基于AETA电磁扰动信号的断裂带监测和分析研究

何春舅,雍珊珊,2,郭琴梦，王新安,王 培

(1.北京大学深圳研究生院 地震监测预测技术研究中心，广东 深圳 518055;2.深圳北理莫斯科大学， 广东 深圳 518100)

1 引 言

地震大多发生在地质活动性较强的断裂带上，地震发生时，建筑物在断裂带上的破坏程度要明显高于非断裂带区域[1-4]。目前我国经济持续快速增长，城市化进程加快，现代化城市一旦遭到大地震的突然袭击，很可能造成城市功能失效瘫痪。

城市活断层探测的方法很多，主要包括地质地貌调查、地球化学探查和地球物理勘探[5,6]。其中地质地貌调查包括遥感图像处理分析、断错地质地貌制图、钻探、槽探、大地切片探测等，卫星遥感技术和大地切片技术目前在国内外活动断层探测中得到了广泛的应用。但受地表城市工程建设影响，隐伏的断裂带无法进行全面的识别和判断，且难以做到一定的时效性检测[7,8]。地球化学探查有方便、快捷、高效和低成本等特点，应用较多，但受地质结构不同，不能全方位的识别断裂带分布和检测其活动性，并且也难以做到有时效性的检测[9-14]。地球物理探查多需向地表加载主动的冲击，对人们生活产生影响，不适宜在城市大规模细致地进行探测和实时检测[15-21]。

为了能够支撑在城市开展地质活动性的实时监测，克服现有技术不能开展无破坏、精细化和实时的探测和检测的困难，本文提出一种基于多分量地震监测系统AETA(Acoustic & Electromagnetics Test in All One System)电磁扰动观测数据的断裂带监测和分析方法，采用定制的AETA电磁传感探头和终端对目标区域进行流动测试，对采集到的电磁扰动信号提取统计特征进行分析，从而确定断裂带的分布和活动性。

2 多分量地震监测系统AETA

多分量地震监测系统AETA由北京大学深圳研究生院地震监测预测技术研究中心研制，该系统由地声传感探头、电磁传感探头、地面处理终端以及云平台数据存储和分析系统组成，如图1所示。AETA系统能感知来自地下的电磁扰动、地声信号，实时监测其变化，采集的数据通过有线或无线网络传输到云平台，用户可通过互联网在客户端或网站实时查看云平台的监测数据[22]。该系统地声传感探头的性能指标为：频率范围0.1 Hz～7 kHz，电压分辨率19.073 μV，一致性小于5.5 %(0.47 dB)，数据分辨率18 bits[23]；电磁传感探头的性能指标为：带宽10 Hz～10 kHz，灵敏度为69.1 mV/nT@2 kHz，噪声水平为0.1～0.2pT/ Hz1/2@(10 Hz～10 kHz)，数据分辨率18 bits[24]。

图1 多分量地震监测预测系统AETA系统Fig.1 System block of multi-component seismic monitoring and prediction system AETA

经过与中国地震局监测预报司及相关省地震局协商，选取了地震频发的川滇地区和曾发生过唐山大地震的首都圈作为观测区域，布设了181个AETA台站，川滇地区152个，首都圈29个。同时在这两个区域周边，包括西藏、青海、甘肃、广东、台湾等区域还布设了40个台站，观测目标区域的远场范围内电磁扰动信号的变化。

AETA系统具有系统性能稳定、环境适应性高、易于布设、抗干扰能力强的特点，能够快速地在目标区域进行观测站点的布设，实时监测目标区域的地质活动信号[25，26]。

3 基于AETA系统电磁扰动信号的断裂带分布和监测方法

3.1 AETA系统电磁扰动信号与断裂带相关性分析

通过对目标区域近三年的观测实验，发现AETA系统电磁扰动信号的差异性和波动程度能够反应地质结构和活动性，进行断裂带分析和监测。根据观测数据，活动断裂带的电磁扰动信号会呈现日周期波动特性，其中一种典型的以日升日落同步变化的日周期波动特性与地震风险相关,如图2所示。

图2 部分台站日周期日升日落同步变化电磁扰动波形Fig.2 Electromagnetic disturbance waveforms of synchronous variation of daily periodic sunrise and sunset at some stations

同时，断裂带活动程度会产生不同幅值和波动程度的电磁扰动信号，根据幅值的平均波动程度可以判断断裂带活跃度。如图3所示，在四川省凉山州冕宁县泸沽镇沿断裂带(图中红色线条)切线方向布设测点，根据测试数据幅值和波动性可知,距离断裂带越近,数据幅值越高,且波动性越强;距离断裂带越远,则数据幅值越低。

图3 冕宁县泸沽镇测点分布及平均活动性Fig.3 Distribution and average activity of measuring points in Lugu town, Mianning county

3.2 基于AETA电磁扰动数据的断裂带活动性分析方法

3.2.1 特征选取

统计描述是对样本数据直观精炼的一种分析方法。为掌握样本数据的总体情况，获取样本信息，研究者可通过一些统计指标提取样本特征。本文采用统计特征来确定断裂带的活动性，具体选取的特征包括标准方差、均值和变异系数。均值表示一组数据集中趋势的量数，是反映数据集中趋势和离散程度的一项指标；方差是衡量随机变量或一组数据离散程度的度量；变异系数反映数据离散程度的绝对值，其大小受变量值离散程度和变量值平均水平大小的影响。

对一个样本的统计描述可以从集中趋势、离散趋势、分布形态几个方面来描述。集中趋势是对样本数据的集中状况和平均水平的综合测度。离散趋势是对样本数据的差异程度和离散程度的测度。通常满足对称分布或(近似)正态分布的数据样本可以用均值或标准差来描述，呈偏态分布的数据样本，统计描述采用中位数(Median，M)、四分位数间距(Quartile Range，QR)、第50百分位数(P50)、第25百分位数(P25)或第75百分位数(P75)。

本文选用均值、标准方差和变异系数作为测试样本的特征值。通过三个特征表征测试数据的基本属性，反映各个测点电磁信号的波动情况。当进行两个或多个数据集变异程度的比较时，如果均值相同，便可以直接用标准差进行比较。如果均值不同，就需要用变异系数来比较。变异系数没有量纲，消除了均值不同的影响，有利于进行客观的比较。变异系数定义为标准差和均值的比值，如式(1)所示。

(1)

式(1)中，cv为变异系数，σ为标准差，μ为均值。

3.2.2 分类边界的确定

分类边界方法可以帮助找到区域差异的边界所在，为更好地确定断裂带的分布和形状做铺垫。

分类边界的确定分为两步：①根据特征值，将样本划分为两类；②根据分类结果，拟合出一个最佳的分界线。

Kmeans法是一种常用的无监督聚类方法。它的基本思想是，通过迭代方式寻找K个簇，使得聚类结果对应的代价函数最小。Kmeans聚类的代价函数定义为J1，表示各个样本距离所属中心点的误差平方和，如式(2)所示。

(2)

式(2)中xi代表第i个样本，ci是xi代表所属的簇，uci代表簇对应的中心点，M是样本总数。

测试采集到的数据本身为时间序列数据，不适合直接用Kmeans方法处理，因此将采集到的数据划分为特定时间长度的子序列来分别计算特征，采用此特征来表示样本，用Kmeans方法将样本划分为两类。

分类边界的拟合可以借助逻辑回归算法，逻辑回归的条件概率分布如下所示：

式(3)和式(4)中，xb是输入样本，xb=(1;x1;x2;…;xd)，θ=(θ0;θ1;θ2;…;θd)，d是特征维度，θT是θ的转置。

对于给定的输入样本xb，按照式(3)可以求得P值，P值大小和0.5比较，根据比较结果，将输入样本划分到0或1类中去。可以看出，两类样本的分类边界为θTxb=0。

(5)

式(5)中y是上述Kmeans方法的输出结果。

确定分类边界的算法流程为：

1)初始化2个簇中心，记为uc1(0)，uc2(0)；

2)定义Kmeans聚类的代价函数J1；

3)令t=0，1，2…为迭代步数，重复过程直到J收敛：对于每个样本xi，将其分配到距离最近的簇，对于每个簇，重新计算该簇的中心；

4)前3步得到的两簇数据类标签，定义为y，取值为0和1；

5)重新构建数据集，特征为测点的经纬度，标签为测点的类标签；

6)逻辑回归代价函数J2的结果取极小值，利用梯度下降法迭代求解式(4)中的参数；

7)最后得到分类边界θ0+θ1x1+θ2x2+…+θdxd=0。

4 实验结果及分析

基于以上AETA系统观测结果，将AETA系统的电磁扰动探头和终端进行定制化设计，使其适合断裂带的流动测试并开展基于本文技术的城市活跃断裂带的测试试验。采用在已探明的断裂带附近按照约50 m×50 m的间隔选取一个测点的方法，在北京黄庄—高丽营断裂带[27]北段附近沿断裂带沿线布设三条流动测试线共30个测点；青川县乔庄人民公园附近区域布设30个测点、银杏公园附近布设30个测点(青川县断裂带)；丽江市永胜县15号强震台附近区域以台站为中心布设40个测点(丽江程海断裂带)，在以上区域开展基于AETA电磁扰动信号的断裂带监测试验，做精细化勘探和活动性分析(图4～图7)。

图4 黄庄-高丽营断裂带各测点数据特征分类拟合结果Fig.4 Classification and fitting results of data characteristics of each measuring point in Huangzhuang-Gaoliying fault zone

图5 青川乔庄断裂带(人民公园)各测点数据特征分类拟合结果Fig.5 Classification and fitting results of data characteristics of each measuring point in the middle branch fault zone of Qiaozhuang, Qingchuan

图6 青川乔庄断裂带(银杏公园)各测点数据特征分类拟合结果Fig.6 Classification and fitting results of data characteristics of each measuring point in fault zone of Qiaozhuang, Qingchuan

图7 丽江程海断裂带各测点数据特征分类拟合结果Fig.7 Classification and fitting results of data characteristics of each measuring point in fault zone of Chenghai, Lijiang

根据各测点的原始数据提取均值、方差和变异系数3个特征，运用主成分分析方法将三维特征值降为一维特征值，然后对特征值进行二分类。并根据特征空间分布画出位置图，对强信号台站(红点)进行拟合，得到断裂带影响区域图(图4～图7)。

对比实际断裂带，以上3条断裂带拟合结果与实际断裂带延伸方向一致，且认为在红线附近区域受断裂带影响较大，活动性更强。

5 结 论

本文提出了一种基于多分量地震监测系统AETA电磁扰动观测数据的断裂带分布和监测方法，并沿着已探知的断裂带布设流动点开展监测实验，根据各测点原始数据提取特征值，采用主成分分析方法降维处理，最后基于分类算法进行活跃度分类，对强信号台站进行拟合，得到断裂带影响区域。本文完成了北京、丽江、青川等部分区域的断裂带监测实验并对试验数据进行分析，得到的拟合结果与实际断裂带延伸方向一致。基于AETA系统的断裂带监测方法可作为一种新的城市断裂带监测手段，与其他探测方法相结合，未来将在更多城市和地区开展监测试验研究。