1. 项目概述与核心挑战

在太平洋西北地区（PNW）搞地震监测，最头疼的事情之一，就是每天面对海量的波形数据，你得像个经验丰富的老中医一样，从一堆“脉象”里分辨出哪个是真正的地震，哪个是采石场的爆破，哪个是山体滑坡，哪个又是纯粹的背景噪声。这活儿听起来简单，做起来可不容易。PNW这地方地质活动复杂，板块俯冲带、活火山、冰川活动、频繁的人类工业活动交织在一起，产生的波形信号常常“长得”很像。比如，一个小震级的地震和一个近场的单次爆破，在10Hz以下的频段，它们的波形和频谱特征就非常相似，光靠人眼和传统的STA/LTA（短时平均/长时平均）触发算法，误判率不低。

传统的分类方法，比如分析P波和S波的频谱比，或者比较地方性震级和尾波震级，对于简单的“地震 vs. 爆炸”二分类还行，但面对“地震、爆炸、地表事件（滑坡、雪崩等）、噪声”这四分类的复杂局面，就显得力不从心了。更关键的是，这些基于物理参数的方法，在实时处理流程中往往无法快速获取全部必要信息，导致分类滞后。

所以，我们团队这次的目标很明确：系统性地评估和比较两种主流的机器学习路径—— 基于特征工程的经典机器学习 和 基于端到端学习的深度学习 ——在PNW地区四分类地震事件任务上的表现。我们不仅要看谁在实验室的“干净”数据上得分高，更要看谁能在接近真实台网运行环境、甚至面对全球其他地区陌生数据时，依然保持稳定和高效。最终，我们希望找到一个既准又快，还能真正部署到日常监测工作中的模型。

2. 数据准备：构建一个均衡且真实的测试场

模型好不好，数据说了算。我们的工作始于一个精心整理的数据集，核心是Ni等人（2023年）构建的PNW AI数据集，包含了从2002年到2022年约7万个事件的20万条三分量波形。事件被人工标注为四类：地震、爆炸、地表事件和噪声。

2.1 数据类别详解与挑战

地震 ：数据主要来自上报到ANSS综合地震目录（ComCat）的事件。波形具有清晰的P波和S波震相，频率通常高于5Hz，持续时间多在10到30秒之间。这是数据集中最丰富的类别，占了约90%，这也符合PNW地震台网以监测地震为核心任务的现实。

爆炸 ：主要指采石场爆破等人工爆炸事件。它们的典型特征是持续时间较长的尾波，以及相对单一（单频）的频率成分，优势频率通常在1-3Hz。这个类别有约1.5万个样本。

地表事件 ：这是一个比较“杂”的类别，包括火山附近的岩石崩塌、雪崩、泥石流等。波形通常没有清晰的震相（ emergent onset），频率范围在1-15Hz，持续时间变化很大，从20秒到几分钟都有可能。最初这个类别的数据只有约5200个事件（8912条迹），是明显的短板。

噪声 ：我们从地震事件P波到达前截取了150秒的波形作为噪声样本，并使用训练好的Earthquake Transformer模型进行了筛查，以确保其中不包含隐藏的地震事件。噪声通常包含大量高频脉冲，峰值频率在6-10Hz。

注意 ：数据不平衡和潜在的误标是现实世界数据集的常态。地表事件样本少，会直接影响模型学习其独特特征的能力。而噪声类别中，尽管经过了自动筛查，仍可能存在极少数未被识别的特殊事件，这是我们需要承认并接受的噪声。

2.2 巧妙的训练-测试集构建策略

为了公平比较经典机器学习（CML）和深度学习（DL），我们设计了一套共享测试集的方案：

1. 公共测试集 ：我们从每个类别中随机抽取1万条 三分量 波形，构建了一个完全平衡的测试集（共4万条）。对于地表事件，我们通过补充事件周围30公里内台站的记录，将可用三分量迹数扩充到了15407条，满足了抽样需求。这个测试集用于所有模型的最终性能评比。
2. CML专用数据集 ：我们发现，CML模型（如随机森林）在单分量（垂直向）数据上表现更好。因此，我们使用除公共测试集外的所有数据（包含单分量和三分量），为每个类别随机抽取6000条迹作为训练集，2000条作为验证集，并重复50次随机抽样以评估稳定性。
3. DL专用数据集 ：深度学习模型则受益于三分量数据提供的更丰富信息（如P/S波能量比）。因此，我们使用预留出的公共测试集之外的剩余三分量数据（每类约8000条），按6:2的比例划分为训练集和验证集。

这种设计确保了比较的基准一致，同时尊重了不同算法对输入数据格式的最佳偏好。

2.3 引入“实战”与“泛化”测试集

实验室成绩好，不代表能上战场。我们额外构建了两个更具挑战性的数据集：

1. 台网测试集 ：模拟真实台网运行环境。我们选取了PNW台网最新的事件，由同一位分析师复核以保证标注一致性。构建了一个包含3333个地震、3333个爆炸、3334个地表事件（排除噪声）的平衡集。关键差异在于，这里的事件可能只有单台站有拾取，台站覆盖不均，信噪比（SNR）变化大（0到20+），更贴近日常处理的、带有各种“瑕疵”的数据流。
2. 泛化测试集 ：用于检验模型的“举一反三”能力。
   • 全球地表事件集 ：使用IRIS的Exotic Seismic Event Catalog (ESEC)中的245个全球已验证地表事件（如滑坡、岩崩）。
   • 近场爆炸集 ：专门收集了震中距在0-50公里范围内的近场爆炸波形，以测试模型对距离效应的敏感性。

通过在这些数据集上的表现，我们能更全面地评估模型的鲁棒性和实用价值。

3. 方法论：特征工程与端到端学习的正面较量

我们的实验设计可以概括为“两条腿走路”，然后在一个擂台上比武。图4（虽然这里无法展示，但可以想象为一个流程图）清晰地勾勒了这个过程：一条路径是手动设计特征（特征工程）后喂给经典机器学习模型（如随机森林）；另一条路径是将原始波形或其变换（如时频谱图）直接输入深度学习模型（如CNN），让网络自己学习特征。

3.1 经典机器学习路径：精雕细琢的特征工程

这条路的核心在于，我们作为领域专家，要将我们对地震波物理特性的理解，转化为机器能理解的数字特征。

3.1.1 特征提取的三板斧

我们提取了三大类特征，总计超过400个：

1. TSFEL特征库 ：使用TSFEL这个Python工具包，自动从时域、频域和小波域计算了390个统计特征。这就像给波形做了个全面的“体检”，包括均值、方差、偏度、峰度、频谱质心、频谱带宽等等。它的优势是全面、自动化，涵盖了前人研究中被证明有效的许多特征。
2. 物理启发特征 ：这是体现我们地震学知识的地方。我们设计了一系列基于物理模型的特征，专门用于区分比如断层破裂（地震）和颗粒流（滑坡）。
   • 上升时间/下降时间比 ：地震信号通常能量在起始时刻（P波）快速达到峰值，而滑坡等过程能量峰值可能出现在事件中部。这个比值能有效捕捉这种时间包络形状的差异。
   • 优势频率与质心频率 ：不同震源的频率特性不同。爆炸能量集中在很窄的低频段，而地震更宽频。
   • 频带内的峰度与偏度 ：这些高阶统计量能描述频率分布的“尖锐度”和不对称性，有助于识别信号的脉冲特性。
3. 散射特征 ：我们额外计算了一些描述波形复杂度和散射强度的特征，例如基于小波变换的熵值，以及信号包络的特定统计量。地表事件和爆炸由于传播路径或源过程的复杂性，其尾波往往表现出更强的散射特性。

3.1.2 模型选择与训练：为什么是随机森林？

在众多CML算法中，我们选择了 随机森林 作为代表。原因如下：

• 处理高维特征能力强 ：我们提取的特征多达数百个，随机森林能很好地处理这种高维数据，且对部分特征的缺失不敏感。
• 抗过拟合 ：通过构建多棵决策树并集成其结果，随机森林具有天然的抗过拟合能力，这对于样本量并非无限大的地震数据很重要。
• 可解释性 ：训练完成后，我们可以分析每个特征的“重要性”得分，这能告诉我们哪些特征（比如是某个频带的能量还是包络的形状）对分类决策贡献最大，这具有很高的科学价值，能帮助我们理解不同震源的物理差异。

我们将提取好的特征矩阵（样本×特征）输入随机森林进行训练，并通过网格搜索优化超参数（如树的数量、最大深度等）。

3.2 深度学习路径：让模型自己“看”波形

深度学习走的是另一条路：尽可能减少人为干预，将原始数据（或简单的预处理后数据）输入网络，让网络通过多层非线性变换自动学习最能区分四类事件的表征。

3.2.1 输入表示：时间序列 vs. 时频谱图

我们测试了两种输入格式：

• 1D CNN（原始波形） ：直接输入150秒长度、100Hz采样率的三分量时间序列（即一个45000维的向量）。1D CNN的卷积核在时间轴上滑动，捕捉局部的时间模式。
• 2D CNN（时频谱图） ：先将每个分量的时间序列通过短时傅里叶变换（STFT）转换为时频谱图（时间-频率-强度），然后将三个分量的谱图堆叠成一个2D图像（高度为频率，宽度为时间，通道数为3）。2D CNN的卷积核则在这个“图像”上滑动，同时捕捉时间和频率上的联合特征。

3.2.2 网络架构：轻量化与效率考量

考虑到最终要部署到台网进行实时或准实时处理，模型的大小和速度至关重要。我们设计并测试了两种CNN架构：

• SeismicCNN 2D ：一个“短而宽”的网络，层数相对较少，但每层的通道数较多。这种结构在计算资源有限时，能在速度和精度间取得较好平衡。
• QuakeXNet 2D ：一个“长而瘦”的网络，层数更深，但每层通道数较少。这种结构通常具有更强的特征提取能力，我们对其进行了极致轻量化设计，参数量控制在约7万个（模型文件仅~1.2 MB）。

实操心得 ：在将波形转为时频谱图时，STFT的参数选择（窗长、重叠率）对结果有细微影响。经过测试，我们选择了能较好平衡时间分辨率和频率分辨率的参数（例如256点汉宁窗，75%重叠）。对于归一化，我们发现在时频谱图上进行通道级的Z-score归一化（即每个频率-时间点减去该通道的均值除以标准差）比全局归一化效果更好，有助于网络聚焦于相对能量变化而非绝对幅度。

3.2.3 训练细节与技巧

• 数据增强 ：为了提升模型泛化能力，我们对训练数据进行了实时增强，包括轻微的时间抖动（平移）、添加高斯白噪声、以及随机缩放振幅。这模拟了真实数据中到达时间误差、背景噪声水平和震级大小的变化。
• 损失函数与优化器 ：使用标准的分类交叉熵损失函数。由于我们的训练集是平衡的，没有采用类别权重。优化器选用AdamW，其自带权重衰减有助于防止过拟合。
• 学习率调度 ：采用余弦退火学习率调度，让学习率在训练过程中先缓慢下降再周期性回升，有助于模型跳出局部最优解。

4. 结果分析：时频谱图CNN何以胜出？

经过大量实验，结果指向一个明确的结论： 基于时频谱图输入的2D卷积神经网络（CNN）在四分类任务上综合表现最佳。

4.1 准确率对比

在平衡的公共测试集上：

• 最佳随机森林模型 （基于TSFEL+物理+散射特征）的准确率达到了 89% 。这已经是一个相当不错的结果，证明了精心设计的特征工程的有效性。
• 2D CNN模型 （无论是SeismicCNN还是QuakeXNet）的准确率均超过了 92% 。其中，QuakeXNet-2D略胜一筹。

这3个百分点的差距在机器学习竞赛中可能不算巨大，但在实际地震监测中，意味着每天能减少成千上万条记录的误判，显著减轻分析师的工作负担。

4.2 鲁棒性测试：低信噪比与远距离

模型在“干净”数据上表现好是应该的，我们更关心它在恶劣条件下的表现。

• 低信噪比（SNR） ：当我们将测试数据按SNR分组后发现，随着SNR降低，所有模型的性能都有所下降，但2D CNN的下降幅度最小。在SNR低于5的“嘈杂”数据中，CNN仍能保持85%以上的准确率，而随机森林则降至80%左右。这表明CNN自动学习到的特征对噪声的鲁棒性更强。
• 距离依赖性 ：对于爆炸和地表事件，在震中距增大时（>100公里），随机森林模型开始出现明显的混淆，常常将远场的地表事件误判为爆炸。而2D CNN模型受距离影响较小。我们分析，这是因为时频谱图能更好地保留信号随距离衰减和频散的整体模式，而手工特征可能对绝对振幅和频率变化过于敏感。

4.3 泛化能力：从PNW走向世界

这是决定模型能否实用的关键。

• 在台网测试集上 ：模拟真实不平衡、多台站环境，2D CNN的准确率依然保持在90%以上，而随机森林降至约85%。CNN展现出更好的环境适应性。
• 在全球地表事件集（ESEC）上 ：这是最严格的考验。QuakeXNet-2D模型对全球各地滑坡、雪崩等事件的分类准确率达到了88%，显著高于随机森林的78%。这表明，从PNW数据中学到的时频模式，具有一定的全球普适性。
• 在近场爆炸集上 ：加入近场爆炸数据微调后，模型对爆炸事件的识别精度，特别是避免与近场地震混淆方面，有了进一步提升。

4.4 效率与可部署性

对于实时监测，速度就是生命。

• QuakeXNet-2D 模型仅有约7万个参数，模型文件约1.2 MB，非常轻量。
• 在普通的消费级GPU（如NVIDIA GTX 1660）上，该模型扫描一整天（864万秒）的100Hz三分量连续数据，仅需约 9秒 。
• 我们已经将训练好的模型检查点集成到了开源地震机器学习库 SeisBench 中，任何研究者或机构都可以方便地加载和使用这个模型。

相比之下，随机森林模型虽然推理速度也很快，但特征提取步骤（特别是计算物理特征和散射特征）需要额外的计算时间，在端到端的流水线中，其总耗时反而可能超过轻量化的CNN。

5. 特征重要性：打开机器学习的“黑箱”

理解模型为何做出决策，与获得高精度同等重要。

对于随机森林 ，我们可以直接计算特征重要性。结果显示，排名靠前的特征包括：

1. 频谱质心（频域）：是区分高频地震和低频爆炸/地表事件的关键。
2. 信号包络的上升时间/持续时间比（时域）：有效区分脉冲型地震和缓始型地表事件。
3. 特定频带（如2-5Hz）的能量占比：与爆炸的单频特性相关。 这些发现与我们的物理认知是一致的，增强了我们对模型决策的信心。

对于CNN ，解释性更具挑战。我们采用了 Grad-CAM 技术来生成“热力图”，直观显示时频谱图上哪些区域对网络决策的贡献最大。

• 对于 地震 分类，热力区域高度集中在清晰的P波和S波震相出现的时间和频率位置。
• 对于 爆炸 分类，热力区域则更分散在持续时间较长的尾波部分，且集中在低频段。
• 对于 地表事件 ，热力图往往显示事件中后部能量较强的区域被重点关注，这与它们 emergent onset 和持续振动的特性相符。 这种可视化虽然不像特征重要性得分那样定量，但为我们提供了定性的理解，证明了CNN确实学会了关注与物理过程相关的时频特征，而不是无关的噪声。

6. 常见问题与实战部署指南

在实际尝试复现或应用这项工作时，你可能会遇到以下问题：

1. 数据不足，特别是地表事件数据稀缺怎么办？

• 对策 ：我们的策略是进行“空间增强”。对于一个已识别的地表事件，不仅使用分析师拾取的那个台站的数据，还收集事件周围30-50公里内其他台站的记录。即使这些台站没有正式拾取，它们也可能记录到清晰的信号，这有效扩充了数据量。此外，可以积极利用全球公开的非构造事件目录（如ESEC）进行迁移学习或数据扩充。

2. 如何选择输入格式：原始波形还是时频谱图？

• 建议 ：对于分类任务，尤其是涉及频率特征至关重要的任务（如区分爆炸和地震）， 时频谱图作为2D CNN的输入是首选 。它显式地提供了频率随时间演变的信息，网络更容易学习。1D CNN在处理原始波形时，需要更深的网络来隐式地学习频域特征，效率相对较低。仅在计算资源极其有限，且任务相对简单（如二分类）时，可考虑1D CNN。

3. 模型在自家台网数据上表现不佳？

• 排查步骤 ：
  • 检查数据分布 ：确保你的训练数据在事件类型、距离、信噪比、台站类型上的分布与你的应用场景匹配。PNW的模型在别的构造区域可能需要进行微调。
  • 预处理一致性 ：确认你的预处理流程（重采样率、去趋势、归一化方法）与模型训练时完全一致。一个常见的错误是归一化方式不同。
  • 从简单开始 ：先用一个小的、标注干净的数据集测试模型的基本分类能力。如果效果差，可能是数据本身问题。如果效果好，再逐步加入更复杂、更真实的数据，观察性能下降点，从而针对性改进。

4. 想要部署到实时流系统，该注意什么？

• 轻量化模型 ：像QuakeXNet-2D这样的轻量级架构是必须的。在部署前，可以考虑使用模型剪枝、量化等技术进一步压缩模型，提升推理速度。
• 流式处理 ：需要设计一个滑动时间窗，持续截取实时数据流（如150秒长度的片段），送入模型进行分类。注意处理好数据流的缓冲和拼接。
• 后处理与集成 ：模型的输出是每个时间窗的分类概率。需要设计规则，比如连续多个时间窗都被分类为同一事件类型，且概率超过阈值，才触发一次事件报告。可以将机器学习分类器的结果与传统检测器（如STA/LTA）的结果进行融合，提高系统可靠性。

5. 如何持续改进模型？

• 主动学习 ：将模型分类置信度低的事件自动筛选出来，交给人类分析师复核。将这些新标注的数据加入训练集，重新训练模型，形成闭环迭代。
• 关注困难样本 ：定期分析被模型错误分类的样本，看看它们是否有共同特征（如特定的震中距范围、特殊的噪声干扰）。针对这些“硬骨头”收集更多数据或设计针对性特征。

这项工作的最终价值，不仅在于提供了一个在PNW地区表现优异的四分类模型，更在于通过系统的对比实验，为地震学界选择机器学习技术路线提供了清晰的参考。当你的目标是高精度、强鲁棒性和实时部署时，基于时频谱图的轻量级CNN是一个经过验证的优选方案。它就像给地震台网装上了一双能自动识别“地震指纹”的智能眼睛，让海量数据中的信息提取变得更加高效和准确。