基于WaveNet和全波形的地震反方位角智能估计模型

基金项目:

广西自然科学基金面上项目(2025GXNSFAA069152)

广西民族大学引进人才科研启动项目(2023KJQD28)

广州市科技计划项目(2023A04J0183)。

1. College of Artificial Intelligence, Guangxi Minzu University, Nanning 530006, China;
2. State Key Laboratory of Tropical Oceanography, South China Sea Institute of Oceanology, Chinese Academy of Sciences, Guangzhou 510301, China;
3. China Earthquake Networks Center, China Earthquake Administration, Beijing 100045, China

摘要: 地震定位是地震预警和地球深部结构研究的核心，但其精度仍面临挑战。本研究基于中国大陆测震台网的三分量波形数据，采用深度学习技术，构建了单台地震反方位角估算方法，对比分析了标准卷积神经网络与WaveNet模型在P波、面波和全波形输入下的性能差异。结果显示，WaveNet结合全波形输入的表现最优，其借助扩张卷积与残差连接结构增强了对长时间序列特征的提取能力，反方位角平均偏差仅为0.04°，拟合优度(R²)达到0.99。独立测试结果表明，该模型具备良好的泛化能力，平均绝对偏差和方差相较于传统面波偏振方法分别降低了58.70%和28.21%。研究表明，基于全波形输入的深度学习方法可显著提高单台定位精度，为地震预警及极端环境下的地震监测提供有效技术支撑。
- 地震定位 /
- 反方位角 /
- WaveNet /
- 深度学习 /
- 全波形