论文部分内容阅读
获得地下介质的物理属性(如地震波速、地震Q值等)可以帮助我们更好地理解区域构造、断层结构、地震孕震区结构等。地震层析成像是一类非常重要的探测地球结构的技术。一般来讲,地震学家们常常利用地震激发产生的P波、S波以及面波或者从背景噪声中提取的面波信号对地下结构进行成像。本文研究的重点是应用新发展的区域尺度体波层析成像算法以及发展新的基于深度学习的面波层析成像算法。主要包括以下4个方面研究内容:(1)地震波速变化的时空分布对于我们了解地下介质物理状态和地震预警有着重要意义。先前研究发现波速变化存在于南加州不同地区,包括地震引起的波速以及由温度变化引起的季节性波速变化,但对于南加州整个地区的速度变化背景是不清楚的。是否存在稳定的波速变化?其位置在哪?是稳定的局部波速变化还是全局的波速变化?由于基于背景噪声互相关技术以及重复地震尾波干涉方法无法为波速变化提供较为准确的空间信息,为此我们使用最新发展的双差地震时移层析成像算法对南加州地区17年(2000年-2016年)的地震数据进行了P波时移成像,得到了每个时间段的三维P波速度变化,并综合了不同区域不同时间段的成像结果,发现南加州的地区的波速变化时空特征复杂,推测可能是由于多种因素(地震、温度以及降雨等)综合引起波速变化而造成了时空上的复杂性。圣哈辛托断层区域深度7-13km的相对平均波速变化的波动幅度比浅层4km的要大,推测地震分布集中在7-13km是导致该深度的介质裂缝常常处于开闭状态,而浅部4km的介质相对保持比较完整,波速变化相对较小。(2)利用新发展的双差时移层析成像方法揭示了2016年6月10日Borrego Springs Mw5.2级地震引起的P波速度变化。地震发生会使得断层破坏以及愈合,从而导致断层区域的介质波速发生变化。为了解断层区域在发震前是否有应力加载的情况以及地震发生后断层是否愈合,我们利用时移层析成像算法对该地震前后的地震数据进行时移层析成像,并获得了前震时期(主震前105天)、同震时期(主震后15天内)、震后时期1(主震后15天到60天)和震后时期2(主震后60天到105天)的波速变化分布。发现前震时期主震区域周围的Vp有略微上升的趋势,同震时期主震区域Vp开始下降,震后时期1Vp下降达到最大(～2%),且余震整体处于Vp降低区域,震后时期2余震所处区域的Vp开始回升。结合前人的研究推测震后时期Vp下降主要由于主震以及余震导致断层破碎引起的。浅部Vp在震后时期1和2都处于下降,还未开始愈合,而深部Vp在震后时期2开始出现回升,预示着断层在深部开始愈合。(3)为了更好地理解东太平洋隆起Gofar转换断层介质的物理状态,基于地震Q值对破碎带、流体的存在以及温度相比于地震波速更为敏感,我们利用16个分布在Gofar转换断层上的海底地震仪记录到的地震数据进行三维体波衰减层析成像,首次获得了该地区整个洋壳的三维Qp和Qs分布。结果显示沿着转换断层上的Qs分布呈现分段式,并且与Vs分布有着较强的一致性。主震区域显示高Qp、高Qs、高Vp、高Vs以及低Vp/Vs,而主震区域的东侧显示低Vp、低Vs、高Vp/Vs、低Qp、低Qs以及低Qs/Qp(<1)。联合速度以及衰减层析成像结果,我们将主震区域的东侧(前震区域)解释为高破碎带且富含流体。(4)我们发展了一种基于深度学习技术的面波层析成像算法并应用于不同尺度区域,获得了与传统方法相当的结果。随着台站数量的激增,人们可以从不同的源(地震、人工源、背景噪声等)产生的面波信号中提取出海量的频散曲线。传统方法需要对每条频散曲线进行单点反演,比较耗时,且最后拼接的速度模型中存在奇点(与周围Vs相差很大的Vs值)。我们利用深度学习中的卷积神经网络从大量的有特征的一维速度模型产生的频散曲线中学习一维速度模型以及频散曲线的对应关系。该方法需要训练大量的速度模型以及对应的频散数据,训练好的模型就可以一次性应用于海量频散数据中预测对应的速度模型。我们针对中国大陆的面波数据和美国南加州地区的面波数据开展了应用研究并获得比传统方法更好的结果。