巫立华，张宝剑，林彬华，戴丽金，张丽娜

（福建省地震局，福州350003）

0 引言

在地震观测台网中，观测仪器故障和台站周边环境异常干扰等因素，造成地震波形数据异常。如果这些异常数据应用于地震预警、烈度速报等应用系统中将产生严重的不良影响。为了自动检测地震波形数据质量，研究者们提出了通过计算地震噪声功率谱密度（power spectral density，PSD）检测地震波形数据的方法。地震环境噪声可视为平稳的随机信号，可以用PSD来描述地震台站记录到的噪声水平和特征[1]，1993年美国USGS的Peterson及其研究小组[2]通过分析全球地震台网75个台站近2000条地震噪声数据，确定了全球高噪声新模型（newhigh noise model，NHNM）和全球低噪声新模型（new lownoise model，NLNM）。在日常观测中，通过绘制地震噪声波形的PSD曲线与该模型曲线进行比较，从而判断地震波形数据的质量。该方法在国内外都得取得了良好的应用效果，2007年Sleeman等人[3]在Orfeus数据中心通过监测实时波形数据PSD值的变化，在VEBSN（Virtual European Broadband Seismograph Network）实现了对宽频带地震台网波形数据质量的自动检测；2008年廖诗荣等人[4]应用地震噪声功率谱概率密度函数（PDF，power spectrum probability density function）方法处理分析新建台站勘选数据的噪声水平；2012年林彬华等人[5]采用该方法开发一套监控系统，每天绘制测震台站的PSD图，并与该台站的历史噪声数据绘制的最低和最高噪声水平参考线进行对比，实现自动判断波形是否异常。

近年来，随着人工神经网络技术的不断成熟，越来越多的的研究学者将人工神经网络应用到地震领域，并取得了较好的应用效果。……