准确的检测P波到时在地震监测和地震预警等实时数据处理中有重要应用。中国地震科学实验场所在的川滇地区，强震和微小地震频发，地震灾害严重。2021年以来，中国地震局开始在川滇地区建设中国地震科学实验场，覆盖面积78万平方公里，计划新建宽频带地震台站700多个，短周期地震台站300多个。届时，实验场区内的地震台站将达到近5000个。由此可见，无论是地震预警，还是实验场区域大量地震台站的数据实时处理，都迫切需要发展新的自动处理算法。

中国地震局地球物理研究所房立华研究员团队使用川滇地区2013-2019年的49万条事件波形数据和7.8万条噪声数据，选用UNet++作为主干网络，根据地震波形特点对网络结构进行改进（图1），训练得到了地震检测模型CSESnet。该模型的召回率、准确率和F1值分别为94.6%, 85.4%和89.7%。使用首都圈地区的地震测试表明，CSESnet具有较好的泛化性（图2）。对四川泸县M6.0级地震的测试结果表明，CSESnet也可以较好的处理加速度计观测数据。CSESnet显示了较高的召回率和泛化性，在检测小地震和中强地震，以及处理加速度计和简易烈度计的观测数据方面，也具有较好的泛化能力(图3)。CSESnet为提升实验场区域的地震检测能力，降低地震预警误触发提供了新的检测模型。

图1 CSESnet地震检测网络结构

图2 CSESnet与PhaseNet在首都圈的预测结果对比

图3 CSESnet模型检测简易加速度计(MEMS)波形

研究成果详见：Li B, Fan L, Jiang C, Liao S and Fang L (2023), CSESnet: A deep learning Pwave detection model based on UNet++ designed for China Seismic Experimental Site. Front. Earth Sci. 10, doi: 10.3389/feart.2022.1032839（链接：https://www.frontiersin.org/articles/10.3389/feart.2022.1032839/full）。

【作者简介】

第一作者：李珀任，助理研究员，主要从事基于人工智能的地震学方法研究工作。

Email：borenli@cea-igp.ac.cn；

通讯作者：房立华，研究员，主要从事人工智能地震学、地震精确定位和深部结构成像研究工作。

Email：flh@cea-igp.ac.cn