GPU并行加速下的弱模板匹配及其在川滇地区的应用.pdf

《GPU并行加速下的弱模板匹配及其在川滇地区的应用》这篇文章主要探讨了如何利用GPU并行计算技术优化弱模板匹配方法，以提高地震监测的效率和准确性，特别是在川滇地区的应用。 文章首先指出了模板匹配方法在检测微小地震和慢滑移活动中的重要性。这种方法依赖于地震波形的相似性，通过将一个已知地震的波形（模板）与连续记录的地震数据进行互相关分析，以识别相似事件。然而，单台数据可能存在噪声干扰，需要多台站的数据叠加来减少误识别。对于能量较小的地震，弱模板匹配方法通过拓宽互相关峰值的宽度，使得与模板地震走时存在差异的地震也能被检测出来，从而扩大了检测范围。 为了解决计算耗时问题，研究团队将弱模板匹配过程中的互相关、归一化和拓宽峰三个关键运算部分进行了GPU并行加速，显著提升了运算效率。同时，他们还研究了离散采样下滤波频段对互相关计算结果的影响，选择最佳滤波频段以提高匹配效果。 具体应用到川滇地区，研究人员使用双差地震层析成像法定位后的地震作为模板，对2019年6月17日四川长宁地震前后60天的连续数据进行扫描，检测出81704个地震事件。通过设定合适的互相关值阈值，筛选出7618个地震作为最终结果，这个数量是传统深度学习自动拾取算法的三倍。这些微小地震的检测提供了更全面的地震序列，揭示了地震在时间和空间上的集群特征，有助于进一步研究断层形态、地震活动性和其动态变化。 本文的研究不仅提升了地震检测的效率，而且通过弱模板匹配方法在川滇地区的实践，为地震监测和灾害预防提供了新的技术手段。这一方法的应用对于地震科学研究和防灾减灾工作具有重要的参考价值，特别是对于复杂地质构造区域的地震活动研究，具有广阔的应用前景。