基于波譜包絡(luò)特征的地震事件檢測(cè)

詹小艷 王恒知 王俊 繆發(fā)軍 薛瑩瑩 朱升初

摘要：以聲譜圖像模式識(shí)別為基本思想，改進(jìn)了基于地震波波譜包絡(luò)分布特征的初至震相檢測(cè)方法。改進(jìn)后的算法，首先將波形記錄特征轉(zhuǎn)換為譜能量分布，以臺(tái)站固有背景噪聲的時(shí)頻特征為基準(zhǔn)，提取出記錄信號(hào)的時(shí)頻包絡(luò)特征作為事件觸發(fā)檢測(cè)的目標(biāo)函數(shù)。為降低主震尾波對(duì)檢測(cè)后續(xù)余震的影響，采用非線性標(biāo)度縮放因子對(duì)大于臺(tái)站背景噪聲水平的能量進(jìn)行歸一化處理。通過2組密集余震序列的實(shí)測(cè)結(jié)果表明：相對(duì)STA/LTA算法自動(dòng)檢測(cè)結(jié)果，新方法正確觸發(fā)率提高約19.6%，漏觸發(fā)率則降低了22.6%，表現(xiàn)出更強(qiáng)的抗干擾能力和觸發(fā)效率，且運(yùn)行速度快，能夠滿足地震實(shí)時(shí)處理系統(tǒng)的技術(shù)要求。

關(guān)鍵詞：余震序列；初至震相；地震波；波譜能量包絡(luò)；峰值搜索

中圖分類號(hào)：P315.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1000-0666（2018）02-0258-06

0 引言

完整、可靠的余震序列參數(shù)是中強(qiáng)地震發(fā)生后或密集震群序列活動(dòng)時(shí)，確定主震發(fā)震構(gòu)造、估計(jì)斷層破裂尺度、序列后續(xù)趨勢(shì)判定以及開展應(yīng)急救援等工作關(guān)鍵的基礎(chǔ)數(shù)據(jù)。研究表明，余震序列精定位是確定主震發(fā)震構(gòu)造特征最為有效的途徑之一（黃媛等，2008；朱艾斕等，2008）：利用余震序列的震源機(jī)制解還可以進(jìn)一步反演震源區(qū)構(gòu)造應(yīng)力場(chǎng)的分布特征（王勤彩等，2009）。然而，地震學(xué)家們通常需要滯后數(shù)天甚至更長(zhǎng)的時(shí)間才能得到有關(guān)強(qiáng)余震序列較為完整、可靠的后續(xù)研究結(jié)果。其主要原因是目前地震實(shí)時(shí)處理系統(tǒng)所采用的STA/LTA算法對(duì)余震序列的檢測(cè)效率較低，絕大部分余震需要震相分析人員通過查看連續(xù)記錄波形進(jìn)行查找。隨著臺(tái)站密度的日益提高，密集余震序列快速檢測(cè)的數(shù)據(jù)量也將進(jìn)一步增加。因此，研究一種快速、高效的地震事件觸發(fā)檢測(cè)算法，具有十分重要的現(xiàn)實(shí)意義。

自20世紀(jì)70年代以來，地震震相的觸發(fā)檢測(cè)一直都是國內(nèi)外學(xué)者研究的重點(diǎn)領(lǐng)域，并取得了大量的成果。從最簡(jiǎn)單的以振幅大小作為觸發(fā)標(biāo)準(zhǔn)到復(fù)雜的圖像模式識(shí)別、自適應(yīng)方法、神經(jīng)網(wǎng)絡(luò)法以及小波變換的主成分分析法等（Allen，1978；Joswig，1990；Wang，Teng，1995；Witherset al，1998；Patane et al，1999；Sleeman et al，1999；Leonard et al，1999，2000；劉希強(qiáng)等，2000；Massa et al，2006）。這些震相識(shí)別方法是根據(jù)信號(hào)與噪聲之間的差異特征而提出，如振幅或能量、頻率、波形的相似性、地震波傳播方向和動(dòng)力學(xué)特征（如偏振、頻譜等），對(duì)于單個(gè)地震或特定的區(qū)域性地震而言，可取得較好效果。但這些復(fù)雜、有效的震相觸發(fā)檢測(cè)算法，通常由于運(yùn)算速度較慢而難以滿足實(shí)時(shí)處理的技術(shù)要求。

通常情況下，中、強(qiáng)地震發(fā)生后短時(shí)間內(nèi)會(huì)在震源區(qū)附近發(fā)生大量的余震，絕大多數(shù)余震發(fā)震時(shí)間間隔極短，甚至相互重疊且處于主震的尾波中。例如，據(jù)國家地震臺(tái)網(wǎng)中心統(tǒng)一編目結(jié)果，2008年汶川M8.0地震后50d內(nèi)，四川地震臺(tái)網(wǎng)以及應(yīng)急流動(dòng)臺(tái)站共記錄到余震總數(shù)超過1.6萬次，余震最密集時(shí)1h內(nèi)ML>1.0地震達(dá)179次；2014年新疆于田M7.3地震后5d內(nèi)共記錄余震總數(shù)3294次。盡管震相檢測(cè)觸發(fā)方面已有不少研究成果，然而針對(duì)地震序列快速監(jiān)測(cè)的研究成果仍然較少。由于STA/LTA算法（短時(shí)平均與長(zhǎng)時(shí)平均值之比）具有算法簡(jiǎn)單、速度快、便于實(shí)時(shí)處理等特點(diǎn)（Stevenson，1976），在地震事件的實(shí)時(shí)觸發(fā)檢測(cè)中，國、內(nèi)外主要地震機(jī)構(gòu)的處理系統(tǒng)仍普遍采用該算法。STA/LTA算法對(duì)于環(huán)境背景噪聲水平低的臺(tái)站來說非常有效，但它的抗干擾能力不夠強(qiáng)，若記錄中存在無規(guī)則、隨機(jī)大振幅的干擾信號(hào)、或脈沖式噪聲以及信噪比較差時(shí)，該算法的效率會(huì)大大降低。另一方面，在檢測(cè)過程中，STA/LTA的觸發(fā)閾值起了決定性的作用，閾值設(shè)置得高，小地震則不會(huì)觸發(fā)；而當(dāng)閾值設(shè)置得低時(shí)，則會(huì)出現(xiàn)大量的誤觸發(fā)。盡管在實(shí)際計(jì)算過程中有2種方案可供選擇，即“鎖定”LTA和連續(xù)更新LTA，但這2種方法仍有優(yōu)缺點(diǎn)：“鎖定”LTA值使記錄系統(tǒng)一直處于觸發(fā)狀態(tài)，而連續(xù)更新LTA值時(shí)，會(huì)使尾波過早地被截?cái)啵˙or-mann，2006）。此外，采用STA/LTA算法檢測(cè)余震序列中的初至?xí)r，主震尾波及余震之間的相互疊加就成為干擾STA/LTA算法的主要因素。

本文將針對(duì)密集余震序列的記錄特征，以聲譜圖像模式識(shí)別方法為基本思想，實(shí)驗(yàn)一種基于地震波波譜包絡(luò)分布特征為基礎(chǔ)的初至震相快速檢測(cè)方法，并將其應(yīng)用于2次地震進(jìn)行驗(yàn)證。

1 研究方法

Joswing（1990，1993）提出的聲譜圖像模式識(shí)別（Sonogram Pattern Recognition）方法，其基本思想是將各種類型的地震信號(hào)與臨時(shí)噪聲信號(hào)定義成不同的模式，在實(shí)時(shí)檢測(cè)過程中，當(dāng)與定義模式足夠相似時(shí)，即被觸發(fā)，該方法是一種正演的決定邏輯觸發(fā)模式。觸發(fā)模式或觸發(fā)閾值的設(shè)置不依賴于地噪聲水平，因?yàn)樗诖穗A段對(duì)地震信號(hào)和突發(fā)性噪聲采用相同的處理方式?；静襟E為：（1）將記錄波形進(jìn)行非線性化的圖像轉(zhuǎn)換，即通過信號(hào)的譜能量構(gòu)建二維灰度圖像，其中黑度代表潛能量的密度，在處理過程中采用了非線性的標(biāo)度縮放因子，使它與簡(jiǎn)單的譜密度圖像有著很大的差異：（2）基于典型的地震信號(hào)和噪聲建立不同的識(shí)別模式。如建立不同類型地震信號(hào)與交通、工業(yè)噪聲、汽車、火車等大幅度噪聲之間的模式等；（3）實(shí)時(shí)檢測(cè)，即實(shí)現(xiàn)檢測(cè)閾值和最相似模式的邏輯決定。其中（1）、（2）步中構(gòu)建波形的非線性圖像和識(shí)別模式難度較大且過程十分復(fù)雜，這也是該方法難以被廣泛應(yīng)用的原因所在。

本文是在上述基本思路的基礎(chǔ)上，將其改進(jìn)為波譜能量時(shí)頻包絡(luò)線識(shí)別模式，基本步驟為：

（1）沿記錄波形連續(xù)滑動(dòng)地計(jì)算一定窗長(zhǎng)內(nèi)信號(hào)的功率密度譜（PSD），在全頻段內(nèi)以1/8倍頻為單位間隔計(jì)算平均功率譜，即計(jì)算在短拐角周期Ts和長(zhǎng)拐角周期TL=2×Ts內(nèi)的平均功率譜值，賦值給幾何中心周期Tc[Tc=sqrt（Ts×TL）]，記為矩陣Aij：

Aij=psd（fi，tj）（1）式中：fi代表第i個(gè)頻率，tj代表j時(shí)刻的記錄波形。

為了最大限度地突出地震信號(hào)的能量，同時(shí)避開噪聲能量最強(qiáng)的頻段（Peterson噪聲模型中微震峰值頻帶1～10s），需要在計(jì)算前根據(jù)不同地震信號(hào)（P、S波）的卓越頻帶范圍進(jìn)行相應(yīng)的濾波處理。

（2）記錄信號(hào)的功率譜密度矩陣與該臺(tái)穩(wěn)定的噪聲功率譜矩陣nij之比，記為Bij：

Bij=Aij/nij（2）式中：nij是根據(jù)每個(gè)臺(tái)站背景噪聲的功率譜概率密度函數(shù)計(jì)算得到。對(duì)于單個(gè)臺(tái)站的記錄，在某一頻段內(nèi)，將信號(hào)中高于該臺(tái)背景噪聲功率譜閾值矩陣的部分（即Bij中大于1處），通過非線性的標(biāo)度縮放因子進(jìn)行歸一化處理，以降低大振幅信號(hào)對(duì)能量分布權(quán)重的影響，換言之，即提高弱信號(hào)（尤其是淹沒在背景噪聲中的信號(hào)）在能量分布中的比重。于是可根據(jù)高于臺(tái)站背景噪聲水平、歸一化后的能量分布和持續(xù)時(shí)間，提取出地震記錄波形在特定頻帶段內(nèi)的譜能量時(shí)頻包絡(luò)曲線。

（3）通過設(shè)定譜能量的觸發(fā)閾值對(duì)信號(hào)進(jìn)行觸發(fā)檢測(cè)，這樣觸發(fā)檢測(cè)就完全取決于臺(tái)站隨頻率的噪聲水平和各個(gè)頻點(diǎn)上高于背景噪聲水平的持續(xù)時(shí)間，在持續(xù)時(shí)間內(nèi)的信號(hào)，即認(rèn)為是有效的地震信號(hào)。

2 實(shí)測(cè)結(jié)果

2.1 江蘇高郵M4.9地震余震序列

2012年7月20日20時(shí)11分，在江蘇高郵與寶應(yīng)交界處發(fā)生M4.9地震，這是近30年來江蘇省陸地上發(fā)生的最大地震。距離主震震中最近的是寶應(yīng)地震臺(tái)，震中距約為36.8km。據(jù)江蘇省地震臺(tái)網(wǎng)記錄，震后4h內(nèi)的寶應(yīng)臺(tái)共記錄余震44次，其中震后1h內(nèi)的余震為29次（表1）。為驗(yàn)證本文提出的方法，選取了震后1h內(nèi)的連續(xù)記錄波形進(jìn)行回溯性實(shí)測(cè)。在提取波譜能量包絡(luò)線之前，先確定被檢測(cè)臺(tái)站的各頻點(diǎn)上背景噪聲水平nij。本文中采用功率譜概率密度函數(shù)法計(jì)算nij（McNamara，Boaz，2005；王俊等，2009）。取寶應(yīng)臺(tái)背景噪聲加速度功率譜概率密度函數(shù)80%的分布概率代表其背景噪聲水平，如圖1中黃色線條所示，在1～20Hz頻帶范圍內(nèi)的平均值約為-145.7dB（噪聲水平的有效值約為5.16×10-8m/s）。

在震中距小于100km的地方震記錄中，P波的周期約為0.05～0.2s，同時(shí)為避開背景噪聲微震峰值的影響，在計(jì)算前對(duì)連續(xù)記錄進(jìn)行1Hz以上的Butterworth高通濾波處理。首先，將垂直向記錄波形中高于各頻點(diǎn)背景噪聲水平的能量進(jìn)行歸一化處理，如圖2b中紅色區(qū)域所示，白色曲線即為根據(jù)時(shí)頻能量分布提取出的特征包絡(luò)曲線。對(duì)比實(shí)際記錄波形（圖2a）可以看出，在經(jīng)過歸一化后的能量包絡(luò)曲線中，由于大振幅信號(hào)在能量分布中的權(quán)重被削弱了，除了可以清晰地展現(xiàn)出記錄數(shù)據(jù)中震級(jí)較大（ML>3.0）的地震信號(hào)外，重疊在主震以及較大余震尾波中的微小余震信號(hào)也變得十分清晰，如在主震后600s時(shí)間窗內(nèi)有多組清晰的峰值曲線。如圖2c所示，當(dāng)把臺(tái)站背景噪聲水平nij人為提高5dB時(shí)，可以看到記錄信號(hào)中的大部分余震淹沒在背景噪聲中，導(dǎo)致無法分辨。這表明記錄信號(hào)的時(shí)頻能量特征分布主要取決于記錄臺(tái)站在頻域內(nèi)的背景噪聲水平。事實(shí)上對(duì)于一個(gè)固定的地震臺(tái)站而言，一般情況下背景噪聲水平的源是相對(duì)穩(wěn)定的（王俊等，2013）。因此，在準(zhǔn)確求得臺(tái)站的背景噪聲水平后，采用以背景噪聲水平基準(zhǔn)的特征包絡(luò)曲線來反映記錄信號(hào)的特征是客觀、可靠的。

隨后，利用峰值搜索法對(duì)時(shí)頻包絡(luò)線進(jìn)行觸發(fā)檢測(cè)，具體方法是：在設(shè)定的觸發(fā)能量閾值Fc（圖2b中黑色線條）線以上，根據(jù)峰值的持續(xù)時(shí)間（Tc）、坡度（Pc，即峰值的高度除以持續(xù)時(shí)間的1/2）閾值，進(jìn)行峰值搜索①。圖2b中黑色箭頭表示在Fc=10Hz、Tc=20s、Pc=2時(shí)的觸發(fā)情況，除主震外，還檢測(cè)到29次觸發(fā)事件。將觸發(fā)結(jié)果與正式編目結(jié)果中寶應(yīng)臺(tái)的Pg波震相到時(shí)進(jìn)行對(duì)比，以檢驗(yàn)觸發(fā)準(zhǔn)確率，將觸發(fā)時(shí)間誤差在一定范圍內(nèi)的事件視為同一事件，本文中誤差取值為2s。由于波譜能量時(shí)頻包絡(luò)線法檢測(cè)到的位置是地震信號(hào)中能量分布最強(qiáng)的位置，對(duì)于地方震而言它對(duì)應(yīng)的位置一般是S波的振幅最大位置處（圖2b，c）。以人工地震編目中Pg震相到時(shí)為基準(zhǔn)，寶應(yīng)臺(tái)實(shí)際記錄的S-P到時(shí)差約為5s，因此將到時(shí)誤差在4～6s范圍內(nèi)的事件視為同一事件。將準(zhǔn)確觸發(fā)事件數(shù)與觸發(fā)總數(shù)之比，定義為準(zhǔn)確率；未觸發(fā)的事件數(shù)與實(shí)際事件數(shù)之比，定義為漏觸發(fā)率。統(tǒng)計(jì)結(jié)果顯示：采用波譜能量包絡(luò)方法準(zhǔn)確觸發(fā)的事件共有26次，準(zhǔn)確率約為83.4%，漏觸發(fā)率約10.3%。相比而言，采用STA/LTA算法在觸發(fā)閾值為3時(shí)的常規(guī)狀態(tài)下，共檢測(cè)出23次，但只有16次觸發(fā)是有效的，準(zhǔn)確觸發(fā)率約為69.5，漏觸發(fā)率達(dá)44.8%。詳細(xì)的對(duì)應(yīng)關(guān)系見表1。

2.2 新疆和靜M6.6地震余震序列

為了進(jìn)一步驗(yàn)證本文方法，選取1組更為復(fù)雜的序列進(jìn)行實(shí)測(cè)。2012年6月30日5時(shí)7分，在新疆和靜（43.4°N，84.8°E）發(fā)生M6.6地震，根據(jù)新疆地震臺(tái)網(wǎng)記錄結(jié)果，震后1h內(nèi)共記錄余震37次，距離震中最近的石場(chǎng)臺(tái)（SCH臺(tái)）震中距約為100km。石場(chǎng)臺(tái)背景噪聲的加速度功率譜概率密度分布如圖3所示，1～20Hz頻帶范圍內(nèi)的平均值約為-143.3dB（噪聲水平的有效值為6.82×10-8m/s）。圖4是震后1h內(nèi)石場(chǎng)臺(tái)的記錄波形和時(shí)頻能量分布結(jié)果。

同樣，對(duì)石場(chǎng)臺(tái)的時(shí)頻包絡(luò)特征曲線進(jìn)行檢測(cè)，共檢測(cè)到39次觸發(fā)結(jié)果。石場(chǎng)臺(tái)記錄中的S-P到時(shí)差約為16s，將自動(dòng)檢測(cè)到時(shí)與人工編目中Pg波震相到時(shí)差在15～17s范圍內(nèi)的事件視為同一事件，結(jié)果顯示：正確觸發(fā)的事件共有31次，正確率約83.8%，漏觸發(fā)率約為16.2%。而采用STA/LTA自動(dòng)算法共檢測(cè)出觸發(fā)事件45次，但其中正確的觸發(fā)事件數(shù)僅有27次，正確率約為60.0%，漏觸發(fā)率約為27.0%。通過以上結(jié)果可以看出，本研究提出的檢測(cè)方法，在這2個(gè)指標(biāo)上也明顯優(yōu)于STA/LTA算法的檢測(cè)效率。為了對(duì)這2種算法的運(yùn)算速度進(jìn)行比較，將2組記錄波形從0s處開始，以窗長(zhǎng)為180s的間隔，漸進(jìn)式增加記錄數(shù)據(jù)長(zhǎng)度進(jìn)行計(jì)算，2種算法實(shí)際計(jì)算耗時(shí)對(duì)比如圖5所示。對(duì)于處理3600s采樣率為100Hz的數(shù)據(jù)，在數(shù)據(jù)記錄長(zhǎng)度小于2000s的階段，時(shí)頻包絡(luò)特征算法的計(jì)算耗時(shí)與STA/LTA算法基本一致。隨著數(shù)據(jù)長(zhǎng)度的增加，時(shí)頻包絡(luò)算法的計(jì)算耗時(shí)的增加幅度逐漸略大于STA/LTA算法，這主要是由于隨著記錄數(shù)據(jù)長(zhǎng)度的增加，計(jì)算時(shí)頻能量分布所需耗時(shí)逐漸增加，但這種影響在實(shí)時(shí)處理過程中可以忽略不計(jì)，因?yàn)橥ǔＧ闆r下實(shí)時(shí)檢測(cè)的數(shù)據(jù)長(zhǎng)度為s級(jí)或數(shù)十s，在這種情況下時(shí)頻包絡(luò)特征算法的計(jì)算耗時(shí)可以達(dá)到s級(jí)。

3 結(jié)論與討論

本文針對(duì)密集余震序列的記錄特征，研究了一種基于地震波波譜包絡(luò)分布特征的快速觸發(fā)檢測(cè)方法。在繼承聲譜圖像模式識(shí)別的正演邏輯觸發(fā)模式的基礎(chǔ)上，將其改進(jìn)為以臺(tái)站固有的地噪聲水平為觸發(fā)的判據(jù)。改進(jìn)后的算法，將構(gòu)建二維灰度圖像轉(zhuǎn)換為譜能量分布圖，并且舍棄了原來需要構(gòu)建不同信號(hào)之間的波形非線性圖像和復(fù)雜識(shí)別模式的過程，在初至震相的觸發(fā)效率上僅取決于臺(tái)站記錄頻帶內(nèi)背景噪聲固有的時(shí)頻特征，這樣不僅克服了由單一頻率、無規(guī)則的瞬時(shí)大振幅而引起的誤觸發(fā)，還很好地避開了STA/LTA算法中設(shè)置觸發(fā)閾值的問題。通過頻譜分析精確分離出記錄信號(hào)中與背景噪聲有差異的信號(hào)后，繼續(xù)沿用原方法中采用非線性標(biāo)度縮放因子對(duì)大于臺(tái)站背景噪聲水平的能量進(jìn)行歸一化處理的方式，顯著提高了記錄信號(hào)中弱信號(hào)的信噪比，使得特征包絡(luò)曲線的提取更加精確，因此在序列地震的觸發(fā)檢測(cè)中大大降低了主震尾波對(duì)后續(xù)地震檢測(cè)的影響。

2組余震序列的實(shí)測(cè)結(jié)果表明：本文所提出的方法，相對(duì)STA/LTA算法自動(dòng)檢測(cè)結(jié)果，正確觸發(fā)率提高約19.6%，漏觸發(fā)率則降低了22.6%。這表明基于地震波波譜能量分布的檢測(cè)方法具有更強(qiáng)的抗干擾能力。由于本文方法是通過提取包絡(luò)特征曲線來進(jìn)行初至震相的觸發(fā)檢測(cè)，因此具有與STA/LTA算法（即短時(shí)平均與長(zhǎng)時(shí)平均值之比的曲線）相似的特點(diǎn)，即運(yùn)行速度快，能夠滿足地震實(shí)時(shí)處理系統(tǒng)的技術(shù)要求。

初至震相的識(shí)別是建立在識(shí)別信號(hào)和噪聲差異的基礎(chǔ)之上，如振幅、頻率、偏振、功率譜等。由于記錄信號(hào)常常會(huì)受到很多干擾因素的影響，如震級(jí)大小、震中距、記錄臺(tái)站相對(duì)于震源的方位甚至記錄系統(tǒng)故障等。因此，沒有任何單一的方法可以保證初至震相的識(shí)別完全可靠；但從本文的實(shí)測(cè)結(jié)果來看，基于地震波波譜包絡(luò)分布特征的檢測(cè)方法，在密集余震序列的初至震相檢測(cè)中是具有明顯優(yōu)勢(shì)的。

參考文獻(xiàn)：

黃媛，吳建平，張?zhí)熘?2008.汶川8.0級(jí)大地震及其余震序列重定位研究[J].中國科學(xué)：地球科學(xué)，38（10）：1242-1240.

劉希強(qiáng)，周蕙蘭，沈萍，等.2000.用于三分向記錄震相識(shí)別的小波變換方法[J].地震學(xué)報(bào)，22（2）：125-131

王俊，徐戈，孫業(yè)君.2009.江蘇省區(qū)域地表背景噪聲特性的分析[J].地震研究，32（2）：155-161.

王俊，鄭定昌，詹小艷，等.2013.基于背景噪聲互相關(guān)格林函數(shù)的單臺(tái)時(shí)間誤差枯計(jì)[J].地震學(xué)報(bào)，35（6）：888-901

王勤彩，陳章立，鄭斯華.2009.汶川大地震余震序列震源機(jī)制的空間分段特征[J].科學(xué)通報(bào)，54（16）：2348-2354

朱艾斕，徐錫偉，刁桂荃，等.2008.汶川MS8.0地震部分余震重新定位及地震構(gòu)造初步分析[J].地震地質(zhì)，30（3）：759-767.

Allen R.1978.Automatic earthquake recognition and timing from singletrace[J].BSSA，68（5）：1521-1532.

Bormadn P.2012.NewManual of Seismological Observatory Practice 2（NMSOP-2）Potsdam：Deutsches GeoForschungsZentrum GFZ，pp.1-65，doi：http：//doi.org/10.2312/GFZ.NMSOP-2_ch8

Joswig M.1990.Pattern recognition for earthquake detection[J].BSSA，80（1）：170-186.

Joswig M.1993.Single-trace detection and array-wide confidence asso-ciation of local earthquakes and explosions[J].Computers and Geo-sciences，19（2）：207-221.

Leonard M，Kennett B L N.1999.Multi-component autoregressive tech-niques for the analysis of seismograms[J].Phys Earth Planet Interi，113（1-4）：247-264.

Leonard M.2000.Comparison of manual and automatic onset time picking[J].BSSA，90（6）：1384-1390.

Massa M，F(xiàn)erretti G，Spallarossa D.2006.Improving automatic locationprocedure by waveform similarity analysis：An application in theSouth Western Alps（Italy）[J].Phys Earth Planet Interi，154（1）：18-29.

McNamam D E，Boaz R I.2005.Seismic Noise Analysis System UsingPower Spectral Density Probability Density Functions：A Stand-A-lone Software Package[R].Virginia U S Geological Survey.Patane D，F(xiàn)errari F，F(xiàn)ernicci F.1999.First application of ASDP software：A case study at Mt.Etna volcano and in the Acri region（Southern It-aly）[J].Phys Earth Planet lnteri，113（1-4）：75-88.

Sleeman R，Van E，Torild.1999.Robust automatic P-phase picking：Anon-line implementation in the analysis of broadband seismogram re-cordings[J].Phys Earth Planet Interi，113（1-4）：265-275.

Stevenson P R.1976.Microearthquakes Flathead Lake，Montana：A studyusing automatic earthquake processing[J].BSSA，66（1）：61-79.

Wang J，Teng T L.1995.Artificial neural network-based seismic detec-tor[J].BSSA，85（1）：308-319.

Withers M，Aster R，Young C，Beiriger J，et at，1998.A comparison of se-lect trigger algorithMS for automated global seismic phase and eventdetection[J].BSSA，88（1）：95-106.