数学创新推动地震活动检测技术的进步

日本东北地区地热开发的独特景观中，地表下微妙的地震活动对研究人员提出了一个迷人的挑战。尽管地震预警可能时不时地提醒我们地震事件的发生，但存在许多较小的地震一直以来一直让资源工程师们感到困惑，他们努力探测和理解这些地震。

东北大学的数学创新正在推动对更多类型和更微弱形式的地震波的检测，为更有效的地震监测和风险评估铺平了道路。

他们研究的结果于2024年1月15日发表在《IEEE地球科学与遥感交易》上。

地震数据的收集依赖于称为地震仪的传感器的数量和位置。特别是在只能部署有限数量的地震传感器的挑战性环境中，如火星或者进行捕获和储存二氧化碳的长期监测时，从每个传感器中优化数据提取变得至关重要。其中一种有前途的方法是极化分析，它涉及研究三维粒子运动，并因其能够利用三分量数据而引起关注，提供比单分量数据更多的信息。这种方法使得可以检测和识别各种极化地震波形，包括S波、P波等。

使用谱矩阵（SPM）的极化分析是一种技术，用于分析三维粒子在不同频率和时间上的运动方式，换句话说，在时频域内。然而，在所期望信号相对于背景噪声较弱的场景中--即低信噪比（SNR）事件，在地下储层中是典型的--SPM分析面临着限制。由于数学约束，它只能表征线性粒子运动（意味着快速移动、易于检测的P波），这使得其他波形（如次要到达的S波）的分析具有挑战性。

“我们克服了传统SPM分析的技术挑战，并通过引入时间延迟成分扩展了它，以实现更广泛的极化实现。”该研究的第一作者、东北大学流体科学研究所的助理教授Yusuke Mukuhira说。

与现有技术相比，他的团队对时间延迟成分的整合增强了SPM分析的准确性，实现了对各种极化波的表征，包括S波，并检测到具有较小振幅的低SNR事件。

该研究的一个关键创新是引入了基于第一特征向量的相位信息的新加权函数--一种特殊的向量，当乘以矩阵时会得到原始向量的缩放版本。该加权函数的目的是根据其重要性为信号的不同部分分配不同的重要性水平，从而减少虚警。合成波形测试表明，这一添加显著改善了地震波极化的评估，这是区分信号和噪声的关键因素。

"技术上，我们已经开发出一种在时频领域内改进粒子运动分析的信号处理技术。” Mukuhira说。

研究团队使用在荷兰格罗宁根天然气田记录的真实数据验证了他们的方法。结果展示了卓越的地震运动检测性能，揭示了两个先前被传统方法忽视的低SNR事件。

这些发现具有在各个领域应用的潜力，包括地震学和地球物理学，特别是在具有有限观测点的地下条件监测方面。这些影响还延伸到地震监测、行星探索和资源开发。