基于深度学习的实时微型地震监测系统 (RT-MEMS) 适用于台湾
Wei-Fang Sun1, Sheng-Yan Pan1, Yao-Hung Liu1
1Department of Geosciences, National Taiwan University, Taipei City 10617, Taiwan.
Sensors (Basel, Switzerland)
|September 19, 2025
概括
一个新的深度学习系统,即实时微型地震监测系统 (RT-MEMS),为台湾提供更高分辨率的地震目录. 这种先进的系统改善了地震危险评估和对构造结构的理解.
科学领域:
- 地震地震学 地震学
- 地质物理学 地质物理学
- 人工智能在地球科学中的应用
背景情况:
- 准确的地震目录对于地震危险评估和了解地震演变至关重要.
- 现有的方法可能缺乏快速地震事件分析所需的分辨率和及时性.
研究的目的:
- 为台湾推出基于深度学习的实时微型地震监测系统 (RT-MEMS).
- 提高地震目录生成的分辨率和效率.
- 为危险评估和研究提供及时的地震信息.
主要方法:
- 通过SeedLink.Link集成来自高质量的网络的连续地震数据.
- 应用SeisBlue深度学习模型用于P波和S波到达采集.
- 使用修改后的PhasePAPY算法来确定地震的相关性和位置.
- 自动化处理工作流程,以实现高效的目录生成.
主要成果:
- 在台湾建立三个稳定的RT-MEMS,以满足各种监控需求.
- 与标准方法相比,已证明能够生成更高分辨率和更高效的地震目录.
- 成功捕捉了背景地震性和主震-余震序列.
- 在重大地震后对地震活动进行及时更新的生成.
结论:
- 在台湾,RT-MEMS在实时地震监测方面取得了重大进展.
- 精细的地震目录有助于人们更好地了解地震结构.
- 由RT-MEMS生成的数据可以作为未来地震研究和危险分析的宝贵资源.


