大型N阵列的自动三维照明诊断方法：鲁棒数据扫描仪与机器学习特征提供器

摘要： 与地震干涉法被动源反射成像相关的主要问题包括：采集参数不足以实现充分的空间波场采样，以及地表阵列易受无处不在的面波源主导性影响。此外，长时间记录会产生海量数据，需要稳健高效的的处理方法。我们通过开发一种两步波场评估与检测方法（TWEED）来解决这些问题，该方法用于识别环境噪声记录中的体波。TWEED通过同步分析相邻接收线来评估噪声记录的时空特性。我们在模拟数据上测试了该方法，这些数据代表地表和深层地下瞬态环境噪声源。我们利用三条相邻接收线区分基本类型的地震事件。随后，我们将TWEED应用于芬兰东部某活跃地下矿上方部署的约1000道接收器阵列所采集的600小时环境噪声数据。通过一个代表性的一小时噪声面板，我们展示了与矿井爆破及其他常规采矿活动相关的体波事件的检测。使用TWEED，我们在完整数据集中成功检测到1093个体波事件。为提高计算效率，我们将TWEED第一步得出的慢度参数作为支持向量机（SVM）算法的输入。采用这种方法，我们检测到了TWEED评估的体波事件的94%，这表明可以将照明分析限制为仅一步，从而以较低的检测率为代价提高时间效率。然而，对少量记录数据应用TWEED，再对其余数据应用SVM，可有效用于快速且稳健地（实时）扫描大数据量中的体波能量，以便后续应用地震干涉法提取反射波。