基准测试地震相位关联器：来自合成情景的洞见

可靠的地震活动目录是地震学的必需品。在相位拾取之后，相位关联将到达时分组到具有一致来源（即事件）的集合中，确定事件计数，并识别异常拾取。为了处理来自改进拾取方法和更大部署量的大量地震相位拾取，最近提出了几种新型相位关联器。本研究对包括 PhaseLink、REAL、GaMMA、GENIE 和 PyOcto 在内的五种地震相位关联器进行详细的基准分析。我们使用模仿岩石区和俯冲区地震活动特征的合成数据集。我们评估了不同条件下的性能，包括低噪声和高噪声环境、网络外事件、非常高的事件率以及可变站点密度。结果显示在精度、召回率和计算效率方面存在显著差异。GENIE 和 PyOcto 表现出色，在大多数情景下几乎可以实现完美的性能。只有在噪声水平和事件率最高的挑战性条件下，性能会下降，但仍保持 F1 分数在 0.8 以上。PhaseLink 的性能随噪声和事件密度而下降，特别是在俯冲区，在最复杂的案例中性能接近零。GaMMA 在 PhaseLink 之外表现更好，但在高噪声、高密度情景下在准确性和可扩展性方面仍存在挑战。REAL 表现合理，但在极端条件下召回率会下降。PyOcto 和 PhaseLink 在较小规模的数据集上显示最快的运行时间，而 REAL 和 GENIE 在这些情况下运行速度慢于一个数量级。在最高的拾取率时，GENIE 的运行时劣势减小，与 PyOcto 相当并有效扩展。我们的结果可为编排地震活动目录的实践者以及设计新型关联器的开发者提供指导。