面向快速机器学习辅助的微震事件定位与震源机制贝叶斯后验推断

应用于微震活动监测的贝叶斯推断能够从记录到的地震图中准确确定微震事件的位置并估计相关不确定性。然而，执行贝叶斯震源反演所必需的微震事件正演建模在计算资源上可能昂贵得令人望而却步。一个可行的解决方案是基于机器学习技术训练替代模型，以仿真正演模型从而加速贝叶斯推断。在本文中，我们大幅增强了先前仅考虑具有各向同性矩张量震源的工作。我们在记录到的压力波功率谱上训练机器学习算法，并表明训练后的仿真器允许对$\textit{任意}$震源机制进行完整且快速的事件定位。此外，我们表明我们的方法计算开销低，因为它可在商用笔记本电脑上少于1小时内运行，同时利用少于$10^4$条训练地震图即可产生准确结果。我们进一步展示了训练后的仿真器如何通过估计贝叶斯证据来识别震源机制。最后，我们证明我们的方法对实地数据中测得的真实噪声具有鲁棒性。本工作为未来高效、准确的事件位置与矩张量及其相关不确定性的联合确定奠定了基础，这最终是准确刻画人为诱发与自然地震以及增强定量地震危险性评估的关键。