Abstract

• 地震事件探测 和 震相拾取 是许多地震学工作流程的基础。

• 由于不同研究的数据集和评估任务各异，目前尚不清楚不同方法之间的 具体比较情况。并且 缺乏关于模型跨领域性能的系统性研究。

• 本文通过 大规模基准测试 研究：

  • 评估六种深度学习模型;在八个数据集上进行测试
  • 任务包括 事件检测、震相识别、震相到时拾取
  • 结果与 经典 Baer-Kradolfer 震相拾取器 进行比较

• 跨区域研究 发现：

  • 训练好的模型 在不同地区之间可迁移，但性能略有下降
  • 区域性数据训练的模型不适用于远震数据

• 代码基于 标准化框架，确保可扩展性，并 开放访问；提供所有训练好的模型 SeisBench 框架 以便用户使用。

1. Introduction

深度学习在地震事件检测与震相拾取中的应用

• 近年来，多个 深度学习模型 被提出用于 地震检测和震相拾取：
  • PhaseNet (Zhu & Beroza, 2019) - 基于 U-Net 结构，用于实时震相拾取。
  • EQTransformer (Mousavi et al., 2019) - 结合 CNN 和 Transformer，用于事件检测和震相拾取。
  • GPD (Ross et al., 2018) - 使用深度卷积网络，专注于震相识别。

本研究的核心目标

• 提供一个 全面的基准测试（benchmark），对比不同深度学习方法在地震检测和震相拾取任务上的性能。
• 重点关注 单台站方法，因为目前尚缺乏足够的 多台站联合拾取方法。
• 评估 七种模型（包括 一种经典方法 + 六种深度学习方法），在 八个数据集 上测试其优缺点。

数据集的多样性

• 数据集覆盖 不同规模、不同地区，包括：
  • 本地地震（Local earthquakes）
  • 区域地震（Regional earthquakes）
  • 远震（Teleseismic earthquakes）
• 这些数据采用 不同的震相拾取策略，确保基准测试的全面性。

深度学习模型的多样性

• 架构差异：CNN、RNN、Transformer。
• 输入数据类型：
  • 时间域表示（原始波形）
  • 频率域表示（傅里叶变换后的数据）
• 输出方式：
  • 单点预测（震相到时）
  • 序列预测（整个震相的时间序列）
• 模型规模：从 浅层模型（少量网络层）到 深度模型（包含数十层）。

SeisBench 平台

• SeisBench（Woollam et al., 2021）提供 标准化的 API，方便研究人员应用深度学习模型。
• 采用 模块化设计，允许：
  • 轻松添加 新数据集 进行评估。
  • 快速测试 新模型 并与已有方法对比。

技术实现

• PyTorch Lightning (Falcon et al., 2019) - 提供高效的深度学习训练框架。
• 代码开放：
  • 所有训练与评估代码均公开，便于研究人员 复现实验。
  • 未来模型开发者 可以轻松将其方法与已有基准测试进行比较。

---

2. 数据与方法

2.1 任务与评估指标

模型在输入波形长度 和 输出格式 方面存在差异。 定义了 三个通用任务，并为每个模型设定了适用于该任务的评估方式。

2.1.1 任务 1 —— 事件检测

任务定义

• 输入：给定 30 秒的地震波形窗口。
• 目标：判断该窗口内是否包含 事件起始点（即 第一波震相到时）。
• 数据处理：
  • 剔除地震尾波（coda），因其是否应归类为事件仍存在不确定性。

(1) 受试者工作特征曲线 (ROC) 和曲线下面积 (AUC)

• ROC 曲线（Receiver Operating Characteristic）：

  • 通过 真阳性率 (True Positive Rate, TPR) 与 假阳性率 (False Positive Rate, FPR) 的变化关系，衡量模型在 不同决策阈值 下的性能。
  • 应用背景不同，所需的 FPR 和 TPR 取舍不同：
    • 低地震活动区（使用简单拾取关联算法）：需要 FPR < 0.01，避免误报过多。
    • 高地震活动区（使用双曲拾取关联算法，如 Woollam et al., 2020）：FPR < 0.05 即可接受。

• AUC（曲线下面积，Area Under Curve）：

  • AUC = 1：完美模型（没有误判）。
  • AUC = 0.5：随机猜测（模型无效）。

(2) F1 分数

• 定义：
  • F1 分数（F1-score）是 精确率（Precision）和召回率（Recall） 的调和平均数。
  • Precision（精确率）：正确检测到的事件占 所有检测到的事件 的比例。
  • Recall（召回率）：正确检测到的事件占 所有实际发生的事件 的比例。
  • 公式：

$$ F1 = 2 \times \frac{{\text{Precision} \times \text{Recall}}}{{\text{Precision} + \text{Recall}}} $$

• 意义：

  • 综合衡量模型的 "敏感性"（Sensitivity）和 "特异性"（Specificity）。
  • 适用于地震事件检测，因为它能权衡 误报率（False Positives）与 漏报率（False Negatives）。

• F1 分数的阈值优化： - F1 依赖于决策阈值，需要在不同应用场景下优化 最优阈值。

2.1.2 任务 2 —— 震相识别 (Phase Identification)

任务定义

• 输入：一个 10 秒的波形窗口，其中包含 一个震相。
• 目标：判断该震相是 P 波 还是 S 波（ 简化处理：不进一步区分 ）

与任务 1（事件检测）的区别

• 任务 1（事件检测）：区分 地震事件 和 噪声（类别划分清晰）。
• 任务 2（震相识别）：区分 P 波 和 S 波，但两者类别划分是 对称的（没有固定的正负类）。

评估指标

指标	衡量内容	作用
MCC（Matthews 相关系数）	计算混淆矩阵的相关性	适用于二分类问题，尤其适用于类别不均衡情况

• 为什么不用 AUC、ROC、F1 分数？

  • 这些指标 依赖于正负类别的定义，但 P 波 vs. S 波 没有固定的正负类，因此不适用。
  • MCC 适用于对称二分类任务，可稳定衡量 P/S 分类的准确性。

• MCC 评分范围：

  • MCC = 1 → 完全正确分类； MCC = 0 → 随机分类，无有效信息；MCC = -1 → 完全错误分类。

• 阈值优化：- MCC 受决策阈值影响，需在 2.5 章节 进一步优化。

2.1.3 任务 3 —— 震相到时拾取 (Onset Time Picking)

任务定义

• 输入：一个 10 秒的波形窗口，包含一个 已知类型（P 或 S）的震相。
• 目标：准确拾取 震相到时（Onset Time）。

评估方法

评估指标	作用
残差（Residuals）	预测到时 vs. 真实到时的误差
高残差比例	计算误差超过设定阈值（0.45s/1.5s）的样本占比
RMSE（均方根误差）	受离群值影响较大，适用于整体误差评估
MAE（平均绝对误差）	受离群值影响较小，适用于稳定性评估

• 误差定义：

  • 残差 = 机器学习预测的震相到时 - 真实参考震相到时。
  • 误差越小，模型越精准。

• 分析方式：

  • 直方图 可视化残差分布，检测误差模式。
  • RMSE vs. MAE 对比：
    • RMSE 更关注大误差（适用于误差较大的情况）。
    • MAE 更关注整体误差平均水平（适用于误差较稳定的情况）。

2.2 数据集 (Datasets)

数据来源

本研究在 SeisBench 平台上使用了 八个数据集：

• 六个数据集（ETHZ, INSTANCE, Iquique, LenDB, SCEDC, STEAD）主要包含 本地到区域地震事件（震中距 <10°）。
• 两个数据集（GEOFON, NEIC）主要包含 远震事件（震中距 ≥10°）。

数据集筛选

数据集	事件类型	适用于任务	备注
SCEDC	本地 & 区域地震	任务 1, 2, 3	超过 800 万条波形
ETHZ	本地 & 区域地震	任务 1, 2, 3	高质量人工标注
NEIC	远震	任务 2, 3	不适用于任务 1
LenDB	本地地震	任务 1	无人工 P/S 标注，排除任务 2, 3

数据标准化

• 所有数据集重采样至 100 Hz，确保模型公平评估。
• 数据集已预先划分为训练集、开发集和测试集，以保证实验一致性。

2.3 已评估的模型概述

总结

模型名称	任务支持	输入长度	网络结构	训练数据	适用场景
BasicPhaseAE	事件检测、震相识别、震相拾取	6s（100 Hz）	U-Net	智利 Iquique 11,000 震相数据	小型数据集，近场震相拾取
CRED	事件检测	30s（100 Hz）	CNN + RNN	北加州 55 万地震 + 55 万噪声	长时窗口事件检测，低信噪比环境
DPP	事件检测、震相拾取	5s（100 Hz）	CNN + Bi-LSTM	智利 Mw 8.1 & 7.7 震相数据	高噪声环境，数据有限场景
EQTransformer	事件检测、震相识别、震相拾取	60s（100 Hz）	CNN + LSTM + Transformer	STEAD	远震 & 复杂震相分析，自动化地震监测
GPD	事件检测、震相识别、震相拾取	4s（100 Hz）	CNN	南加州 450 万地震波形	短时窗口震相分类，远震低频震相检测
PhaseNet	事件检测、震相识别、震相拾取	30s（100 Hz）	U-Net	北加州 77.95 万震相数据	远震震相拾取，高噪声环境

• BasicPhaseAE 适用于小型数据集的震相拾取。
• CRED 适用于长时窗口事件检测，适合 远震 & 低信噪比环境。
• DPP 适用于高噪声环境的震相拾取，适合 小型数据集。
• EQTransformer 适用于远震 & 复杂震相分析，适合 自动化地震监测。
• GPD 适用于短时间窗口震相分类，适合 实时地震检测。
• PhaseNet 适用于远震震相拾取，适合 高噪声环境。

2.4 训练部分

• 基准测试基于 SeisBench 框架，实现 标准化数据处理和模型训练。
• 采用混合窗口策略，确保 训练数据包含足够的震相样本，同时提升泛化能力。
• 未对 P/S 波重新采样，除 GEOFON 数据集外，P/S 样本未出现严重不均衡。
• 采用 Adam 优化器，训练 100 轮，但受 48 小时墙时限制。
• 整个训练与评估消耗 4,000 GPU 小时 + 260,000 CPU 线程小时，确保模型全面评测。

2.5 阈值和超参数选择

决策阈值选择

• 任务 1（事件检测）：优化 ROC-AUC，并提供 F1 分数的最佳阈值 作为参考。
• 任务 2（震相识别）：优化 MCC 以选择 P/S 波分类阈值。
• 任务 3（震相拾取）：基于 开发集选择最佳决策阈值，确保各数据集适应性。

超参数优化

• 固定模型架构，仅优化 梯度下降参数：
  • 批量大小（batch size）：固定为 1024。
  • 学习率（learning rate）：测试 10⁻²、10⁻³ 和 10⁻⁴。
• 模型选择标准：
  • AUC（任务 1）
  • MCC（任务 2）
  • 标准偏差（任务 3）
• 计算成本考虑：
  • 未进行大规模超参数搜索，因 Adam 优化器本身对超参数较为鲁棒（Kingma & Ba, 2014）。

2.6 基准方法（Baseline）

1. P 波拾取基准方法

• 采用 Baer-Kradolfer 拾取器（Baer & Kradolfer, 1987）作为 P 波到时拾取的基准方法。
• 参数设定：
  • 最小 & 最大事件检测时间。
  • 双阈值设定（第二个阈值为第一个阈值的一半）。
  • 带通滤波（Butterworth filter） 以减少噪声。

2. 参数优化

• 传统方法无法使用梯度下降优化，需使用 高斯优化（Gaussian Optimization）：
  • 以 RMSE（均方根误差） 作为优化目标。
  • 25 个初始点，500 次进一步评估。
• 优化计算成本：
  • 仅在 2500 个 P 波拾取点上评估，减少计算负担。

3. 未包含的基准方法

• 未使用传统事件检测方法，因其 误报率高，无法直接比较。
• 未使用 S 波拾取基准，因 传统 S 波拾取依赖额外信息（震源距离 & 方位角），参数调整难度较大。

---

3. Results

3.1 任务 1 —— 事件检测 (Event Detection)

各模型表现分析

(1) PhaseNet vs. BasicPhaseAE

• PhaseNet > BasicPhaseAE，尽管两者均采用 U-Net 结构，但性能差异较大。
• 原因：
  • PhaseNet 采用更长输入窗口（30s vs. 6s），能够捕捉更完整的事件信息。
  • PhaseNet 采用残差连接（Residual Connections），优化梯度流，提高学习能力。
  • BasicPhaseAE 采用短卷积滤波器，导致检测能力下降。

(2) EQTransformer vs. CRED

• EQTransformer 是 CRED 的扩展版本，额外引入 Transformer 结构，用于处理 长时序依赖关系。
• 两者在大部分数据集上表现相近（AUC 0.964 vs. 0.951），但 EQTransformer 在远震数据上表现更优。

(3) GPD、PhaseNet 和 DPP 在 ETHZ 数据集上的优势

• 在 ETHZ 数据集上，GPD、PhaseNet 和 DPP 的 AUC 比 CRED 和 EQTransformer 高 0.02。
• 原因：
  • GPD、PhaseNet 和 DPP 仅基于“1 - 噪声概率”进行事件检测，不依赖 P/S 波标注，因此在 ETHZ 数据集上表现更稳定。
  • CRED 和 EQTransformer 依赖 P/S 波标注进行事件检测，但 ETHZ 数据集中部分波形缺少 P 或 S 波标注，影响检测性能。

(4) EQTransformer 在 LenDB 和 GEOFON 数据集上的优势

• 在 LenDB 和 GEOFON 数据集上，EQTransformer 优于 PhaseNet。
• 原因：
  • EQTransformer 采用 Transformer 结构，能够建模 长时间窗口（60s），适用于远震检测。
  • GEOFON 数据集包含远震事件，信号频率较低，EQTransformer 的 长感受野（long receptive field） 可以更好地捕捉低频信号。

影响模型表现的因素

影响因素	描述
信噪比（SNR）	低 SNR 数据集更难检测，AUC 评分更低
数据集标注方式	标注者不同，可能导致标注不一致，影响模型学习
数据质量控制	不同数据集质量控制不同，可能影响训练数据质量
模型输入窗口	长窗口（EQTransformer）适用于远震，短窗口（GPD）适用于本地地震

结论

• PhaseNet 在整体检测任务中表现最佳，适用于高信噪比、短时窗口的事件检测。
• EQTransformer 在远震检测任务中表现更好，适用于低频信号的震相识别。
• CRED 适用于本地和区域地震检测，但在远震数据上略逊于 EQTransformer。
• GPD 和 DPP 在部分数据集（ETHZ）上表现较优，因其检测基于噪声概率，避免了 P/S 波标注缺失的影响。
• 模型性能取决于多个因素，包括数据集特性、信噪比、输入窗口长度以及模型架构。

3.2 任务2 —— 事件检测

1. 评估方法

• MCC（Matthews 相关系数） 用于衡量震相识别任务的准确性。
• MCC 适用于类别不均衡的情况，比 F1 或 AUC 更稳定。

任务难度分析

数据集	平均 MCC	任务难度
区域数据集（ETHZ, SCEDC, LenDB, INSTANCE, Iquique）	0.90	较易
NEIC	0.83	中等
GEOFON（远震数据集）	0.54	较难

主要结论

• EQTransformer 和 PhaseNet 由于长时间窗口，在震相识别任务中表现最佳。
• 远震数据集（GEOFON）上的模型表现较差，主要由于信号低频特性 和 S 波数据稀缺。
• BasicPhaseAE 训练数据不足，几乎无法学习有效的震相信息。

3.3 任务 3 —— 震相到时拾取 (Onset Time Determination)

1. 评估方法

• 使用 RMSE（均方根误差）和 MAE（平均绝对误差）评估震相拾取误差：
  • RMSE 衡量模型的整体误差。
  • MAE 衡量模型的平均绝对误差，受异常值影响较小。
• 分析 P 波和 S 波的拾取误差，观察不同模型在不同数据集上的表现。

2. P 波拾取表现

• PhaseNet 在多个数据集上表现最佳，P 波拾取误差最低（MAE < 0.2s）。
• EQTransformer 在 GEOFON 数据集上表现较好（MAE 0.42s），可能因其较长感受野适用于远震信号。
• NEIC 数据集上的 EQTransformer 结果异常，需要排除，因为震相标注位置固定，导致模型只需输出固定位置即可得到低误差。

3. S 波拾取表现

• PhaseNet 仍然在大部分数据集上表现最佳，适用于本地和区域地震。
• GPD 在 GEOFON 数据集上的 S 波拾取误差最低（MAE 0.71s），比 EQTransformer 和 PhaseNet 更优，可能是因为 S 波信号较弱，GPD 短窗口 CNN 更适用于高频震相。
• S 波拾取误差通常比 P 波误差高 25%-60%，主要原因：
  • S 波信号较弱，容易受路径效应影响。
  • 低频震相更难精准拾取。

4. 误差分析

• 远震数据（GEOFON, NEIC）上的拾取误差显著高于本地地震：
  • 远震信号低频、渐进，导致拾取难度增加。
  • 信噪比较低，影响模型性能。
• INSTANCE 数据集的 S 波误差比 P 波低，可能是 S 波标注质量较高。
• NEIC 数据集的 S 波误差比 P 波低，可能是 S 波主要在高信噪比环境下被拾取。

5. 残差分布分析

• 所有深度学习模型的误差分布大致符合拉普拉斯分布：
  • 中心误差接近零，但仍存在异常值。
  • 部分模型误差分布比其他模型更集中，说明模型较稳定。
• Baer-Kradolfer 传统方法的误差分布与深度学习不同：
  • 误差分布非对称，偏向拾取偏晚，因为它只能检测信号能量增加的时刻。
  • 相比深度学习方法，异常值比例更高。

3.4 任务 4 —— 跨域性能 (Cross-Domain Performance)

1. 评估方法

• 交叉评估（Cross Evaluation）：
  • 每个训练好的模型都会在未参与训练的测试数据集上进行评估，测试模型的 泛化能力。
  • 总共 336 组测试结果（# 模型 × # 训练数据集 × # 目标数据集）。
• 主要评估任务： 事件检测（Task 1）；震相识别（Task 2）；震相到时拾取（Task 3）

2. 主要发现

(1) 震中距相似的数据集，跨域泛化较好

• 如果训练数据和目标数据的震中距相似（例如区域地震数据集之间迁移），模型通常仍能保持较好的性能。
• 但性能通常低于同域测试（in-domain performance）。

(2) 区域数据集 → 远震数据集，泛化能力较差

• 区域地震数据集（Regional）训练的模型在远震数据（Teleseismic）上完全失效：
  • 例如，在 任务 1（事件检测） 中，没有任何在区域数据集上训练的模型能在 GEOFON 数据集上获得 AUC > 0.77。
  • 相比之下，同域测试（GEOFON 自身）AUC 介于 0.85-0.99，显示出 显著的性能下降。

(3) 远震数据集 → 区域数据集，泛化能力较差但比反向迁移稍好

• 远震数据集训练的模型在区域数据集上的性能下降：
  • 但 比区域数据集 → 远震数据集的下降幅度稍小。
• 原因可能是：
  • 远震数据集（如 GEOFON 和 NEIC）仍然包含部分区域性数据，因此模型能部分适应。

(4) Iquique 和 LenDB 训练的模型跨域性能最差

• Iquique 训练的模型泛化能力较差，可能因为数据集规模较小，容易过拟合。
• LenDB 训练的模型泛化能力较差，可能因为震相拾取点是基于计算走时，而非人工标注，导致数据集存在系统性偏差。

(5) NEIC 和 GEOFON 数据集训练的模型表现出系统性偏差

• 在 NEIC 训练的模型在 GEOFON 数据集上 P 波拾取系统性偏早。
• 在 GEOFON 训练的模型在 NEIC 数据集上 P 波拾取系统性偏晚。
• 可能原因：
  • 不同地震台网（NEIC vs. GEOFON）采用了不同的震相标注标准，导致跨域测试时的误差偏差。

(6) INSTANCE 训练的模型在所有任务中表现最佳

• INSTANCE 数据集训练的模型在事件检测、震相识别、震相拾取任务中表现最优，显示出最好的泛化能力。
• 可能原因：
  • INSTANCE 数据集包含更多样本（每个事件 21 个波形，STEAD 仅 2 个），提高模型的泛化能力。

(7) STEAD、SCEDC、ETHZ 训练的模型在事件检测任务中表现相近

• 这些数据集的 数据特性相似，模型在跨域测试时性能下降较小。

3. 震相拾取误差分析

• 在跨域测试中，模型的震相拾取误差分布与数据集特性相关：

  • NEIC 训练的模型在 GEOFON 上拾取 P 波偏早，而 GEOFON 训练的模型在 NEIC 上拾取 P 波偏晚。
  • 可能是数据集的人工标注方式不同，导致模型学习到了系统性偏差。

• 事件检测任务中的模型性能下降幅度较大：

  • 训练数据集的特征不同，导致模型在新数据集上无法正确识别事件。

• 震相拾取任务中，数据增强（Data Augmentation）有助于提高泛化能力：

  • EQTransformer 训练过程中使用的数据增强（时间偏移、噪声扰动等）确实部分缓解了固定震相位置带来的过拟合问题。

---

4.Discussion

4.1 模型在波形示例上的比较总结

主要发现

• INSTANCE 数据集的 P 波标注偏晚 0.5 秒，深度学习模型学到了更一致的拾取标准。
• ETHZ 数据集上的 DPP 过早拾取震相，可能是 预测曲线过早跃升。
• GEOFON 训练的模型在远震数据上的 P 波拾取误差低于 0.2 秒，表现良好。
• INSTANCE 训练的模型无法泛化到远震数据，拾取震相完全随机。

4.2 采样率调整的跨域应用

主要发现

• S 波检测任务在降采样后未见显著性能提升。
• 原始模型对 S 波的检测性能已经较好，因此降采样影响较小。
• S 波标注数据主要集中在信噪比较高、震中距适中的情况，因此天生误差较小。
• S 波的振幅谱在区域数据和远震数据中的差异较小，而 P 波的频谱变化更大。

主要结论

• 降采样对 S 波拾取的影响较小，可能不如对 P 波拾取重要。
• P 波的频谱变化更大，因此降采样对 P 波拾取有较大影响，而 S 波在不同数据集中的频谱变化较小。
• 未来可以探索其他方法来优化 S 波拾取，而非单纯降低采样率。

4.3计算需求 (Computational Demand)

计算资源与硬件环境

• 所有模型均在相同的计算环境下训练：
  • Nvidia A100 GPU（40GB 显存），确保基准测试的公平性。
• 显存占用情况：
  • 除 DPP（LSTM）和 GPD（滑动窗口方法）外，所有模型显存占用均低于 10GB（batch size = 1024）。
  • LSTM 计算需求较高，存储长序列时占用较大显存。
  • GPD 采用滑动窗口（sliding window approach），需要多次计算，导致显存需求更高。
    计算瓶颈分析
• GPU 计算受限（GPU-bound）：
  • EQTransformer、DPP 拾取器（DPP picker networks）、CRED 主要受 GPU 计算能力限制，GPU 利用率接近 100%。
  • GPD 在推理阶段同样受 GPU 计算能力限制，但由于滑动窗口方法，推理速度仍然较慢。
• CPU 或内存带宽限制（CPU/memory bus bound）：
  • BasicPhaseAE、PhaseNet 等模型 GPU 负载远低于 100%，说明可能受到 CPU 或内存带宽的限制。

---

5.开放问题

本章探讨了本研究的局限性，并提出了未来研究需要解决的关键问题，包括 连续数据分析、实时检测、数据集多样性、不同类型地震信号、传感器影响 以及 迁移学习的应用。

5.1 研究局限性

1. 事件驱动分析 vs. 连续数据分析

• 本研究主要基于事件驱动分析（event-based analysis）：
  • 仅测试了模型在预选时间窗口内的性能，而未测试模型在连续数据流中的表现。
• 连续数据分析（continuous data processing）存在不同的挑战：
  • 误报率（false positive rate）需要降低，因为只有少数时间窗口包含真实震相。
  • 窗口可能包含多个震相拾取点（multiple picks），尤其在 密集余震序列（aftershock sequences） 中。

2. 真实应用中的实时检测

• 当前研究仅评估了模型的后处理能力（post-processing），未考虑实时检测能力：
  • 模型是否能尽早拾取震相？
  • 计算速度是否足够快以用于地震预警（early warning）？
• 未来研究应关注模型的实时检测延迟（latency）和可靠性。

5.2 未来数据集的构建

1. 需要涵盖更多类型的地震信号

• 当前研究主要关注自然地震（tectonic earthquakes），但机器学习也可用于：
  • 诱发地震（induced seismicity）
  • 矿爆（mine blasts）
  • 火山信号（volcanic signals）
• 目前缺乏一个系统性的、标准化的基准测试数据集：
  • 需要构建包含多种地震信号类型的数据库，并提供详细的元数据（metadata）。

2. 不同类型的地震仪器

• 当前研究主要使用短周期（short-period）和宽频带（broadband）地震仪数据，但仍存在其他设备：
  • 地震检波器（geophones）：适用于浅层震动监测。
  • 海底地震仪（ocean bottom seismometers, OBS）：适用于海洋地震研究。
  • 加速度计（accelerometers）：适用于强震监测。
  • 分布式声学传感（distributed acoustic sensing, DAS）：利用光纤进行大规模地震检测。
• 未来研究应测试不同类型地震仪数据上的模型适应性。

3. 震相记录类型

• 本研究主要分析了三分量数据（three-component recordings）：
  • 包括 垂直分量（Z） 和 两个水平分量（N, E）。
• 某些仪器仅具备单分量（single-component），或者包含额外传感器（如压力传感器、旋转传感器）：
  • 未来研究应评估这些额外数据对模型性能的影响。

5.3 迁移学习的应用

1. 迁移学习可提高跨域泛化能力

• 跨域应用（cross-domain application）：
  • 在一个数据集上训练的模型，应用到另一个数据集时，性能可能下降。
  • 迁移学习（transfer learning）可用于提高跨域泛化能力。

2. 迁移学习的优势

• 相比随机初始化（random initialization）训练，微调预训练模型（fine-tuning pretrained models）表现更优：
  • 减少过拟合，提高模型在小规模数据集上的性能。
  • 比直接应用预训练模型更能适应目标数据。

3. 迁移学习在地震学中的应用

• 近年来，迁移学习已成功用于多个地震学任务（Chai et al., 2020; Jozinović et al., 2021; Münchmeyer et al., 2021）。
• 未来研究方向：
  • 探索最佳的预训练数据集（不同区域 vs. 远震数据）。
  • 研究不同迁移学习方法（如冻结部分参数 vs. 全局微调）。

4. 公开模型权重

• 本研究已公开所有训练好的模型权重，可用于：
  • 进一步研究迁移学习方法。
  • 实际应用者在自己的数据集上微调模型。

5. 适用于小规模数据集

• 迁移学习特别适用于数据有限的情况（约 10,000 个事件）：
  • 直接训练可能会过拟合，而迁移学习可提高泛化能力。

第六章 结论与建议 (Conclusions & Recommendations)

本研究对 六种深度学习模型 在 地震检测（earthquake detection）、震相识别（phase identification）和震相拾取（onset time determination） 任务上的性能进行了系统评估。研究涵盖 本地/区域地震（6 个数据集）和远震（2 个数据集），并分别测试了 同域（in-domain）和跨域（cross-domain）性能。本章总结了主要研究发现，并对未来研究和应用提出建议。

---

6。研究结论

** 基准数据集的重要性**

• 模型的性能不能直接跨数据集比较：
  • 不同数据集的特性（数据选择、质量控制、内部一致性）会影响模型表现。
• 事件检测（Task 1）：
  • 受测试数据集影响较大，因为 不同数据集的震相事件密度、噪声水平不同。
• 震相拾取（Task 3）：
  • 受训练数据集影响较大，因为 模型需要学习精准的震相拾取规则。

研究贡献

1. 公开模型权重

• 本研究通过 SeisBench 框架公开所有数据集和模型组合的训练权重：
  • 可供实际应用者自动震相拾取。
  • 可用于进一步研究，如迁移学习（transfer learning）和模型优化。

2. 推荐决策阈值

• SeisBench 提供推荐的决策阈值（decision thresholds）：
  • 适用于不同应用场景（实时检测 vs. 后处理分析）。
  • 用户可根据实际需求进行调整。

主要结论

1. PhaseNet、EQTransformer、GPD 在地震检测和震相拾取任务中表现最佳：

   • PhaseNet 综合表现最优，适用于本地、区域和远震检测。
   • EQTransformer 适用于远震数据，但需要避免 NEIC 训练的固定拾取位置问题。
   • GPD 事件检测能力强，但推理速度慢，仅适用于计算资源充足的环境。

2. 训练数据集的选择至关重要：

   • STEAD 和 INSTANCE 适用于本地/区域地震检测。
   • 远震数据训练的模型泛化能力较强，但本研究未能提供明确的远震数据推荐。

3. 迁移学习可以进一步优化模型性能：

   • 通过微调预训练模型（fine-tuning），提高小规模数据集上的泛化能力。

4. 计算需求影响模型的实际应用：

   • PhaseNet 和 CRED 计算需求较低，适用于实时应用。
   • GPD 计算需求最高，推理速度慢，适用于小规模数据集。

5. 未来研究应优化模型的跨域泛化能力，改进数据集质量，并提升推理速度。

Paper Link