基于网络的加利福尼亚地震预警算法设计：ElarmS-2

2015-03-15SerdarKuyukRichardAllenHollyBrown

地球与行星物理论评(中英文) 2015年4期

关键词：加利福尼亚加州大学警报

H.Serdar Kuyuk　Richard M.Allen　Holly Brown

Margaret Hellweg　Ivan Henson　Douglas Neuhauser

论文

基于网络的加利福尼亚地震预警算法设计：ElarmS-2

H.Serdar KuyukRichard M.AllenHolly Brown

Margaret HellwegIvan HensonDouglas Neuhauser

摘要加利福尼亚综合地震台网(CISN)正在为加利福尼亚州开发一种地震预警(EEW)示范系统。在加利福尼亚综合地震台网震动警报(ShakeAlert)项目中，正在检验3种算法，其中之一是基于台网的地震警报系统(ElarmS)的地震预警系统。在过去的3年中，ElarmS算法经历了大量重新评定和解决技术与方法的若干挑战。在新的生产级产品，即ElarmS第2版(简称ElarmS-2或E2)中，对算法的改进扩大到适用当前地震台网的布局，改进了硬件和软件的性能，提高了预警处理速度和警报的准确性。E2设计为模块化的代码，由改进关联器的新事件监测模块组成，可以更迅速地与少数触发关联匹配，同时也增加了几个新的警报过滤检查，从而帮助最大限度地减少虚报。本文概述了这个新的在线实时系统的方法，总结了其性能。从2012年10月2日到2013年2月15日的在线操作性能来看，平均而言，在所有加利福尼亚发生的地震事件中，ElarmS系统在初至P波到达后8.68±3.73s发布预警。这一时间在台站仪器密集地区减少了2s。震级和发震时刻的标准差为0.4级和1.2s，定位误差中值为3.8km。在加利福尼亚发生的29次地震(MANSS>3.5)中，E2成功检测到26次，发布了两次虚报。E2现正传送警报给震动警报系统，由震动警报系统发布给测试用户。

0引言

地震预警(EEW)是提前识别地震，并在理论上于破坏性地震动开始前几秒对周围人口中心发送即时警报的概念(Allen，2004，2006，2007；Kuyuk and Allen，2013a)。现场和基于台网的预警算法均使用震源附近几个地震台站的数据，尤其是P波的到时来快速估计地震事件的震级、位置和发震时刻(Olson and Allen，2005；Kuyuk and Allen，2013b)。2007年，加利福尼亚综合地震台网(CISN)开始在加利福尼亚实施为期多年的地震预警项目。这个命名为加利福尼亚综合地震台网的震动警报(ShakeAlert)项目正在实施和测试，并将3个不同的预警算法集成为单一的、端对端的生产级系统对来自工业、政府和企业集团的测试用户提供预警信息，最终目标是向社会公众提供预警(Böseetal，2013)。该系统采用的地震数据来自加州的地震台网(约400个台站)，即服务于加利福尼亚综合地震台网的台站(图1)。

图1　参加E2系统处理的加利福尼亚综合地震台网地震台站分布图。正文中所说的两个预警区为旧金山湾地区(SFBA，北部)和洛杉矶地区(LA，南部)，这两个区域人口密度和台站分布密度都很高。图中以矩形箱画出的尤里卡地区为我们放松为提供震级估计值而对台站必须在震中100km之内的要求的地方。这对于考虑门多西诺三联点和戈达角板块区发生的近海地震是必要的。本图的彩色版仅适用于电子版本

震动警报基于以下三种研究地震预警的算法：(1)地震警报系统(ElarmS)，由加州大学伯克利分校开发和维护(本文)；(2)现场系统(OnSite)，由加州理工学院开发和维护((Böseetal，2009)；(3)虚拟地震专家系统，由苏黎世联邦理工大学开发和维护(Cuaetal，2009)。这些算法在检测P波到时、将触发与事件关联、估计震级大小和滤掉虚报方面方法是不同的。震动警报系统则结合了这三种算法的所有信息，并通过决策模块(DM)对各算法识别相同的事件，产生每个地震的最终结果。这种组合事件信息作为单一的不断更新的警报信息发送给在互联网上注册的测试用户。这三种算法(包括ElarmS)给决策模块提供震源信息(位置、震级等等)。然后将震源信息传送给使用用户终端显示(UserDisplay，简写为UD)的用户，以(自动)确定预期的振动强度和到达他们所在位置的时间。

图2　E2处理流程。台站波形由加州大学伯克利分校、加州理工学院和门罗帕克的3个台网中心进行处理。P波触发、振幅、频率和其他参数在3个处理中心生成后发送到加州大学伯克利分校统一的全州触发库进行事件监测运行。对新的触发事件进行质量检查后，首先尝试基于落在明确时空窗内的触发时间与原有事件进行关联处理。如果新的触发不能与原有事件关联，关联器就试图基于不关联触发的时空邻近情况创建一个新的事件。如果3个或更多触发在空间和时间上接近，就产生一个新的事件。然后使用到时和简单的网格搜索算法定位新的或修订的事件。这样可估算出震级。分裂事件过滤器负责检查单一事件的触发没有分裂成两个事件(即，小时空窗内两个或两个以上的事件)，其中删除一个事件，触发返回触发库。警报过滤器继续检查事件库识别通过另一组判据并可以发布到震动警报决策模块的任何事件。目前，事件警报只发布给测试用户

该项目的早期测试用户有多种方式可以接收并使用警报。在这个阶段最普遍的应用是在安装该项目用户终端显示软件的电脑桌面上接收警报。当用户终端显示收到满足用户事先配置的判据(如震级、烈度和/或似然阈值)的警报信息后，在屏幕上弹出震动即将到来的警告消息。屏幕上将显示用户所在位置估计出的振动强度和到震动开始的时间倒计时。提供的信息同时伴有声音信号。该震动警报系统已由Böse等(2013)概述。旧金山湾地区快速运输(BART)列车系统的测试用户已经开发了次生响应层，在观测到的地震动超过阈值时也会触发。当检测到显著事件时，这个旧金山湾地区快速运输自动列车控制系统便对列车开始减速。这个系统目前已在美国部署并是运输系统第一套地震自动响应设备。

最近由Brown等(2011)所述的原ElarmS代码，自2007年以来一直在整个加利福尼亚州使用加利福尼亚综合地震台网的数据实时运行着(Allenetal，2009)。虽然该算法已应用了约6年时间，但警报只发给一小组该系统的测试人员。该代码的理论基础首先由Allen和Kanamori(2003)依据加利福尼亚南部情况提出，继而由Wurman等(2007)依据加利福尼亚北部地区的情况提出。该算法还用大地震(4

1ElarmS-2方法

E2代码是专门设计用来最大限度适用于当前的台网，通过提高预警处理的速度和准确性改进硬件和软件的性能。E2使用C++语言编写，与以前的脚本语言(FORTRAN)相比，提高了处理速度并利用了台网环境的效率。此外，数据传输速度最近又有提高。许多加利福尼亚综合地震台网地震台站的数据记录器通过最近美国复苏与再投资法案(ARRA)获得的资金进行了更换。这些台站现在可以1s向波形处理(WP)中心发送数据包；这是以前系统的改进，过去数据包传输会需要几秒。自2012年4月[加州大学伯克利分校(BK)台网]和2012年8月[南加州地震台网(CI)]以来运行情况看，这些数据现在都是直接处理，警报时间减少达6s。

表1　E2各个版本的修改

1)nCA，加州北部；sCA，加州南部；MTp，由TauPmax估计的震级，MPd，由Pd估计的震级

E2包括一个新的波形处理(WP)模块和一个新的事件监测(EM)模块，加几个新的向决策模块转发警报之前检查每个事件的警报过滤器。E2新的模块化设计使得它易于在任何时候可以对算法的各个单元(定位、震级，等)在不中断处理流程(图2)的情况下进行升级。E2现在还有回放能力，可使我们将新算法或元件获得的结果与过去的结果进行比较，从而对配置进行优化。回放能力是改进系统的关键，E2算法内的模块已经多次更新(见表1)。自2013年1月22日以来最新的版本E2.3.2一直在运行。

2波形处理

在加州大学伯克利分校运行的Apache ActiveMQ服务器负责波形处理中心与伯克利分校的事件监测模块之间的通信。波形处理客户端通过java信息服务器API发送压缩的二进制数据到ActiveMQ信息代理服务器，对于E2和任何其他消息接收客户，它提供发布-订阅消息的环境。E2和所有波形处理程序每5s向加州大学伯克利分校的代理服务器发送心跳信息。这些信息被记录在一个文件里并被监控程序接收，而这个监控程序为一些客户提供加州的安全状况，例如加利福尼亚综合地震台网震动警报系统的用户终端显示。

3事件监测

E2系统的第二部分是事件监测模块(图2)。它的主要任务是对P波触发进行关联处理以确定地震的进展、描述震源特性，并过滤掉虚假事件。事件监测模块由为效率设计的C++语言代码、修改的触发关联器和一个新警报过滤器组成，警报过滤器为向测试用户发布警报而在向决策模块发送警报前对每个事件进行检验。附加的改进包括触发库和事件库。事件监测模块在同一时间可以处理事件库中多个事件。目前，只有一个事件监测模块运行在加州大学伯克利分校，但模块化设计允许多个事件监测模块同时处于激活状态。事件监测模块接收整个加州的数据，即接收三个数据中心波形处理模块中的触发和地震动信息。

接下来，事件监测模块的关联器试图把合格触发与事件库中的原有事件进行关联。要想关联，触发时间必须在规定的时空窗内(图3)。新的触发信号，如果它们在震中的1 500km之内，则允许参与确定一个事件的位置和发震时刻。这一要求防止E2使用远离震中台站的触发信号生成单独的(假)事件，并可使该算法更好地表述具有长断层破裂事件的特征。如果合格的触发不能与任何现有的事件关联，那么事件监测模块就试图将它与触发库中其他触发关联来产生一个新的事件。只有触发满足方程(1)才能生成新的事件：

(1)

式中|t新-tn|是新的触发初动和原有事件的触发初动的时间差，Δd是台站之间的距离，VP是P波速度。这种判据防止在一个事件中新触发的P波走时与其他台站记录的P波走时不一致的情况发生。

新的E2关联器对事件探测有一个附加功能。如果新的触发不能与原有事件关联，它就被添加到存放不关联触发的料斗的触发库。当有空闲时，算法扫描整个料斗，寻找任何一组3个或更多的触发可基于时空参数(图3和式1)进行关联而判定为一个事件。这个多重触发事件步骤很关键，因为它能识别密集台站覆盖、一般也为人口稠密地区的大部分加利福尼亚地震。在这些地区，P波触发可以快速连续被多个台站记录到。如果该算法不能产生多重触发事件，它就再次全面扫描料斗，寻找任何两个相距不到100km且时间相隔小于16.5s的事件。任何不与原有事件关联、或用于生成新事件的触发，仍存在于触发库。与任何其他事件均不关联的触发将返回到触发库并保存30s时间，超过时间这个触发就被认为异常情况而随后被删除。

图3　用于E2的时空关联判据。图中实线和虚线分别表示在8km震源深度预测的P波和S波到时。如果新的触发落在相对于原有事件的E2的关联时空窗内(粗实线之间)，则它就与该事件关联，其参数信息就能得出该事件的位置、发震时刻和震级

如果事件是基于两个触发创建的，定位器就在它们之间确定震中，但1/3会靠近首先触发的台站。如果事件是由3个或更多的台站触发确定的，定位器就使用网格搜索算法估计其位置和发震时刻。该算法使用400×400km网格确定点，每5km一个网格点，事件定位于3个台站的质心。每个台站假定位于最近的网格点，根据走时残差估计近似的震中。为了获得高分辨率的定位，依据第一轮迭代确定的近似震中，在40×40km网格内采用2km网格点间距反复搜索。由于精确的震级估计依赖于好的距离校正因子，这一定位步骤对于E2系统的处理很重要。

图4　P波参数标度关系。图中的叉号和方块在图(a)中代表加州南部和北部的位移(Pd)，在图(b)中代表加州南部和北部的P波频率)(据Brown et al，2011修订)。直线表示E2估计事件震级所使用的震级标度关系线。本图的彩色版仅适用于电子版本

图5　判别远震和近震的线性过滤条件。三角形代表南加州地震台网(sCA：倒三角形)和北加州地震台网(nCA：正三角形)校准数据集事件的和Pd的平均值。方块代表实时系统记录的近震的平均值。实心圆代表E2系统测定的远震的和Pd的平均值。直线是大多数远震和近震的判别函数关系线。远震P波的位移可与近震类似，但周期明显更长。该判别并非完美，因为有3个远震落在错误的区间。本图的彩色版仅适用于电子版本

最初，E2有时会发生将一个单一的地震计算成两个独立但同时发生的事件的情况。原因是有时一小部分触发落在初始关联判据之外了。例如，初始地震定位很差就可能会出现这种情况。为了避免这个问题，我们定义了一个包含现有事件的消隐窗，时间为15s，空间为90km。在关联器产生新事件前，首先检查消隐窗内的全部原有事件。如果提出的新事件的震中与消隐窗内的原有事件匹配，关联器就取消该新事件。与所取消事件关联的所有触发发回到触发库。在过去数据的离线重新运行中，这个简单的程序在大多数情况下阻止了产生分裂事件。

在新的E2中，事件监测模块在事件处理结束和警报消息发送到决策模块前加了4个过滤条件。这些过滤条件的目的是最大限度地减少虚假事件的发布。首先，事件震级必须大于2，估计的震中不应该在网格搜索区域的边缘。第二，事件必须至少在4个台站有触发。尽管在ElarmS系统内只有两个台站的触发就可以产生一个事件，但我们发现在警报发送到决策模块之前，选择4个台站进行处理，虚报率显著降低。对于只有2个或3个触发可用的情况，我们还开发了一种基于人工神经网络的方法来提高性能。该方法目前正考虑添加到未来的E2版本。目前的E2需要4个台站触发警报，而不仅是4个垂直分向(很多台站都有速度和加速度的仪器)。这似乎是一个次要的技术问题，加利福尼亚的地震台网有许多台站安装有一个以上的传感器，如加速度计和宽带地震仪。鉴于此，过去需要从4波道触发的要求可能仅2个台站就满足了，我们确定的数量还不足以精确地确定震中。

设计的第三个过滤条件是，假定在发出警报消息之前，在震中附近有足够的台站被触发。要做到这一点，该算法首先计算触发台站的数量和确定最大震源-台站距离(Dmax)。接下来，围绕地震震中以Dmax为半径画一个圆，计算该圆内台站的数量。过滤器检查这些台站至少有40%发布了触发警报。如果低于40%，事件仍留在事件库，直到满足40%的判据。

(2)

应用这个过滤条件，我们的算法对检验数据集正确地区分了70个近震和23个远震事件，仅有3次远震判定失误。

应用上述警报过滤条件不断地对事件库中的事件进行过滤。一旦1个事件通过判据，则向决策模块发出警报。在最初的警报发送到决策模块后，如果有新的台站触发信号进来(4s之内)并且可以参与地震参数的修订，就可接收新参数而对事件信息更新。这些更新信息发送给决策模块。

表22012年10月2日至2013年2月15日期间加利福利亚E2系统MANSS≥3.5地震的检测数、漏报数和虚报数

加利福尼亚海湾区洛杉矶检测2631漏报300虚报200

Mmax=5.3

确定最佳的警报判据是地震预警系统的最大挑战之一。判据太严，比如需要太多或大量台站要触发，就可能不适合中等规模的地震使用。在这种情况下，警报被延迟，或者根本未送出(即漏报了事件)。另一方面，判据不严格的话，就可导致所发布的警报信息并不是真实的事件(即虚报事件)。新近开发的回放能力具有多重过滤和多重阈值反复进行有效判别的能力。

4性能

我们使用2012年10月2日到2013年2月15日之间加利福尼亚的地震目录对新版E2系统进行了测试。所有统计结果都是基于E2发布的第一次警报得到的。之所以选择第一次警报，是因为它对于早期预警是最重要的。然而与后续警报相比，第一次警报无论是震级、位置还是发震时刻(即迭代更新结果比第一次警报更精确)误差都会大很多。将E2识别的地震与现代国家地震系统(ANSS)所提供目录中的加州地震进行了比较。然后将E2产生的地震以检测的、虚报和漏报的列出(见表2)。一个由E2测定的地震与现代国家地震系统地震目录相比，如果距离在100km之内，并且发震时刻在±30s之内，则认为它们是匹配的。虚报就是在这些限制条件内与现代国家地震系统地震目录中无相应的地震，漏报就是在现代国家地震系统地震目录中有一次M≥3.5地震，而E2对此没有报警。E2可能没有检测到该地震，或者检测到了但不满足发布警报所需要的判据。这不是一个零和过程，因为一些E2测定的ME2≥3.5的地震，可能相当于现代国家地震系统地震目录中MANSS≤3.5的地震因而被认为检测到了。

我们这里所展示的性能统计结果是自2012年10月2日以来一直实时运行的在线实时E2系统E2.3.1和E2.3.2版的结果(图6)。E2.3.2进行的改进仅影响系统的运算速度，所以我们通过考虑两个版本的性能尽量扩大时间窗和事件的数目。我们发现E2检测到了现代国家地震系统地震目录中29个MANSS≥3.5地震中的26个。我们也对该州人口最密集和台站最密集的地区，即旧金山湾地区和洛杉矶地区，研究了其性能，发现这些地区的所有事件都被检测到了，仅有1个虚报事件(表2，图6)。E2也成功地检测到大多数靠近加利福尼亚综合地震台网外侧的地震，包括加州北部门多西诺角和加州-墨西哥边界以南的近海地震。然而，这些位于我们台网边缘或外侧的地震，其估计结果比台网区域内典型检测结果的误差大。

图6　2012年10月2日到2013年2月15日检测到的加利福尼亚全部MANSS≥3.5地震事件(29个)、虚报事件(方块，2个)和漏报事件(圆圈，3个)。现代国家地震系统(ANSS)测定的地震震中(实心五角星)和相应的E2系统测定震中(空心五角星)用直线连接。震源参数的误差在台站分布密集地区最小，在加利福尼亚近海和外侧地区增大，如门多西诺角附近和加州-墨西哥边界以南。正文中描述的两个警报区用框围了起来，一个是旧金山湾区(SFBA，北部)，一个是洛杉矶地区(LA，南部)，都是人口和台站分布密集的地区。本图的彩色版仅适用于电子版本

图7　E2的震级、发震时刻和定位误差。浅色直方图表示所有MANSS≥3.0地震的误差，深色直方图表示MANSS≥3.5地震的误差。统计结果的比较见表5

E2发布了5次虚报信息，但没有1次是在人口最密集的旧金山湾区或洛杉矶地区(图6，表2)。这些虚报都是由发生在加州外侧的地震引起的。1次是2012年12月14日发生在下加加利福尼亚西海岸近海的Mw6.3地震，震中至触发了加州南部许多台站的台网超过300km。由于近海地震初定位置不好，这些触发被关联成4个持续的分离事件(虚报事件，图6中1a-d)。另1个虚报事件由2012年12月13日发生在内华达州托诺帕以西72km的Mw5.1地震引起。距这个内华达州事件最近的台站为80km远，产生了初始定位错误。E2算法在后面的迭代中充分地定位了这个地震；然而后续的台站触发还产生了另一个事件(图6中的虚报2)。尽管E2远震过滤器防止了数十个由远震到时引起的触发生成警报，但这些近震事件确实通过了远震过滤条件，因而产生了虚报。我们计划在下一个版本中优化处理这些地震的关联判据。

在加利福尼亚发生的地震中，E2漏报了3个MANSS≥3.5的地震(图6)，它们都发生在加利福尼亚综合地震台网的边缘。1个位于加利福尼亚-墨西哥(和台网)边界，2个位于加利福尼亚-内华达边界附近塔霍湖的正南部。在台站密集和方位覆盖好且台间距约为20km或更小的地区，我们的关联器效果很好(Kuyukand Allen，2013a)。例如在旧金山湾地区和洛杉矶地区我们识别近震有100%的成功率。然而这个性能在震群和余震序列时却有降低。例如E2的先前版本(E2.2)在2012年8月26～29日的布劳利震群中就漏报了14%的大地震(M>3.5)。该震群有21个MANSS≥3.5的地震，但E2仅报告了其中的18个。所漏报的3个地震发生在更大地震的2min之内，小地震的信号被大地震的信号所覆盖，使得小地震没有检测到。余震序列中地震的覆盖是一个众所周知的问题(Kilbetal，2007)，这个问题在2011年日本东北近海M9特大地震的余震序列中日本地震预警系统也出现过(Hoshibaetal，2011)。我们当前正在研究如何改进关联器流程以识别余震和适宜计算震群序列的地震数量。

本文计算了现代国家地震系统与E2之间MANSS≥3.5和MANSS≥3.0地震的震源参数的差别。我们通过从现代国家地震系统测定的结果中减去E2测定的结果计算震级、发震时刻和定位的误差(图7)。我们发现对于MANSS≥3.0的地震，震级中值误差为-0.05±0.39，其中-0.05表示平均来讲E2系统略微高估了震级0.05震级单位。对于唯一的较大地震(MANSS≥3.5)，误差为0.09±0.46(表3)。

发震时刻和定位的误差均取决于定位算法。发震时刻误差不是正态分布的，而发震时刻误差(以秒为单位)的平均值和标准差为-0.29±1.16(M>3)和-0.10±1.59(M>3.5)。E2的震中位置中值误差(即在真实震中与计算震中之间的距离)为3.78km。对于较大地震(M>3.5)，中值定位误差减少到2.01km。

图8　地震台网遥测传输延迟。这些台网为加州大学伯克利分校数字地震台网(BK)、美国地质调查局北加州地震台网(NC)、美国地质调查局国家强震计划台网(NP)、美国地质调查局/加州理工学院南加州地震台网(CI)和加州大学圣迭戈分校安扎地震台网(AZ)。遥测传输延迟是完整数据包从台站传输到台网中心的时间。(a)y轴已归一化以便每个台网用同一地区的直方图表示。(b)显示真实计数的直方图，正确地表示E2的平均遥测传输延迟。平均来讲，遥测传输延迟为0.44s(见表4)

5系统延迟

我们定义系统延迟为地震发震时刻与E2系统发布该事件第一个警报之间的时间差。这个时间窗包含的时间是：P波能量传递到最初几个地震台站的时间、数据打包的延迟、将数据遥测传送到3个波形处理中心之一、波形处理、参数数据发送到加州大学伯克利分校的事件监测模块和事件监测模块进行处理直到满足警报判据的点以及发布警报的时间。在每个阶段，数据通过每个硬件，或者处理软件到另一个硬件或软件，这都会引起延迟。

我们评估了4种延迟量度：(1)遥测延迟是从一个地震台站传输波形数据包到台网波形处理中心的延迟。(2)波形处理延迟是由波形处理模块处理波形到产生参数的时间延迟。(3)P波延迟是P波到达一个地震站点并检测到触发且被一个波形处理模块处理完之间的时间延迟。(4)警报延迟是从地震发生时刻起到E2发布第一个警报所需所有延迟的总和。

遥测传输延迟是数据从台站传到波形处理模块应用于数据台网处理中心[例如负责伯克利数字地震台网的加州大学伯克利分校(BK)、负责北加州地震台网(NC)和一些国家强震计划台网(NP)的门罗帕克美国地质调查局台网；负责南加州地震台网(CI)、安扎台网(AZ)和一些国家强震计划台站的加州理工学院]的时间。这与数据包的大小无关，因为计算的是数据包到达波形处理中心与数据包最后采样时间的时间差。为了评估遥测传输延迟，我们收集了近1个半月(2012年12月20日到2013年2月4日)所有信道/台站和台网的数据包。图8给出了每个地震台网得到的遥测传输延迟，其中y轴进行了归一化，以便每个台网用同一地区的直方图表示，可对不同台网的延迟进行比较(图8a)。比较各台网提供的实际计数可见，美国地质调查局/加州理工学院南加州地震台网提供的信息量最多，而加州大学伯克利分校数字地震台网和美国地质调查局国家强震计划台网提供了大致相同的信息量(图8b)。这个直方图准确地表示了E2系统的平均传输延迟。单纯的传输延迟平均为0.46s(表4)。加州大学伯克利分校数字地震台网的传输延迟中值为0.44s，而美国地质调查局北加州地震台网的中值是1.36s。美国地质调查局/加州理工学院南加州地震台网延迟较小为0.31s，加州大学圣迭戈分校安扎地震台网最大延迟为4.57s，这是由于加州大学圣迭戈分校安扎地震台网的数据并非直接传到位于加州理工学院的波形处理中心，而是需要两次传输。

表3　E2算法的震级、发震时刻和定位误差统计

表4　E2所使用台网的平均遥测传输延迟

尽管延迟的分布不是正态分布的，但我们列出了标准差以提供可变性的一些量度。

1)标“全部”的第一行为全部组合台网的合计；

2)加州大学伯克利分校数字地震台网(BK)；

3)美国地质调查局国家强震计划台网(NP)；

4)美国地质调查局北加州地震台网(NC)；

5)美国地质调查局/加州理工学院南加州地震台网(CI)；

6)加州大学圣迭戈分校安扎地震台网(AZ)

图9　地震台网的P波延迟。这是波形处理模块接到P波减P波到达地震台站的时间。它包括数据打包、传到台网中心和波形处理等环节。对每个台网的数据已归一化，以便每个台网用同一地区的直方图表示，可对不同台网的延迟进行比较。P波延迟平均为1.14s(见表5)

我们也研究了波形处理排队时间(波形数据包在处理中心等待处理的时间)和波形处理时间(波形处理模块处理波形数据包所需时间)。这两个时间由数据包发送到事件监测模块的时间与该数据包在波形处理中心收到的时间的时间差确定。这两个时间的中值均小于0.001s。因此，与E2系统的其他延迟相比它们可以忽略不计。

表5　台网的P波延迟中值

台网代码同表4

下面，我们考虑P波延迟(图9)，它由一系列延迟组成，包括数据记录器在台站的数据打包。数据产生时，记录器并不立即把数据发送到波形处理的数据处理中心，而是要等数据包满了之后才发送。过去，加州大学伯克利分校数字地震台网、美国地质调查局/加州理工学院南加州地震台网和加州大学圣迭戈分校安扎地震台网台站的记录器(提供了E2系统大部分数据)用4～6s数据的数据包发送数据，早期数据以此数量的数据包处理延迟。由于近来硬件的升级(由美国复苏与再投资法案提供的资金支持)，大多数数据记录器已经更换成以1s数据包发送数据的更先进的记录器。P波延迟也包括上述传输延迟和波形处理的延迟。

为了评估P波延迟(图9，表5)，我们收集了从2012年12月20日到2013年2月4日约1个半月的所有信道/台站和台网的触发记录。所有数据(因而也是所有台网)的P波延迟中值为1.14±2.72s。有很少的数据分布显示出显著的尾部，延伸了数百秒。该尾部说明某些台站的数据急剧延误了，其原因可能是传输条件恶劣、传输暂停，或其他台站的干扰。

在根据美国复苏与再投资法案升级加州大学伯克利分校数字地震台网的22个台站数据记录器和为升级而优化处理代码之前，P波延迟中值为3.83s。现在，新的系统升级后，其延迟中值已经从大约3s减少到0.88±0.37s。美国地质调查局/加州理工学院南加州地震台网运行的设备也在2012年8月进行了升级，其延迟中值现在是1.03±1.82s。美国地质调查局北加州地震台网的延迟更多表现为高斯型分布，延迟中值更大，约为6.20±3.28s。美国地质调查局国家强震计划台网的延迟中值是1.93±3.77s。在美国地质调查局国家强震计划台网之内，有大量台站由于延迟很大而引起数据标准差较大。加州大学圣迭戈分校安扎地震台网的延迟中值最大，达到6.8s，因为它的传输方式特别，是从斯克里普斯海洋研究所传送到位于加州理工学院的区域处理中心。

最后，我们研究整个E2系统公布一次事件的警报平均需要多少秒(图10a)。这个警报的延迟针对E2数据集确定，代表整个延迟，包括P波传播到台站、数据填满打包、传输到中心、波形处理模块处理、参数传输到加州大学伯克利分校的事件监测模块和事件监测模块处理的时间。我们计算了从2012年10月2日到2013年2月15日E2测定的469个地震，包括一些小地震的警报延迟。我们发现E2给用户发布警报平均需要12.37±5.21s。警报时间直方图的尾部主要是由发生在门多西诺角近海的地震和仪器分布欠佳区域的地震引起的，例如加利福尼亚北部和东北部地区。我们还发现对于近海地震和发生在加州-墨西哥边界南部地震的警报一般需要大于20s，而在旧金山湾地区和洛杉矶地区发布地震警报用时较少，分别平均为11.36±3.55s和9.88±5.54s。其余加利福尼亚海岸上的地震，一般警报时间为12.84±4.88s(表6)。

图10　E2对从2012年10月2日到2013年2月15日发生地震实时测定的延迟。(a)E2的警报延迟时间是最初发布警报的时间与现代国家地震系统(ANSS)地震目录给出的发震时刻之时间差。中值为12.37±5.21s。(b)P波到达第一个台站的初动所需时间由第一个台站的触发时间减去现代国家地震系统给出的发震时刻确定。中值为3.23±3.75s。(c)E2处理延迟，即警报时间减P波到达地震台站的时间，表示台网和E2发布警报需要的总时间。中值为8.68±3.73s。旧金山湾地区和洛杉矶地区发布警报时间最短(见表6)

第一个台站警报-第一个警报-ANSS触发-ANSS台站触发发震时刻发震时刻中值中值±标准差/s中值±标准差/s±标准差/s其他12.84±4.883.30±3.078.90±3.81近海22.59±7.4412.07±7.3611.40±4.46洛杉矶9.88±5.543.26±3.166.72±3.96海湾区11.36±3.552.66±3.268.62±2.81全部12.37±5.213.23±3.758.68±3.73

给出了各地区的延迟(图1框中的洛杉矶和旧金山湾地区)。由于台站覆盖密集，旧金山湾地区和洛杉矶地区的延迟较小

我们还测定了P波到达第一个台站的时间和同一组事件P波最早触发到报警所用的时间。从P波最早触发时间，我们减去现代国家地震系统给出的发震时刻来确定台网台站最早收到地震信息需要多长时间。这个时间中值为3.23±3.75s(图10b)。对于台网台站稀疏地区的地震，P波到达第一个台站可能超过10s。在仪器布设密集的地区，例如旧金山湾地区和洛杉矶地区，该时间约为2～3s。E2处理的延迟是警报发布时间减P波最早到达最近台站的时间，中值为8.68±3.73s(图10c，表6)。当前E2的处理延迟在洛杉矶地区最小，中值为6.72±3.96s，比旧金山湾地区几乎快了2s。这是由美国地质调查局北加州地震台网台站的附加延迟引起的，而这些台站在加州北部地区占很大比例。

6结论

我们目前在加利福尼亚的加利福尼亚综合地震台网实时系统中运行着全新版本的ElarmS算法。E2完成了从研究原型算法到产品质量代码的重写和重建，提高了运行速度，维护及修改更容易。同时对算法也进行了改进和补充。新代码可最大限度地用于当前的台网，通过改进预警处理的速度和精度提升了硬件和软件的性能。E2被设计成一个模块代码，由新的波形处理模块组成，因而可更快地向事件监测模块提供数据。新的事件监测模块配有显著改进的关联器，可相当快速地与少数触发进行关联，同时还增加了几个新的发布警报前检查每个事件的警报过滤器，从而可尽量减少虚报。

E2检测了整个加利福尼亚州的地震并发布了警报信息。E2在实时测试运行期间(2012年10月到2013年2月)检测到了加利福尼亚州发生的29个MANSS≥3.5地震中的26个地震，漏报3个地震，发布了2次虚报。3个漏报的事件都不在旧金山湾地区和洛杉矶地区，而是发生在地震台站密度低的加利福尼亚州更遥远的地方。两个虚报产生于我们台网范围外侧的大近震，大远震均未产生虚报。震级、发震时刻和地震定位误差中值的标准差分别为0.39级、1.16s和3.78km。对于所有加利福尼亚发生的地震，E2当前在最早检测到P波后平均8.68±3.73s发布警报。我们将继续研究改进E2系统的性能，力求进一步减少存在的时间延迟。

数据与来源

为了评估E2的性能，我们使用了现代国家地震系统地震目录中2012年10月2日到2013年2月15日加利福尼亚州的地震(http：//www.ncedc.org/anss/，最后访问时间2013年3月)。我们的分析使用了提供给震动警报项目的标准E2输出数据，而且这些数据也与提供给地震预警事件监测模块的输出数据相同。分析程序代码使用MTALAB语言编写(http：//www.mathworks.com/；最后访问时间2013年7月)。

参考文献

Allen，R.M.(2004).Rapid magnitude determination for earthquake early warning，in The Many Facets of Seismic Risk，G.Manfredi(Editor)，University of DegliStudi di Napoli “Federico II”，Naples，Italy，15-24.

Allen，R.M.(2006).Probabilistic warning times for earthquake ground shaking in the San Francisco Bay Area，Seismol.Res.Lett.77，no.3，371-376.

Allen，R.M.(2007).The ElarmS earthquake early warning methodology and application across California，in Earthquake Early Warning，P.Gasparini(Editor)，Springer，Milan，Italy，21-44.

Allen，R.M.，and H.Kanamori(2003).The potential for earthquake early warning in southern California，Science 300，786-789.

Allen，R.M.，H.Brown，M.Hellweg，O.Khainovski，P.Lombard，and D.Neuhauser(2009).Real-time earthquake detection and hazard assessment by ElarmS across California，Geophys.Res.Lett.36，L00B08，doi：10.1029/2008GL 036766.

Böse，M.，R.Allen，H.Brown，G.Cua，M.Fischer，E.Hauksson，T.Hea ton，M.Hellweg，M.Liukis，D.Neuhauser，P.Maechling，and CISN EEWGroup(2013).CISN ShakeAlert：An earthquake early warning demonstration system for California，in Early Warning for Geological Disasters—Scientific Methods and Current Practice，F.Wenzel and J.Zschau(Editors)，Springer，Berlin，Germany，ISBN：978-3-642-12232-3.

Böse，M.，E.Hauksson，K.Solanki，H.Kanamori，Y.-M.Wu，and T.H.Heaton(2009).A new trigger criterion for improved real-time performance of on-site earthquake early warning in southern California，Bull.Seis mol.Soc.Am.99，no.2A，897-905，doi：10.1785/0120080034.

Brown，H.M.，R.M.Allen，and V.F.Grasso(2009).Testing ElarmS in Japan，Seismol.Res.Lett.80，727-739.

Brown，H.M.，R.M.Allen，M.Hellweg，O.Khai-novski，D.Neuhauser，and A.Souf(2011).Development of the ElarmS methodology for earthquake early warning：Realtime application in California and offline testing in Japan，Soil Dynam.Earthq.Eng.31，188-200，doi：10.1016/j.soildyn.2010.03.008.

Cua，G.，M.Fischer，T.Heaton，and S.Wiemer(2009).Real-time performance of the virtual seismologist earthquake early warning algorithm in southern California，Seismol.Res.Lett.80，no.5，740-747.

Hoshiba，H.，K.Iwakiri，N.Hayashimoto，T.Shimoyama，K.Hirano，Y.Yamada，Y.Ishigaki，and H.Kikuta(2011).Outline of the 2011 Off the Pacific Coast of Tohoku earthquake(Mw9.0)—Earthquake early warning and observed seismic intensity，Earth Planet.Space 63，547-551.

Kilb，D.，V.G.Martynov，and F.L.Vernon(2007).Aftershock detection thresholds as a function of time：Results from the ANZA seismic network following the 31 October 2001ML5.1 ANZA，California，earthquake，Bull.Seismol.Soc.Am.97，780-792.

Kuyuk，H.S.，and R.M.Allen(2013a).Optimal seismic network density for earthquake early war-ning：A case study from California，Seismol.Res.Lett.84，no.6，946-954.

Kuyuk，H.S.，and R.M.Allen(2013b).A global approach to provide magnitude estimates for earthquake early warning alerts，Geophys.Res.Lett.40，doi：10.1002/2013GL058580.

Olivieri，M.，R.M.Allen，and G.Wurman(2008).The potential for earthquake early warning in Italy using ElarmS，Bull.Seismol.Soc.Am.98，495-503，doi：10.1785/0120070054.

Olson，E.L.，and R.M.Allen(2005).The determi-nistic nature of earthquake rupture，Nature 438，no.7065，212-215.

Tsang，L.，R.M.Allen，and G.Wurman(2007).Magnitude scaling relations from P waves in southern California，Geophys.Res.Lett.34，L19304，doi：10.1029/2007GL031077.

Wessel，P.，and W.H.F.Smith(1995).New version of the Generic Mapping Tools released，Eos Trans.AGU 76，329.

Wurman，G.，R.M.Allen，and P.Lombard(2007).Toward earthquake early warning in northern California，J.Geophys.Res.112，no.B08311，doi：10.1029/2006JB004830.

译自：BullSeismolSocAm.2014.104(1)：162-173

原题：Designing a network-based earthquake early warning algorithm for California：ElarmS-2

(黑龙江省地震局张永刚、郝永梅、辽宁省海城市地震观测站杜微译；吕春来校)