中南大学：侯新荣-地震定位方法最新进展综述

精确的地震定位对于地球内部结构和地震孕育过程认知、断层精细结构探测、资源能源勘探开发、地震预警研究等众多科学技术问题至关重要。

鉴于地震定位方法发展迅速，及时的综述最新进展重要且必要。目前的综述论文主要论述常规地震定位方法的进展，而涉及机器学习的地震定位方法的系统总结却很少。

为便于读者了解地震定位方法原理与最新的前沿进展，本文首先介绍了近年来新发展的常规地震定位方法，如震源扫描类方法、双差类定位法、GrowClust等；然后重点介绍了最新的涉及机器学习的地震定位方法，包括完全基于机器学习的地震定位方法和机器学习辅助的地震定位流程。其中，基于机器学习的定位方法按照利用的神经网络的不同进行再次分类，包括了卷积神经网络、图神经网络、循环神经网络.机器学习辅助的定位流程介绍了EasyQuake、QuakeFlow、LOC-FLOW三种较受关注的方法。通过详细阐述LSTM-FCN模型、LOC-FLOW方法流程的实际应用，对比了代表性方法的定位效果。

最后，本文对机器学习类的地震定位方法存在的问题和地震定位的发展方向进行分析与展望，指出机器学习模型轻量化是重要研究方向以及多种地震定位方法联合定位是地震定位发展的重要目标。

文中图件

结论与展望

精确的地震定位是研究地震活动与断层构造的重要基础。传统地震定位方法的实质在于求取目标函数的极小值，原理简单易懂，但定位结果受台站布设、速度模型精度、地震相拾取误差等多重因素的影响。基于机器学习的地震定位方法通过训练可以从输入数据获取规律，对目标数据进行快速震相拾取和关联的预测，可以大幅提高地震定位的精度和效率。但是机器学习算法需要借助大量的训练样本，而且训练样本可能与目标数据存在较大的特征差异，这样就造成了预训练模型与测试集性能上不相当。所以，基于机器学习的定位方法需要花费时间收集和预处理大量的训练数据。如何优化机器学习的模型结构、减少训练数据量、将机器学习模型轻量化，依然是基于机器学习定位方法的重要研究方向。目前Lim等(2022)和Yu和Ｗang(2022)分别提出了LEQNet 和LPPN 来减少训练参数的数量，减小深度学习模型的大小，并提高计算效率。

提高地震定位的方法性能就要降低对速度模型精度的依赖，提高震相拾取、震相关联的准确率，提高算法的速度、精度和稳定性等。无论是传统的地震定位方法还是基于机器学习的定位方法，都难以凭借单一的方法精确地计算出震源位置。多种地震定位方法联合定位可以充分发挥各方法的优势（如LOC-FLOW），提高定位结果的精度和稳定性。如何针对不同的地质构造、台站分布和背景环境等，准确地选择最佳的定位方法或方法组合，也是地震定位发展的重要目标。近年来，随着密集台阵观测和人工智能技术的快速发展，给地震定位方法研究和应用提供了全新的机遇和挑战。于密集台阵和人工智能的地震定位新方法新技术也将有助于实现更加快速、可靠的地震学研究。

引用本文

侯新荣, 郭振威, 高大维, 李磊, 柳建新. 2024. 地震定位方法最新进展综述. 地球物理学进展, 39(3): 959-974.

HOU XinRong, GUO ZhenWei, GAO DaWei, LI Lei, LIU JianXin. 2024. Review of recent advances in seismic location methods. Progress in Geophysics, 39(3): 959-974.

欢迎加入学术交流群