现代交通技术研究

基于 CNN-LSTM 串联神经网络的高铁地震震级智能估算方法

王 佶琨

广深铁路股份有限公司广州工务段

张 欣伟

中科（湖南）先进轨道交通研究院有限公司

DOI: https://doi.org/10.59429/xdjtjs.v7i1.9709

Keywords: 地震预警；震级估算；深度学习；卷积神经网络；递归神经网络

---

Abstract

地震发生后对震级的精准估算是地震预警系统中最为重要的一环，基于经验系数来估算震级的 Pd 传统经验 系数方法准确性较低。近年来，随着人工智能技术的快速发展，通过模型训练能够从海量数据中提取重要特征的深 度学习技术被广泛应用工程监测预警中，论文通过构建卷积 - 长短时间递归串联神经网络模型，研究建立了一种基 于深度学习的地震震级智能估算模型。在此基础上，选用日本 K-NET 台网 2022 年全年的强震动地震记录，选取 P 波到达后 3 秒地震数据为输入信息对卷积 - 长短时间递归串联神经网络模型进行训练和效果评估。结果表明，在相 同时长 P 波信息（3 秒）的前提下，地震震级智能估算模型具有误差值小，离散度低的优势。震级估算的精度有较 大提升，能够大幅度提升我国高速铁路地震监测预警的准确性。

---

References

[1] 李山有.走近地震预警[J].防灾博览,2018(2):14-23.

[2] 曾露,田兵伟,王暾.地震预警服务进展及其国际比较[J].灾害学,2022,37(2):138-144.

[3] 胡安冬,张海明.机器学习在地震紧急预警系统震级预估中的应用[J].地球物理学报,2020,63(7):2617-2626.

[4] Allen R M, Kanamori H. The potential for earthquake early warning in southern California[J]. Science,2003,300(5620):786-789.

[5] Kanamori H. Real-time seismology and earthquake damage mitigation[J]. Annual Review of Earth and Planetary Sciences,2005 (33):195-214.

[6] lcik H, Ozel O, Apaydin N, et al. A study on warning algorithms for Istanbul earthquake early warning system[J]. Geophysical Research Letters,2009,36(5):L00B05.

[7] Wu Y M, Zhao L. Magnitude estimation using the first three seconds P-wave amplitude in earthquake early warning[J].

Geophysical Research Letters,2006,33(16):L16312.

[8] Jindong Song, Jingbao Zhu, Shanyou Li. MEANet: Magnitude Estimation Via Physics-based Features Time Series, an Attention Mechanism, and Neural Networks[J]. Geophysics,2023,88(1):33-43.

[9] 高淑芳,李山有,武东坡,等.一种改进的STA/LTA震相自动识别方法[J].世界地震工程,2008(2):37-41.