短周期密集地震臺陣具有成本低廉、易于布設的優(yōu)勢，逐漸發(fā)展成為關(guān)鍵構造區地殼-上地幔尺度結構被動(dòng)源地震成像的主流方法之一。不同于寬頻帶地震儀，去儀器響應是短周期地震儀接收函數成像必要的處理步驟，用于恢復遠震記錄中的低頻信號。但是，去儀器響應同時(shí)放大了低頻噪聲，導致噪聲水平較高的情況下遠震記錄信噪比“不升反降”（圖1）。由于噪聲與遠震信號頻帶相似，使用常規的帶通濾波方法難以將其去除，甚至不具備可行性。
圖1 去儀器響應（a）能夠恢復遠震波形、（b）破壞遠震波形。去儀器響應前后波形分別用藍色和黑色線(xiàn)表示，其中零時(shí)刻表示遠震P波理論到時(shí)
為解決這一問(wèn)題，中科院地質(zhì)與地球物理研究所博士生馮銘業(yè)與導師陳凌研究員、韋生吉客座研究員等，將深度學(xué)習方法——卷積神經(jīng)網(wǎng)絡(luò )近震記錄降噪技術(shù)——引入到三分量遠震記錄降噪中，進(jìn)而提高P波接收函數波形及成像分辨率。不同于傳統的頻率域（或小波域等）濾波降噪方法，神經(jīng)網(wǎng)絡(luò )經(jīng)過(guò)機器學(xué)習訓練能夠分別預測信號和噪聲，實(shí)現二者的有效分離，在提高信噪比方面明顯優(yōu)于傳統方法。但是，由于近震記錄與遠震記錄波形特征差異較大，基于近震數據集訓練得到的神經(jīng)網(wǎng)絡(luò )模型難以直接、有效地應用到遠震記錄。為此，該研究利用全球地震監測臺網(wǎng)長(cháng)達20年的高質(zhì)量遠震數據對“當下先進(jìn)的”時(shí)間域“端到端”卷積神經(jīng)網(wǎng)絡(luò )結構WaveDecompNet重新進(jìn)行了訓練，發(fā)展了名為NodalWaden的新模型。研究將NodalWaden應用于布設在蘇門(mén)達臘北部亞齊地區的155個(gè)短周期地震儀長(cháng)達1.5年的遠震觀(guān)測記錄，發(fā)現約50%遠震數據的信噪比有顯著(zhù)提高（從~1提高至>10）（圖2）。
圖2（a）蘇門(mén)答臘北部亞齊地區短周期地震儀分布及本研究所用遠震事件分布。（b）深度學(xué)習技術(shù)能夠有效分離原始三份量遠震記錄（黑色）中的遠震信號（紅色）和噪聲（藍色），其中零時(shí)刻表示遠震P波理論到時(shí)。（b）降噪前后單臺A01和所有臺（共155個(gè)）信噪比（SNR）統計圖對比，其中降噪前后結果分別用黑色和紅色表示
研究發(fā)現相對未降噪數據，利用降噪數據計算的接收函數波形具有三方面明顯提升：1）接收函數中的長(cháng)周期波包噪聲得到了有效壓制，波形更為清晰；2）在大約2 s處的一個(gè)正極性弱信號振幅得到明顯加強；3）直達P波震相振幅得到有效恢復（圖3a）。經(jīng)過(guò)接收函數波形分析和共轉換點(diǎn)疊加成像，發(fā)現該約2 s處正極性震相對應中地殼深度，可能反映未降噪數據集無(wú)法清晰分辨的康拉德界面（圖3b）。
圖3（a）降噪前后TG09臺站接收函數波形對比（分別位于左側和右側）。（b）降噪前后沿圖2a中AA’剖面接收函數地殼-上地幔頂部結構成像結果對比，其中Moho和Conrad分別表示本研究所解釋的莫霍面和康拉德面
這項研究為短周期地震記錄智能降噪提供了新方案，為提高短周期密集臺站地殼尺度結構成像分辨率提供了新思路，促進(jìn)了人工智能與地震學(xué)的交叉融合。
研究成果發(fā)表于國際地震學(xué)學(xué)術(shù)期刊SRL（馮銘業(yè)，陳凌*，韋生吉，Umar Muksin，Andrean V. H. Simanjuntak，陳余寬，宮暢. Deep Learning – Based Denoising Improves Receiver Function Imaging Using Dense Short-Period Teleseismic Data [J]. Seismological Research Letters. DOI:?10.1785/0220240017.）
