一种基于深度学习、用于对远震相位进行自动化高效处理的方案。

• 通过对PcP和PKiKP两种远震相位的验证，展示了高检测精度和低采集误差。

• 深度学习采集的首位峰值比远震相位采集的更为准确。

• 该方案将促进远震相位的挖掘以及地球内部结构及其动力学的研究。

科学家们如何探索地球隐藏的内部结构——地壳、地幔和地核？答案藏在地震波中。地震波就像X射线一样——穿过地球内部并反射回来，科学家通过地震波能够“了解”地球的内部结构。通过分析这些波形，地震学家创建了结构的“B超图像”或物理性质的“CT扫描图”。

然而，在地震数据中识别这些反射波既复杂又耗时。反射波可能会因结构不连续性和局部不均匀性而失真，从而误将噪声当成真实信号。为解决这一挑战，科研人员急需高效且准确的自动相位采集器来处理大量远震地震数据，这些数据的相位通常反映了地球深部的结构。

目前，一项研究引入了一种新的基于深度学习的工作流程，可自动高效且准确地检测和采集远震相位。

“为了提高工作流程的性能，我们将其分为三个部分：相位准备、检测和采集，”该研究的第一作者、康奈尔大学的博士后研究员袁聪聪博士解释道 “我们在准备阶段应用物理约束来突出潜在信号，检测步骤会过滤掉低质量数据，以便最终的采集步骤能够更准确且无偏见地确定到达时间。”

“这种方法可以实现快速、可靠且稳健的远震相位处理。它使我们能够提取更有意义的数据，帮助我们更好地了解地球深部的物理特性和动力学”袁博士补充道。

“我和我的同事正在与另一个远震成像研究团队合作，将这种方法应用于特定的构造区域。我们拥有的高质量相位数据越多，就越能揭示地球内部的运作机制。”袁博士介绍道。

“几十年来，地震学家一直面临着处理地震数据的繁琐任务”，该研究的合著者、中国科学技术大学的张捷教授指出 “随着深度学习的兴起，地震学正迎来从半自动化工作流程向全自动系统的过度。”

该研究成果发表在期刊Artificial Intelligence in Geosciences上，欢迎业内学者同仁阅读：

期刊及主编介绍

Artificial Intelligence in Geosciences (AIIG)是一份涵盖人工智能和地球科学各个领域的开放获取型期刊。

AIIG自创刊以来，专注于地学人工智能的所有主题，如应用于地球科学的机器人和传感器、处理地球科学数据的机器学习算法、大数据处理背景下的云计算和高性能计算等。期刊创刊的目标是为正在转入大数据世界的地球科学家、分析与地球相关数据的数据科学家提供一个国际化、跨学科的交流论坛，在这里可以共享和讨论与人工智能及其在地球科学中的应用有关的最前沿观点及解决方案。

目前已被ESCI、DOAJ、Scopus、EBSCOhost、GeoRef、Ei Compendex 和GEOBASE等数据库收录。