人工智能地震判断方法及地震侦测系统的制作方法
【技术领域】
[0001] 本发明涉及一种地震判断方法及地震侦测系统，尤其涉及一种可根据地震的初达 波特征来判断所接收的地震数据属于地震事件或非地震事件的地震判断方法及其相关地 震侦测系统。
【背景技术】
[0002] 近年来，由于地震学、数字通信、自动化处理及算法等科技的进步，早期地震预警 (Earthquake Early Warning,EEW)技术的发展逐渐成熟。根据所使用的地震信息的不同， 早期地震预警技术可分类为以下两种方式：区域型预警（regional warning)及现地型预 警（on-site warning)。一般来说，由于区域型地震预警系统可同时参考震央附近数个地震 侦测站的信息以进行地震参数的预估，因此，相较于现地型地震预警系统而言，区域型地震 预警系统具有较高的准确度。然而，由于震央附近的区域通常会产生较高震度，且和震央的 距离近，因此在毁灭性的震波到来以前，区域型地震预警系统可预先计算出地震参数预估 值的时间非常有限。另一方面，由于现地型地震预警系统只参考单一地震侦测站的信息，因 此可更快速地提供地震参数预估，特别是在震央附近的位置，可达到较迅速的早期预警。
[0003] 近期的研究发现，现地型地震预警系统可能会被某些非地震事件所造成的信号触 发，因而产生错误的地震警报。因此，真实地震与非地震事件的分辨已成为一个重要问题。 一种现有的解决方式是采用两个地震传感器分别放置在不同位置，以进行重复确认。然而， 上述方式不仅成本较高，也提高了地震侦测站建置及维护的难度。因此，实有必要提出一种 更有效且节省成本的方法，以提高现地型地震预警系统的准确度，进而提升地震预警效果。
【发明内容】
[0004] 因此，本发明的主要目的即在于提供一种可根据地震的初达波特征，并利用支撑 向量分类（Support Vector Classification, SVC)法所建立的地震判断模型来判断所接收 的地震数据属于地震事件或非地震事件的地震判断方法及其相关地震侦测系统。
[0005] 本发明公开一种地震判断方法，用于一地震侦测系统，该方法包括在多个地震数 据中，取出相关于每一地震数据的至少一初达波特征；根据该至少一初达波特征，利用一支 撑向量分类法建立一地震判断模型；以及当接收一新地震数据时，根据该地震判断模型，判 断该新地震数据属于一地震事件或一非地震事件。
[0006] 本发明还公开一种地震侦测系统，包括一地震侦测模块，用来在多个地震数据中， 取出相关于每一地震数据的至少一初达波特征；一运算模块，根据该至少一初达波特征，利 用一支撑向量分类法建立一地震判断模型；以及一地震判断模块，用来在该地震侦测模块 接收一新地震数据时，根据该地震判断模型，判断该新地震数据属于一地震事件或一非地 震事件。
【附图说明】
[0007] 图1为本发明实施例一地震侦测系统的示意图。
[0008] 图2为属于地震事件的地震数据通过本发明的地震判断模型进行判断的示意图。
[0009] 图3为属于非地震事件的地震数据通过本发明的地震判断模型进行判断的示意 图。
[0010] 图4为本发明实施例一地震判断流程的示意图。
[0011] 其中，附图标记说明如下：
[0012] 10 地震侦测系统
[0013] 102 地震侦测模块
[0014] 104 运算模块
[0015] 106 地震判断模块
[0016] Q1-Q1 地震数据
[0017] QN 新地震数据
[0018] f(x) 地震判断模型
[0019] 40 流程
[0020] 400 ~408 步骤
【具体实施方式】
[0021] 请参考图1，图1为本发明实施例一地震侦测系统10的示意图。如图1所示，地震 侦测系统10包括一地震侦测模块102、一运算模块104及一地震判断模块106。地震侦测模 块102可用来在多个地震数据Q 1~Q1中，取出相关于每一地震数据的至少一初达波特征。 此初达波特征可为任何相关于初达波的物理量，如速度、加速度或位移等，其目的在于通过 初达波的特征，在主震波到达以前实现早期预警。在一实施例中，初达波特征包括在初达 波到达以后一段时间内所侦测到地震动的累积绝对速率（Cumulative AbsoluteVelocity, CAV)、绝对速率积分（Integral of Absolute Velocity，IAV)及绝对位移积分（Integral of Absolute Displacement, IAD)。初达波特征可作为判断是否发生地震的临界值，举例来 说，当地震侦测系统10所侦测到的地震动的累积绝对速率超过一临界值时，即表示可能有 地震发生。在一实施例中，为求地震侦测的实时性并节省地震动传感器的数目，可仅采用地 震动的垂直分量，以在初达波到达时，测量地震动在与地表垂直方向的各种特性作为初达 波特征，如累积绝对速率、绝对速率积分及绝对位移积分等。然而，在另一实施例中，也可采 用地震动在其它方向的分量作为初达波特征，而不限于此。此外，为求地震统计数据的完整 性，也可使用多个地震动传感器，同时测量地震动在多个方向的分量作为初达波特征。
[0022] 请继续参考图1。运算模块104可根据由地震侦测模块102所取得的初达波特征， 利用一支撑向量分类（Support Vector Classification, SVC)法建立一地震判断模型。根 据此地震判断模型，当地震侦测模块102接收到一新地震数据QN时，地震判断模块106即 可判断新地震数据QN属于一地震事件或一非地震事件。通过支撑向量分类法，可提高现地 型地震预警系统判断地震事件的准确度。如此一来，除了可保有现地型地震预警系统的实 时性之外，也可避免非地震事件造成地震的误判。
[0023] 详细来说，在支撑向量分类法中，相关于地震数据Q1~Q1的初达波特征可对应至 多个向量X 1~χι，其中，每一向量Xi都可对应至一目标值且yie {1，-1}。若相对应于 X1的地震数据Q1为地震事件所造成时，其目标值可设定为yi = I ;若相对应于X1的地震数 据Q1为非地震事件所造成时，其目标值可设定为yi =-1。一般来说，关于地震数据Q1~Q1 由地震事件或非地震事件所造成是来自于历史数据的统计结果，支撑向量分类法即是根据 历史数据取出地震事件或非地震事件所对应到的初达波特征，通过训练（training)产生 一地震判断模型，进而在接收到新地震数据QN时，根据地震判断模型判断新地震数据QN的 初达波特征较接近于历史数据中地震事件的初达波特征或是非地震事件的初达波特征，进 而判断新地震数据QN为地震事件或非地震事件所造成。
[0024] 根据支撑向量分类法，向量X1~X1可投射到一高维度特征空间H，并在高维度特 征空间H进行分类，而运算模块104可定义地震判断模型为函数f(x)，用来判断新地震数据 QN属于地震事件或非地震事件：
[0025]
[0026] 其中,K为对应于高维度特征空间H的一核函数且K (XyXj) ξ φ (Xi) τφ (Xj)。α ^ a i及b都为常数，可根据支撑向量分类法，由对应于地震数据Q1~Q1的向量X1~X 1及目 标值Y1~71推算而得。在支撑向量法中，参数Ct1~ ai&b可通过求解以下目标函数取 得：
[0027]
[0028] 受限于
[0029] Yiiwr Φ (Xi)+b) ξ ； ^ 0, i = I, . . . , 1
[0030] 其中，w为高维度特征空间H中一向量，€1及13为目标函数的变量，而Φ为 将向量X 1~X1对应至高维度特征空间H的一函数。此目标函数的对偶型式如下：
[0031]
[0032] ______
[0033] yTa = 〇,〇 ^ a ; ^ C, i = I, . . . , 1
[0034] 其中，e为一单位向量，C>0且为Cti的上限，Q为一 1X1正半定矩阵且 Qu = yiy,K(X1A)。根据上述公式，输入新地震数据QN的初达波特征所对应到的向量进行 计算，可取得f (X) = 1或f (X) = -1两种结果，当f (X) = 1时，代表新地震数据QN属于地 震事件，当f(x) = -1时，代表新地震数据QN属于非地震事件。
[0035] 换句话说，根据历史数据中相关于地震数据Q1~Q1的初达波特征，运算模块可根 据支撑向量分类法，通过以上公式计算出参数（^及比进而建立地震判断模型f(x)。 当地震侦测模块102侦测到新地震数据QN时，可将新地震数据QN的初达波特征转换为 特定向量，地震判断模块106即可根据此特定向量及地震判断模型f(x)，计算出f(x) = 1 或-1，进而判断新地震数据QN是由一地震事件或由一非地震事件所造成，以避免非地震事 件产生的地震动被误判为地震。
[0036] 值得注意的是，在地震侦测系统10中，地震侦测模块102、运算模块104及地震判 断模块106可能分别位于不同地区，并通过有线或无线网络传递信息。举例来说，地震侦测 模块102不限于单一地震侦测站或地震侦测装置，其也可能包括多个位于不同地点的地震 侦测站或地震侦测装置的组合。一般来说，地震侦测模块102中的地震侦测站或地震侦测 装置可设置在容易发生地震的地区，以便迅速侦测新地震数据QN。运算模块104可能位于 地震数据中心以便取得大量的地震数据Q 1-Q1，以增加地震判断模型f(x)的精准度。地 震判断模块106可能位于警报中心，以便在判断出新地震数据QN属于一地震事件时，立即 决定是否发布地震警报。
[0037] 除此之外，上述相关于支撑向量分类法的公式仅为本发明众多实施例当中的一 种，非用以限制本发明的范畴。本领域的技术人员当可使用其他数学公式并搭配支撑向量 分类法而解得可判断新地震数据是否属于地震事件的公式。
[0038] 为进一步说明本发明的功效，可通过仿真分析取得地震判断模型f(x)判断地震 数据及非地震数据的准确度。一般来说，运算模块104用来训练地震判断模型f(x)的地震 数据Q 1~Q1须同时包括属于地震事件的地震数据以及属于非地震事件的地震数据。属于 地震事件的地震数据可来自于中华民国中央气象局所记录的实际发生地震的数据，或者是 由一地震早期预警系统（Earthquake Early Warning System, EEWS)所取得并已确认为实 际发生地震的数据。而属于非地震事件的地震数据则可能包括地震早期预警系统取得的类 地震数据或非地震数据，或者是来自于地震早期预警系统的地震数据但未被中华民国中央 气象局视为地震事件的相关数据。值得注意的是，在台湾，由于中华民国中央气象局具