采用的时长不明确，而不同的时长，特别是短时间时长对到时的拾取结果有重要影响；三是做为分子的短时间项包含在分母中，而短时间项作用是反映异常的，出现在分母中减弱了异常表现；四是地震震相到时阈值确定原则不够明确。

发明内容

针对以上技术问题，本发明提出一种以振幅为特征函数的自动拾取P波震相方法，具体流程如下：

步骤1：输入地震竖直方向记录x_i(t)，i＝1...N，其中，x_i(t)为第i个竖直方向加速度记录，其单位是cm/s²，N为地震记录长度；

步骤2：用公式(1)计算特征函数P_i；

P_i＝|x_i(t)ⁿ| (1)

其中，P_i为第i时刻x_i(t)对应的特征函数，n是大于或等于4的整数；

步骤3：根据特征函数P_i，用公式(2)计算长短时均值比序列{P_i}；

其中，P_i和P_j都是与地震记录相关的特征函数、{P_i}是经过长短时均值比变换得到的序列、i是地震记录点序号，N₄为长短时均值比方法的短尺度，N₃为长短时均值比方法的长尺度；j是计算过程中叠加运算需要的地震记录序号。