探索单台站地震动记录深度学习中的挑战

当代深度学习模型在地震学和地震工程的各类应用中已展现出令人鼓舞的成果。这些模型主要依赖地震动记录来执行地震事件分类、定位、地震预警系统以及结构健康监测等任务。然而，这些模型在多大程度上真正从这些复杂的时序信号中提取出有意义的模式，目前仍未得到充分探索。在本研究中，我们的目标是评估辅助信息（如地震震相到达时间或台网内的地震台站分布）在从地震动记录进行深度学习的过程中占据主导地位的程度，这种主导性可能会阻碍模型的有效性。实验结果揭示了对高度相关的主震相 (P) 和次震相 (S) 到达时间的强烈依赖。这些发现暴露了当前研究格局中的一个关键缺口，即缺乏不依赖辅助输入、仅从单台站地震动记录进行深度学习的稳健方法。