A Matrix Profile Based Time Window Selection Method for Microtremors HVSR measurements

脚下的土地很少是静止不动的。即使我们感觉不到，地球也在持续发出低频振动，这种振动是由海浪、风以及交通和建筑施工等人类活动产生的远距离轰鸣引起的。地震学家称这些微弱的震颤为“微震”（microtremors）。通过仔细聆听这些背景噪声，科学家可以在不挖掘任何坑洞的情况下，绘制出地表下方隐藏的岩石和土壤层。这种被称为“水平-垂直谱比法”（Horizontal-to-Vertical Spectral Ratio method）的技术，其原理是比较地面水平方向与垂直方向的震动幅度。这两者之间的比例会产生一条独特的曲线，揭示出特定场地的自然节奏，即“主频”。这一信息对于设计抗震建筑的工程师来说至关重要，因为不同的土壤层会以不同的方式放大震动。然而，这种信号非常脆弱。由于地球的“嗡嗡声”是非平稳的——这意味着它会随时间不断变化——并且极易被突发的噪声淹没，因此生成的曲线可能会发生畸变。如果研究人员只是简单地对收集到的所有数据进行平均，这些畸变可能会掩盖真实的地面节奏，导致地下结构图绘制不准，并可能导致不安全的工程决策。

为了解决这个问题，来自中国地震局的研究员孔德翔、史丽晶和黄俊杰开发了一种清理测量数据的新方法。他们不再是对收集到的每一段数据进行平均（因为这往往包含错误的信号），而是创建了一种能够自动识别并剔除那些嘈接收杂、不可靠片段的方法，然后再计算最终结果。他们的方法依赖于一种名为“矩阵轮廓”（Matrix Profile）的数学工具，该工具旨在寻找长序列数据中的模式并识别异常值。想象一串长长的珠子，其中大部分都是完全相同的，但有几颗颜色或形状不同；矩阵轮廓就像一个扫描仪，能瞬间标出那些奇特的珠子，以便将它们剔除。在本研究中，“珠子”并非物理对象，而是由微震记录生成的短时间窗口谱曲线。研究人员通过三个不同层级的验证测试了该方法：简单的数学信号、计算机模拟的地表数据，以及从实际现场采集的真实世界测量数据。

团队首先在理想化的信号上测试了他们的算法，以观察其是否能区分干净的数据与受噪声污染的数据。他们模拟了一个稳定的信号，然后加入了不同程度的随机干扰，以模拟交通或工业机械可能对测量造成的干扰。结果显示出一种清晰的直接关系：随着噪声增加，算法的“异常得分”也随之同步上升。这证明了该方法可以定量测量特定时间窗口受干扰的程度，而无需预先知道噪声的具体形态。它成功识别出了最干净的片段，并标记出了最混乱的片段，即使干扰是逐渐变化的或表现为突然的尖峰。

接下来，研究人员利用基于已知地下结构的计算机生成微震数据，进入了一个更真实的场景。在这种模拟中，因为模型是他们自己构建的，所以他们掌握了场地的确切“真实”频率。当使用传统的平均法处理所有数据时，计算出的频率偏差超过了10%，且曲线形状宽泛且模糊。然而，当他们应用这种新的矩阵轮廓法来过滤掉不良的时间窗口时，误差降至仅5.1%。生成的曲线变得更加锐利，并与已知真相高度吻合。这表明该方法可以有效地消除由非平稳噪声引起的畸变，让真实的地质信号得以更清晰地显现。

最后，团队将该方法应用于实地测试，使用了在两个不同工程现场采集的真实微震数据。在其中一个地点，他们可以获取深孔钻探数据，这为地面的真实响应提供了一个可靠的参考。在另一个地点，由于缺乏钻探数据，他们将结果与基于强震记录的基准进行了对比，这是在没有钻孔数据时的标准做法。在第一种情况下，传统方法产生的结果与真实值偏差接近18%。在使用矩阵轮廓法过滤数据后，结果的离散度大幅下降，曲线与理论模型更加吻合。在第二个缺乏深钻数据的现场，传统方法得出的频率比基准高出近25%。通过剔除异常窗口，新方法将误差降至不到3%，达到了严格的工程标准。

研究结论指出，这种自动化筛选过程为地球物理学中的一个长期问题提供了稳健的解决方案。通过关注整个频率范围内的整体形状和一致性，而非仅仅寻找单一峰值，该方法确保了最终分析不会受到瞬态噪声的影响。它不需要人类专家的手动检查，不需要预先了解当地的地质情况，也不需要复杂的参数调优。相反，它完全依赖于数据自身的内部一致性来分离信号与噪声。这一进展意味着工程师和地震学家现在可以更有信心地处理大量的微震数据，从而确保他们绘制的地球隐藏层地图是准确且可靠的，从而为保护社区免受地震灾害影响提供保障。