基于STA_LTA方法的微地震事件自动识别技术_段建华.pdf

第 43 卷 第 1 期 煤田地质与勘探 Vol. 43 No.1 2015 年 2 月 COAL GEOLOGY EXPLORATION Feb. 2015 收稿日期 2013-08-19 基金项目 国家科技重大专项课题（2011ZX05040-002） 作者简介 段建华（1979-），男，山西五台人，工程师，博士，在站博士后，从事地震勘探数据处理研究工作. E-mailduanjianhua 引用格式 段建华， 程建远， 王云宏， 等. 基于 STA/LTA 方法的微地震事件自动识别技术［J］. 煤田地质与勘探， 2015， 43（1）76-80. 文章编号 1001-1986（2015）01-0076-05 基于 STA/LTA 方法的微地震事件自动识别技术 段建华，程建远，王云宏，陆 斌，朱红娟 （中煤科工集团西安研究院有限公司，陕西 西安 710077） 摘要 快速准确地从微震监测数据中提取微地震事件是微地震监测技术的关键。采用理论模拟数 据分析了 STA/LTA 方法的可行性，选择了更能反映微地震信号变化的特征函数代替原始信号，结 合实际数据对时窗长度、长短时窗比、阈值等重要参数进行了对比分析。研究结果表明，STA/LTA 方法能够从海量微地震监测数据中快速准确地自动识别微地震有效信号，去除冗余信息，大幅减 少微地震监测数据的传输量，从而为微地震监测数据的无线实时传输提供了可能，同时也减少了 数据存储所需要的磁盘空间，取得了较好的应用效果。 关 键 词微地震；监测数据；STA/LTA；初至时间；拾取；数据压缩 中图分类号P315.9 文献标识码A DOI 10.3969/j.issn.1001-1986.2015.01.016 Automatic identification technology of microseismic event based on STA/LTA algorithm DUAN Jianhua， CHENG Jianyuan， WANG Yunhong， LU Bin， ZHU Hongjuan （Xian Research Institute， China Coal Technology and Engineering Group Corp， Xian 710077， China） Abstract How to quickly and accurately extract microseismic event from the microseismic monitoring data. It is the key issues of micro seismic monitoring technology. The paper presented detailed analysis of the feasibility of the STA/LTA based on the simulation data， selected a long window length， the ratio of the long window length vs short window length， threshold and other important parameters. Then field data were used to validate the ， re- sults show that the can quickly and accurately and automatically identify microseismic event from a large number of microseismic monitoring data， and remove the redundant ination， thus significantly reducing the amount of data transmission. It makes the ground wireless real-time transmission of microseismic monitoring data possible，and also reduces data storage disk space required，and the good application results were obtained. Key words microseism； monitoring data； STA/LTA； first arrival time； picking； data compression 微地震监测技术是以声发射学和地震学为基 础，通过观测分析生产活动中产生的微小地震事件 来监测生产活动的影响范围及地下岩体状态的地球 物理勘探技术［1］。经过半个世纪的发展，微地震监 测技术在多种地下工程中的应用越来越广泛 ［2］。 1986 年，原煤炭部和国家地震局等联合在北京门头 沟煤矿开始了微地震监测方面的研究；近些年，微 地震监测技术在煤矿冲击地压的预测、煤与瓦斯突 出的预防、矿井水害预防、煤矿“三带”监测等方面 已经得到实际应用。 20002001 年，澳大利亚联邦科学与工业研究 院勘探采矿局与山东煤田地质局、山东科技大学合 作监测了兴隆庄等 13 个矿采场围岩空间破裂过程。 研究结果表明微地震事件与采煤作业有关，它直 接反映了煤层顶板垮落带和断裂带的发育情况［3］； 微地震定位监测技术用于从空间范围内研究采场围 岩的活动规律是十分有效的［4］。2007 年，于庆磊等［5］ 对煤层开采引起的“三带”分布规律进行数值模拟， 研究了“三带”分布规律与煤矿防治顶板突水的关 系； 2010 年， 孔令海等［6］在大同塔山煤矿进行“三带” 监测，研究特厚煤层综放工作面的顶板运动规律。 由于微地震事件具有非常强的不确定性和不可预测 性，一般需要采用全天候实时监测，而且微地震事 件的频率一般为 0～150 Hz，现有设备采样率最高可 ChaoXing 第 5 期 段建华等 基于 STA/LTA 方法的微地震事件自动识别技术 77 以达到 10 kHz，因此微地震监测产生的数据量非常 庞大，这就给微地震数据的长距离实时传输造成很 大的困难，并且占用很大的磁盘存储空间。例如 部署 20 个三分量检波器，采样率为 10 kHz，数字信 号精度 24 bit，那么每秒中将会产生 18.31 Mb 的数 据，以现有的无线传输技术的数据传输速率则很难 满足实时传输的要求。因此，如何减少微地震数据 实时传输的数据量成一个急需解决的问题。 实际上， 微地震监测数据中只有地震事件才是监测所需要 的，其他数据均为冗余信息。因此，如果通过识别 并且截取微地震事件，去除冗余信息的方式减少数 据量， 不仅能够缓解无线方式数据传输率低的问题， 也有利于监控中心的数据存储。 目前，地震震相识别的方法主要有 STA/LTA （Short-Term to Long-Term Average）方法，它利用短时 窗振幅平均值与长时窗振幅平均值之比识别地震事 件。 Massa等［7］利用STA/LTA方法自动检测地震事件， Jubran 等［8］采用自适应阈值法检测微地震事件； Zhang Haijing 等［9］提出了 W-AIC 检测方法，在各个 尺度的小波分频结果上进行 AIC（Akaike Ination Criterion）拾取，如果各个尺度上的拾取值是相同的， 则为有效微地震事件；Chen 等［10］设计了 BTA-ATA （Before Time Average-After Time Average）方法，基于 多窗的能量比算法，采用前时窗、后时窗与延迟时窗 3 种时窗，根据这些值构造 3 种准则来判断是否出现有效 微地震信号；Fred Aminzadeh 等［11］将振幅、频率方差、 振幅方差、STA/LTA、高阶统计量中的峰度和偏振度等 作为输入，利用人工神经网络进行地震事件和初至时间 的检测；Lois 等［12］提出采用卡方适合度检验方法识别微 地震事件，G-Akis Tselentis 等［13］对该方法改进后对微地 震事件进行识别。 W-AIC 方法克服了单一 AIC 拾取的缺陷［9］，但 是计算过程需要小波变换， 算法复杂而且对设备的运 算速度和内存要求较高； 卡方适合度检验方法是在时 频域进行微地震事件的识别， 能够克服微地震信号信 噪比低的问题［13］，由于需要进行运算量很大的 S 变 换，因此，需要较高的运算速度和较大的存储器；人 工神经网络需要先对网络进行很多次的训练， 直到网 络的输入输出影射能力达到一定的精度才可以， 需要 人工干预，算法运算量大，耗时长［11］，而且对设备资 源的消耗也很大；BTA-ATA 方法本质上与 STA/LTA 相同，具有算法简单、运算速度快的特点，对设备的 运算能力和存储器容量要求不高， 可是仅仅对一个台 站的监测数据使用 STA/LTA 方法并不能够完全识别 出微地震事件。 本文的主要思想是在地震数据采集端通过识别 并且截取有效信号（该有效信号包括微地震事件和噪 声事件信号），去除无用信号，从而达到减少传输数 据量的目的。因此，本文着重研究 STA/LTA 方法。 1 微地震事件的实时自动识别方法 微地震监测数据的传输一般由采集器或者采集 仪负责， 微地震有效信号的实时自动识别也一般由该 设备完成。 但是数据采集仪通常是由单片机或者小型机 构成， 其运算速度和存储能力都十分有限， 而且每秒中 产生的监测数据量较大， 这就要求微地震有效信号的自 动识别要快速，有利于实现数据的实时传输。STA/LTA 方法具有算法简单、速度快的特点［13］，适合实时处理。 因此， 该方法比较适合在微地震监测系统的采集仪中实 时自动快速检测微地震有效信号。 1.1 基于 STA/LTA 的微地震有效信号识别方法 STA/LTA 方法是由 Stevenson 提出［14］， 并应用于 地震初至波到时的判别，后来 Allen、McEvilly 和 Majer、Baer 和 Kradolfer、Earle 和 Shearer 等，对该 方法进行了改进并用来检测地震事件和拾取震相。 其 基 本 原 理 为 ［14］ 用 STA（Short-Term Average） 和 LTA（Long-Term Average）之比来反映信号幅度、频率 等特征的变化；当地震信号到达时，STA/LTA 值会有 一个突变， 当其比值大于某一设定阈值 R 时， 则判定 为有效信号。R 的计算公式为 1 1 （ ） （ ） N i M j X i N STA R LTA Y i M Σ Σ （1） 式中 （ ），（1，2，，）X iiN，表示短时间窗内数据； （ ），（1，2，，）Y jjM，表示长时间窗内的数据；M 和 N 分别表示长、短时间窗内的样本数。 如果 R 大于设定阈值，则认为该信号为微地震 有效信号。STA/LTA 触发原理见图 1。 图 1 STA/LTA 触发原理 Fig.1 STA/LTA Triggering principle ChaoXing 78 煤田地质与勘探 第 42 卷 1.2 特征函数的选取 最初的 STA/LTA 方法是把监测数据的振幅绝对 值作为样本，这种方法计算量小，运算简单，但往往 会产生多余的误触发和漏掉微地震有效信号。 为了提 高识别的准确率，Allen 提出了用特征函数作为输入 参数的方法［15］。基于原始的地震记录（ ）Y i，构建一 个能够灵敏反应信号频率或振幅变化的新的时间序 列（ ）CF t，称之为特征函数。其特征函数（ ）CF t先定 义为 22 2 （ ）（ ）（ ）CF tf tCft′ （2） 式中 2 C为权值；（ ）f t为某一分量的时间序列（在本 文中对应（ ）Y i）；（ ）ft′为其一阶导数。 2 C的作用在于 根据不同台站的采样率和噪音特性改变振幅与一阶 导数的相对权重。Allen 后来将特征函数改为方便计 算的表达式［17］ 22 （ ）（ ）（ ）［ （ ）（1）］CF tY iK i Y iY i-- （3） （ ） （ ） （ ）（1） SUM Y i K i SUM Y iY i -- （4） 式中 （ ），（1，2，，）Y iiN，为原始信号振幅，（ ）K i是 振幅和一阶导数的加权因子，由式（4）计算。该特征 函数可以增强长短时窗比值对振幅和频率变化的敏 感度，能更准确地检测微地震有效信号。 1.3 STA/LTA 方法的优选 按长短时窗之间关系的不同，可把 STA/LTA 的 计算方法分为标准 STA/LTA 和延迟 STA/LTA。 a. 标准 STA/LTA 标准 STA/LTA 方法就是 LTA 开始于 STA 之后一 点，中间没有时间重叠和延迟（图 2）。图 2 中 t1为短 时窗的起点。 图 2 标准 STA/LTA 示意图 Fig.2 Standard STA/LTA schetch b. 延迟 STA/LTA 延迟 STA/LTA 方法就是 STA 和 LTA 窗口之间有 一段时间间隔（图 3）。图 3 中 t1为短时窗的起点，STA 和 LTA 计算式和标准 STA/LTA 基本类似， Ruud 等［17］ 图 3 延迟 STA/LTA 示意图 Fig.3 Delay STA/LTA Diagram 对此方法作过研究。 c. 递归 STA/LTA 是在标准 STA/LTA 基础上发展来的，避免了监 测数据长久占用内存。递归 STA/LTA 对于微地震有 效信号能够产生一个指数衰减脉冲响应， 而且在有效 信号结束后能够很快恢复。 递归 STA/LTA 计算公式 1 1 （ ） i ii sta CF iSTA STASTA N - - - （5） 1 1 （1） ii stai lta LTALTA CF iNLTA N - - --- （6） 其中 i STA和 i LTA分别为信号在i时刻的短时平均值 和长时平均值；（ ）CF i为信号在i时刻的特征函数值； sta N和 lta N分别为短时平均的时间窗和长时平均的 时间窗所包含的记录点数。 图 4 为 3 种方法的比较。图 4b 采用递归法，对 于噪声的抑制效果较好，曲线比较光滑，能够准确识 别有效信号，有利于有效信号的截取。 a原始信号；b递归 STA/LTA 方法；c标准 STA/LTA 方法； d延迟 STA/LTA 方法 图 4 递归、标准、延迟 STA/LTA 方法对比图 Fig.4 The Comparison of recursion，standard and delaied STA/LTA algorithm 2 理论数据测试 理论数据采用 80 Hz 的雷克子波模拟震源， 采样 率为 1 000 Hz， 微地震事件持续时间从 50～300 ms 不 等，振幅强度也大小不等。 图 5 采用 STA/LTA 方法对模拟数据的微地震有 效信号进行识别，其阈值为 2。从图 5 中能够看到 12 个微地震有效信号全部被识别并且从原始数据中截 取出来，而且保证了有效信号的完整性，使得对事件 初至的拾取和波形分析不受影响。 ChaoXing 第 5 期 段建华等 基于 STA/LTA 方法的微地震事件自动识别技术 79 a模拟数据；b截取后的微地震有效信号；cSTA/LTA 曲线； 图 5 模拟数据的微地震有效信号识别 Fig.5 Microseismic effective signal detected from the simulation data 通过给模拟数据添加噪声， 发现增加长短时窗比 能够克服数据低信噪比的困难， 但是随着长短时窗比 的增大也可能会把一些随机噪声误认为微地震有效 信号。 3 实际数据分析 本文采用煤矿“三带”监测的实际数据。 该监测区 位于太行山西侧山前地形，长治盆地的南部，属低山 丘陵区。区内第四系发育，形成很多冲沟和黄土陡 坡，丘陵高处基岩出露，风化严重，沟谷多呈“V” 字型，山上荆棘密集。地势为东高西低，最高点位 于监测区西北角，标高为 1 360.27 m，最低点位于 监测区南部平家村附近，标高为 1 235.21 m，最大相 对高差125.06 m。3045 工作面标高980 m，长1 300 m， 宽 300 m，煤层平均厚度 5 m，煤层近水平，地质构 造简单。根据钻探揭露，地层共分为 8 层，其中主要 含煤地层为二叠系下统山西组和石炭系上统太原组， 厚度约 168 m。 煤矿采煤活动的“三带”监测共用 25 个台站，其中 井下 10 个，部署于巷道顶部，地面 15 个，部署于工作 面上方地表。系统部署见示意图 6。检波器频带宽度为 0～100 Hz，采样率为 1 000 Hz，记录时间为 8 h。 3.1 STA/LTA 参数的选取 STA和LTA时间窗长的选取对计算结果的精度影 响很大，其值的选取需结合特征函数的特点、数据的 采样率和 STA/LTA 计算方法来确定。由于微地震具 有低能量、高频率的特点，故而在地层中传播时衰减 很快。一般来说，煤岩体的有效微地震事件的持续时 间多在 30～350 ms，振幅变化较大［18］。 图 6 监测系统部署示意图 Fig.6 Layout of monitoring system a. 长时窗长度的选取 长时窗越长，其平均值越能代表信号的背景噪 声。 图 7 为长短时窗比相同而长时窗不同的 R 值曲线 对比图。不难发现，图 7e 的 R 值最大，R 值越大越 有利于微地震有效信号的识别和截取， 但是曲线波形 与地震有效信号波形吻合不好；图 7d、图 7c 和图 7b 中随着长时窗的增加，R 值逐渐变小，不利于微地震 有效信号的截取；图 7d 与图 7e 相比 R 值变化很小， 但是图 7d 的 R 值曲线波形与地震有效信号波形吻合 较好，尤其是对于持续时间长的微地震有效信号，两 者吻合较好有利于有效信号的截取， 不会把有效信号 的尾部截去。综合比较认为图 7d 的曲线波形最有 利于微地震有效信号识别和截取。 经 10 min 记录时长 的数据共 1 008 个微地震有效信号，试验发现长时窗 为 1 500 ms 时， 有利于微地震有效信号的识别与截取， 而 1 500 ms 是有效微地震最长持续时间的约 4 倍，能 够代表信号的背景噪声， 故本文采用的长时窗为1.5 s。 b. 长短时窗之比的选取 图 8 为不同长短时窗比时 R 值曲线对比图。 不难发 现随着长短时窗比的增加，图 8c、图 8e 和图 8g 的 a原始数据；b长时窗为 500 ms；c长时窗为 1 000 ms； d长时窗为 1 500 ms；e长时窗为 2 000 ms； 图 7 不同长时窗 R 值曲线对比图 Fig.7 The comparison of different time window R ChaoXing 80 煤田地质与勘探 第 42 卷 a原始数据； b时窗比为 1501；c根据图 8b 截取的事件； d时窗比为 3001；e根据图 8d 截取的事件； f时窗比为 5001； g根据图 8f 截取的事件； 图 8 不同长短时窗比 R 值曲线对比图 Fig.8 The comparison of different ratio R of long and short time window R 值逐渐增大，R 值的信噪比也在提高，图 8d 和图 8f 比图 8b 多识别出一个有效信号，而图 8b 中没有将中间 的两个有效信号分开，且有效信号的拖尾较长，不利于 减少数据量。随着长短时窗比的增加，短时窗长度在减 小，使得随机噪声也很容易被识别为有效信号，而且 R 值对微弱的信号变化很敏感， 导致很多有效信号的尾 部被截取， 破坏了有效信号的完整性。 综合比较认为 图 8d 的效果最好。图 8d 中的长短时窗比为 3001，短 时窗为 5 ms，是有效微地震最短持续时间的约 1/6，能 够灵敏地反映振幅和频率的突变。 随机截取实验 10 min 记录时长的数据， 共 1008 个有效信号， 按照该长短时窗比能够识别出全部有效 信号，去掉冗余数据后，数据压缩了 81％。 c. STA/LTA 门槛值的选取 STA/LTA 门槛值的设置对微地震有效信号的识 别影响很大，门槛值设置太高，有效的微地震有效信 号将被滤除；反之，会把很多噪声误认为有效信号， 即假有效信号。因此，门槛值的设置需要综合考虑信 噪比、 长时窗长度、 短时窗长度及其长短时窗的比值， 通过分析、试验等方法确定。 本文主要用该方法来减少传输数据量，因此有少 量的假有效信号对结果影响不大。 但是要尽量避免滤除 有效信号， 而且为了不影响事件初至的拾取和波形分析 等，还要保证截取的微地震有效信号的完整性（包括事 件的开始、发展、结束）。经过时长 200 min 的数据试 验，将 STA/LTA 门槛值设置为 4，共检测出 1985 个微 地震有效信号，常规的人工解译能识别出 1992 个有效 信号，二者相比，共漏检 15 个，误检 22 个有效信号， 漏检率不足 1％，误检率为 1.1％，识别准确率为 98％。 3.2 结果分析 随机截取一个台站 20 min 的一段数据， 共 110 个 微地震有效信号，采用 STA/LTA 方法识别，截取出 106 个有效信号，识别准确率为 96％。采用 STA/LTA 方法，将一个台站长度为 5 h 的数据进行处理，共检 测出 5618 个有效信号，原始数据为 109.80 Mb，经过 有效信号截取后数据大小变为 19.76 Mb，减少冗余数 据 90.04 Mb，经事件识别截取后，有效信号数据量仅 仅为原始数据的 18％，数据的压缩比为 51。 4 结 论 在地面微地震长期监测中，由于地震数据量很 大，导致无线传输非常困难。采用 STA/LTA 方法识 别微地震监测数据中的微地震有效信号， 然后把这些 信号截取出来，可以减少冗余数据，达到压缩数据的 目的，大大减少了数据传输量，为无线传输创造了条 件，同时减少了数据的存储空间。但是，微地震数据 采集设备的运算和存储能力较低， 因此算法的效率有 待提高，而且微地震事件的识别率也有待提高。 参考文献 ［1］ 平健，李仕雄，陈虹燕，等．微震定位原理与实现［J］．金属矿 山，2010（1）167-169． ［2］ 李庶林．试论微震监测技术在地下工程中的应用［J］．地下空间 与工程学报，2009，5（1）122-128． ［3］ 张兴民，于克君，席京德，等．微地震技术在煤矿“两带”监测 领域的研究与应用［J］．煤炭学报，2000，25（6）566-570． ［4］ 姜福兴，杨淑华，XUN LUO．微地震监测揭示的采场围岩空 间破裂形态［J］．煤炭学报，2003，28（4）357-360． ［5］ 于庆磊，唐春安，杨天鸿，等．煤层开采引起覆岩三带分布规 律的数值模拟［C］//第九届全国岩石力学与工程学术大会论文 集. 北京［出版者不祥］，2006518-523. ［6］ 孔令海，姜福兴，杨淑华，等．基于高精度微震监测的特厚煤 层综放工作面顶板运动规律［J］．北京科技大学学报，2010， 35（5）552-588． ［7］ MASSA M，FERRETTI G，SPALLAROSSA D，et al. Improving automatic location procedure by wave similarity analysisAn application in the South Western Alps （Italy）［J］. Phys Earth Planet Interiors，2006，15418-29. ［8］ JUBRAN A，DAVID E. Adaptive microseismic event detection and automatic time picking［J］. GeoConvention 2012Vision，20121-5. ［9］ ZHANG HAIJING，CLIFFORD THRUBER，CHARLOTTE R. Automatic P-Wave arrival detection and picking with multiscale wavelet analysis for single-component recording［J］. Bulletin of the Seimological Society of America，2003，95（5）1904-1912. ［10］ Chen Z，Stewart R R. A multiwindow algorithm for real-time automatic detection and picking of P-phases of microseismic （下转第 85 页） ChaoXing 第 1 期 陈明生 关于频率电磁测深几个问题的探讨（八） 85 DT 2π2π 2π 2 rrr u tτδμσ （32） 由上两式看出， 频率域波长λ和时间域的τ参数 是对应的，它们都是长度单位（m）。 由于FEM法观测的为总场（一次场和二次场的 叠加），TEM法观测的为二次场；这就决定前者只适 用在中区和远区探测，后者可在全区（全期）探测。 5 结 论 瞬变电磁测深（TEM）与频率电磁测深（FEM）可通 过傅立叶变换紧密联系，这正如一枚硬币的两面，实 质是一样的。TEM法属时间域电磁测深，实际上可看 成不同频率的测深，和FEM法不同的是测二次场， FEM法测总场。反映地质异常的是二次场，故TEM 测深反映地质异常更直接；又由于对地质体反映有滞 后现象［6］，特别对低阻异常显得更敏感。这只是定性 的说，因为FEM测深有个一次场“外壳”罩着，不够 直观；理论上，在相同条件下如通过反演，两者应得 一样的结果。 虽然TEM测深与FEM测深实质相同，但从不 同角度观察对象，还是有不一样的感觉。在实际应用 中应把握两种方法异同， 结合研究对象和施工条件灵 活运用。 参考文献 ［1］ 傅君眉，冯恩信. 高等电磁理论［M］. 西安西安交通大学出版 社，2000. ［2］ 四川大学数学系. 高等数学第四册（物理专业用）［M］. 北京人 民教育出版社，1979. ［3］ 朴化荣. 电磁测深法原理［M］. 北京地质出版社，1990. ［4］ 陈明生. 电偶源瞬变电磁测深研究（ 二）瞬变电磁场的求 解方法［J］. 煤田地质与勘探，1999，27（2）54-57. ［5］ KNIGHT J H，BAICHE A P.Transient electromagnetic calcula- tions using the Gaver-Stehfest inverse Laplace trans ［J］. Geophysics，1982，47（1）47-50. ［6］ 陈明生，闫述，石显新，等. 二维地质体的瞬变电磁场响应特 征［J］. 地震地质，2001，23（2）252-256. （责任编辑 宋震炎） （上接第 80 页） events［C］//SEG Houston 2005 Annual Meeting. ［S.l.］［s.n.］， 20051288-1291. ［11］ FRED A，DEBOTYAM M，TAYEB A. Tafti，Friso Brouwer. Artifi-icial neural network based autopicker for micro-earthquake data［C］//SEG San Antonio 2011 Annual Meeting. ［S.l.］［s.n.］， 20111623-1626. ［12］ LOIS A， PSARAKIS E Z，PIKOULIS V，et al. Telentis a new chi-squared based test statistic for the detection of seismic events and HOS based pickersuation［C］//32nd European Seismol- ogical Commission Assembly. ［S.l.］［s.n.］，2010129-136. ［13］ G-AKIS T，NIKOLAOS M，PARASKEVAS P，et al. A for microseismic event detection and P-phase picking［C］//SEG San Antonio 2011 Annual Meeting. ［S.l.］［s.n.］，20111638-1642. ［14］ STEVENSON R. Microearthquakes at flathead lake，montanaa study using automatic earthquake processing［J］. Bull. Seism. Soc. Am.，1976，6661-79. ［15］ ALLEN R. Automatic earthquake recognition and timing from single trace［J］. Bull.Seism.Soc.Am.，1978，681521-1532. ［16］ ALLEN R. Automatic phase pickers their present use and future prospects［J］. Bull.Seism.Soc.Am.，1982，72225-242. ［17］ RUUD B O，HUSERBYE E S. A new three-component detector and automatic single-station bulletin production［J］. Bull. Seism. Soc.Am.，1992，82221-237. ［18］ 刘超，唐春安，薛俊华，等．煤岩体微震事件属性识别与标定 综合分析方法［J］．采矿与安全工程学报，2011，28（1）62-65． （责任编辑 宋震炎） ChaoXing