人工智能地震判斷方法及地震偵測系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種地震判斷方法及地震偵測系統(tǒng),尤其涉及一種可根據(jù)地震的初達 波特征來判斷所接收的地震數(shù)據(jù)屬于地震事件或非地震事件的地震判斷方法及其相關(guān)地 震偵測系統(tǒng)。
【背景技術(shù)】
[0002] 近年來,由于地震學(xué)、數(shù)字通信、自動化處理及算法等科技的進步,早期地震預(yù)警 (Earthquake Early Warning,EEW)技術(shù)的發(fā)展逐漸成熟。根據(jù)所使用的地震信息的不同, 早期地震預(yù)警技術(shù)可分類為以下兩種方式:區(qū)域型預(yù)警(regional warning)及現(xiàn)地型預(yù) 警(on-site warning)。一般來說,由于區(qū)域型地震預(yù)警系統(tǒng)可同時參考震央附近數(shù)個地震 偵測站的信息以進行地震參數(shù)的預(yù)估,因此,相較于現(xiàn)地型地震預(yù)警系統(tǒng)而言,區(qū)域型地震 預(yù)警系統(tǒng)具有較高的準(zhǔn)確度。然而,由于震央附近的區(qū)域通常會產(chǎn)生較高震度,且和震央的 距離近,因此在毀滅性的震波到來以前,區(qū)域型地震預(yù)警系統(tǒng)可預(yù)先計算出地震參數(shù)預(yù)估 值的時間非常有限。另一方面,由于現(xiàn)地型地震預(yù)警系統(tǒng)只參考單一地震偵測站的信息,因 此可更快速地提供地震參數(shù)預(yù)估,特別是在震央附近的位置,可達到較迅速的早期預(yù)警。
[0003] 近期的研究發(fā)現(xiàn),現(xiàn)地型地震預(yù)警系統(tǒng)可能會被某些非地震事件所造成的信號觸 發(fā),因而產(chǎn)生錯誤的地震警報。因此,真實地震與非地震事件的分辨已成為一個重要問題。 一種現(xiàn)有的解決方式是采用兩個地震傳感器分別放置在不同位置,以進行重復(fù)確認(rèn)。然而, 上述方式不僅成本較高,也提高了地震偵測站建置及維護的難度。因此,實有必要提出一種 更有效且節(jié)省成本的方法,以提高現(xiàn)地型地震預(yù)警系統(tǒng)的準(zhǔn)確度,進而提升地震預(yù)警效果。
【發(fā)明內(nèi)容】
[0004] 因此,本發(fā)明的主要目的即在于提供一種可根據(jù)地震的初達波特征,并利用支撐 向量分類(Support Vector Classification, SVC)法所建立的地震判斷模型來判斷所接收 的地震數(shù)據(jù)屬于地震事件或非地震事件的地震判斷方法及其相關(guān)地震偵測系統(tǒng)。
[0005] 本發(fā)明公開一種地震判斷方法,用于一地震偵測系統(tǒng),該方法包括在多個地震數(shù) 據(jù)中,取出相關(guān)于每一地震數(shù)據(jù)的至少一初達波特征;根據(jù)該至少一初達波特征,利用一支 撐向量分類法建立一地震判斷模型;以及當(dāng)接收一新地震數(shù)據(jù)時,根據(jù)該地震判斷模型,判 斷該新地震數(shù)據(jù)屬于一地震事件或一非地震事件。
[0006] 本發(fā)明還公開一種地震偵測系統(tǒng),包括一地震偵測模塊,用來在多個地震數(shù)據(jù)中, 取出相關(guān)于每一地震數(shù)據(jù)的至少一初達波特征;一運算模塊,根據(jù)該至少一初達波特征,利 用一支撐向量分類法建立一地震判斷模型;以及一地震判斷模塊,用來在該地震偵測模塊 接收一新地震數(shù)據(jù)時,根據(jù)該地震判斷模型,判斷該新地震數(shù)據(jù)屬于一地震事件或一非地 震事件。
【附圖說明】
[0007] 圖1為本發(fā)明實施例一地震偵測系統(tǒng)的示意圖。
[0008] 圖2為屬于地震事件的地震數(shù)據(jù)通過本發(fā)明的地震判斷模型進行判斷的示意圖。
[0009] 圖3為屬于非地震事件的地震數(shù)據(jù)通過本發(fā)明的地震判斷模型進行判斷的示意 圖。
[0010] 圖4為本發(fā)明實施例一地震判斷流程的示意圖。
[0011] 其中,附圖標(biāo)記說明如下:
[0012] 10 地震偵測系統(tǒng)
[0013] 102 地震偵測模塊
[0014] 104 運算模塊
[0015] 106 地震判斷模塊
[0016] Q1-Q1 地震數(shù)據(jù)
[0017] QN 新地震數(shù)據(jù)
[0018] f(x) 地震判斷模型
[0019] 40 流程
[0020] 400 ~408 步驟
【具體實施方式】
[0021] 請參考圖1,圖1為本發(fā)明實施例一地震偵測系統(tǒng)10的示意圖。如圖1所示,地震 偵測系統(tǒng)10包括一地震偵測模塊102、一運算模塊104及一地震判斷模塊106。地震偵測模 塊102可用來在多個地震數(shù)據(jù)Q 1~Q1中,取出相關(guān)于每一地震數(shù)據(jù)的至少一初達波特征。 此初達波特征可為任何相關(guān)于初達波的物理量,如速度、加速度或位移等,其目的在于通過 初達波的特征,在主震波到達以前實現(xiàn)早期預(yù)警。在一實施例中,初達波特征包括在初達 波到達以后一段時間內(nèi)所偵測到地震動的累積絕對速率(Cumulative AbsoluteVelocity, CAV)、絕對速率積分(Integral of Absolute Velocity,IAV)及絕對位移積分(Integral of Absolute Displacement, IAD)。初達波特征可作為判斷是否發(fā)生地震的臨界值,舉例來 說,當(dāng)?shù)卣饌蓽y系統(tǒng)10所偵測到的地震動的累積絕對速率超過一臨界值時,即表示可能有 地震發(fā)生。在一實施例中,為求地震偵測的實時性并節(jié)省地震動傳感器的數(shù)目,可僅采用地 震動的垂直分量,以在初達波到達時,測量地震動在與地表垂直方向的各種特性作為初達 波特征,如累積絕對速率、絕對速率積分及絕對位移積分等。然而,在另一實施例中,也可采 用地震動在其它方向的分量作為初達波特征,而不限于此。此外,為求地震統(tǒng)計數(shù)據(jù)的完整 性,也可使用多個地震動傳感器,同時測量地震動在多個方向的分量作為初達波特征。
[0022] 請繼續(xù)參考圖1。運算模塊104可根據(jù)由地震偵測模塊102所取得的初達波特征, 利用一支撐向量分類(Support Vector Classification, SVC)法建立一地震判斷模型。根 據(jù)此地震判斷模型,當(dāng)?shù)卣饌蓽y模塊102接收到一新地震數(shù)據(jù)QN時,地震判斷模塊106即 可判斷新地震數(shù)據(jù)QN屬于一地震事件或一非地震事件。通過支撐向量分類法,可提高現(xiàn)地 型地震預(yù)警系統(tǒng)判斷地震事件的準(zhǔn)確度。如此一來,除了可保有現(xiàn)地型地震預(yù)警系統(tǒng)的實 時性之外,也可避免非地震事件造成地震的誤判。
[0023] 詳細(xì)來說,在支撐向量分類法中,相關(guān)于地震數(shù)據(jù)Q1~Q1的初達波特征可對應(yīng)至 多個向量X 1~χι,其中,每一向量Xi都可對應(yīng)至一目標(biāo)值且yie {1,-1}。若相對應(yīng)于 X1的地震數(shù)據(jù)Q1為地震事件所造成時,其目標(biāo)值可設(shè)定為yi = I ;若相對應(yīng)于X1的地震數(shù) 據(jù)Q1為非地震事件所造成時,其目標(biāo)值可設(shè)定為yi =-1。一般來說,關(guān)于地震數(shù)據(jù)Q1~Q1 由地震事件或非地震事件所造成是來自于歷史數(shù)據(jù)的統(tǒng)計結(jié)果,支撐向量分類法即是根據(jù) 歷史數(shù)據(jù)取出地震事件或非地震事件所對應(yīng)到的初達波特征,通過訓(xùn)練(training)產(chǎn)生 一地震判斷模型,進而在接收到新地震數(shù)據(jù)QN時,根據(jù)地震判斷模型判斷新地震數(shù)據(jù)QN的 初達波特征較接近于歷史數(shù)據(jù)中地震事件的初達波特征或是非地震事件的初達波特征,進 而判斷新地震數(shù)據(jù)QN為地震事件或非地震事件所造成。
[0024] 根據(jù)支撐向量分類法,向量X1~X1可投射到一高維度特征空間H,并在高維度特 征空間H進行分類,而運算模塊104可定義地震判斷模型為函數(shù)f(x),用來判斷新地震數(shù)據(jù) QN屬于地震事件或非地震事件:
[0025]
[0026] 其中,K為對應(yīng)于高維度特征空間H的一核函數(shù)且K (XyXj) ξ φ (Xi) τφ (Xj)。α ^ a i及b都為常數(shù),可根據(jù)支撐向量分類法,由對應(yīng)于地震數(shù)據(jù)Q1~Q1的向量X1~X 1及目 標(biāo)值Y1~71推算而得。在支撐向量法中,參數(shù)Ct1~ ai&b可通過求解以下目標(biāo)函數(shù)取 得:
[0027]
[0028] 受限于
[0029] Yiiwr Φ (Xi)+b) ξ ; ^ 0, i = I, . . . , 1
[0030] 其中,w為高維度特征空間H中一向量,€1及13為目標(biāo)函數(shù)的變量,而Φ為 將向量X 1~X1對應(yīng)至高維度特征空間H的一函數(shù)。此目標(biāo)函數(shù)的對偶型式如下:
[0031]
[0032] ______
[0033] yTa = 〇,〇 ^ a ; ^ C, i = I, . . . , 1
[0034] 其中,e為一單位向量,C>0且為Cti的上限,Q為一 1X1正半定矩陣且 Qu = yiy,K(X1A)。根據(jù)上述公式,輸入新地震數(shù)據(jù)QN的初達波特征所對應(yīng)到的向量進行 計算,可取得f (X) = 1或f (X) = -1兩種結(jié)果,當(dāng)f (X) = 1時,代表新地震數(shù)據(jù)QN屬于地 震事件,當(dāng)f(x) = -1時,代表新地震數(shù)據(jù)QN屬于非地震事件。
[0035] 換句話說,根據(jù)歷史數(shù)據(jù)中相關(guān)于地震數(shù)據(jù)Q1~Q1的初達波特征,運算模塊可根 據(jù)支撐向量分類法,通過以上公式計算出參數(shù)(^及比進而建立地震判斷模型f(x)。 當(dāng)?shù)卣饌蓽y模塊102偵測到新地震數(shù)據(jù)QN時,可將新地震數(shù)據(jù)QN的初達波特征轉(zhuǎn)換為 特定向量,地震判斷模塊106即可根據(jù)此特定向量及地震判斷模型f(x),計算出f(x) = 1 或-1,進而判斷新地震數(shù)據(jù)QN是由一地震事件或由一非地震事件所造成,以避免非地震事 件產(chǎn)生的地震動被誤判為地震。
[0036] 值得注意的是,在地震偵測系統(tǒng)10中,地震偵測模塊102、運算模塊104及地震判 斷模塊106可能分別位于不同地區(qū),并通過有線或無線網(wǎng)絡(luò)傳遞信息。舉例來說,地震偵測 模塊102不限于單一地震偵測站或地震偵測裝置,其也可能包括多個位于不同地點的地震 偵測站或地震偵測裝置的組合。一般來說,地震偵測模塊102中的地震偵測站或地震偵測 裝置可設(shè)置在容易發(fā)生地震的地區(qū),以便迅速偵測新地震數(shù)據(jù)QN。運算模塊104可能位于 地震數(shù)據(jù)中心以便取得大量的地震數(shù)據(jù)Q 1-Q1,以增加地震判斷模型f(x)的精準(zhǔn)度。地 震判斷模塊106可能位于警報中心,以便在判斷出新地震數(shù)據(jù)QN屬于一地震事件時,立即 決定是否發(fā)布地震警報。
[0037] 除此之外,上述相關(guān)于支撐向量分類法的公式僅為本發(fā)明眾多實施例當(dāng)中的一 種,非用以限制本發(fā)明的范疇。本領(lǐng)域的技術(shù)人員當(dāng)可使用其他數(shù)學(xué)公式并搭配支撐向量 分類法而解得可判斷新地震數(shù)據(jù)是否屬于地震事件的公式。
[0038] 為進一步說明本發(fā)明的功效,可通過仿真分析取得地震判斷模型f(x)判斷地震 數(shù)據(jù)及非地震數(shù)據(jù)的準(zhǔn)確度。一般來說,運算模塊104用來訓(xùn)練地震判斷模型f(x)的地震 數(shù)據(jù)Q 1~Q1須同時包括屬于地震事件的地震數(shù)據(jù)以及屬于非地震事件的地震數(shù)據(jù)。屬于 地震事件的地震數(shù)據(jù)可來自于中華民國中央氣象局所記錄的實際發(fā)生地震的數(shù)據(jù),或者是 由一地震早期預(yù)警系統(tǒng)(Earthquake Early Warning System, EEWS)所取得并已確認(rèn)為實 際發(fā)生地震的數(shù)據(jù)。而屬于非地震事件的地震數(shù)據(jù)則可能包括地震早期預(yù)警系統(tǒng)取得的類 地震數(shù)據(jù)或非地震數(shù)據(jù),或者是來自于地震早期預(yù)警系統(tǒng)的地震數(shù)據(jù)但未被中華民國中央 氣象局視為地震事件的相關(guān)數(shù)據(jù)。值得注意的是,在臺灣,由于中華民國中央氣象局具