通过计算高效的相似性搜索进行地震检测

地震学正经历着数据量的快速增长,它已超过处理算法发展的速度。地震检测——连续数据中地震事件的识别——是观测地震学的一项基本操作。使用波形相似性克服了现有检测方法的缺点,从而开发了一种有效的方法来检测地震。该方法称为指纹和相似性阈值法(FAST),分析1个星期的连续地震波形数据用时不到2小时,或者比自相关快140倍。指纹和相似性阈值法采用数据挖掘算法,最初设计用于大数据库中识别相似的音频剪辑。它首先通过提取关键的判别特征来创建波形的紧凑"指纹";然后把相似的指纹组合在一个数据库中,以利于相似指纹对快速、可扩展的搜索;最后生成地震检测的一个列表。指纹和相似性阈值法从位于美国加利福尼亚中部卡拉韦拉斯断层附近的一个台站1个星期的连续数据中检测到了大部分编目地震(24个中的21个)和68个非编目地震,实现了能与自相关相媲美的检测性能,尽管有一些额外的虚假检测。当应用于地震台站的分布式台网、非常长的持续时间数据集上时,指纹和相似性阈值法可望发挥其充分的潜力。指纹和相似性阈值法的广泛应用,可能有助于发现意想不到的地震信号,改善地震监测,促进对各种地震过程的更深的了解。