这篇学位论文主要探讨了在大数据背景下，如何利用算法来研究中小地震的震源参数，以深化对地震预测的理解。论文的重点在于解决中小地震震源参数的精确测定问题，特别是震源深度、机制解和破裂方向等关键信息。这些参数对于揭示地壳应力状态、介质流变性质以及发震断层的确定具有重要意义。
针对中小地震的特点，论文指出它们数量众多，地理分布广泛，能够提供更全面的地壳应力状态信息。同时，中小地震，尤其是强震的余震，对于主震发震机理的研究也至关重要。然而，由于中小地震的P波信号主要集中在高频段，受地壳不均匀性和三维效应影响，直接应用一维模型计算震源参数较为困难。
论文提出了两个主要研究方向。第一，通过利用已有准确震源参数的地震标定短周期P波振幅，获取台站振幅放大因子（AAF），使得短周期P波振幅能有效应用于中小地震震源参数的求解。第二，研究地壳中的重要界面，如莫霍面和沉积层-结晶基底界面，以了解这些界面如何影响体波振幅。
具体研究方法包括使用接收函数法研究首都圈地区的莫霍面深度，确定沉积层厚度，并通过井下摆记录研究近地表S波速度结构和Q值结构。结果显示，首都圈地区莫霍面深度有明显的区域差异，平均厚度约为34km，且S波速度随着深度的增加而增加。论文还探讨了速度结构对高频地震波振幅的影响，以及SmS震相在超临界距离上对强地面振动衰减关系的作用。
对于震源深度的确定，论文提到了P-SV系列的深度震相，如sPL、sPg、sPmP、sPn等，已被广泛用于提高震源深度的准确性。同时，虽然SH系列的深度震相（如sSmS）在切向分量上更易识别，但由于适用条件限制，通常作为辅助深度震相。论文通过一维地壳速度模型计算，证实了这一观点，并在龙门山地区复杂的地质构造环境下，利用SP系列的近震深度震相和多种方法综合确定了汶川地震余震的深度分布。
这篇论文深入研究了利用大数据和算法来解析中小地震震源参数的方法，尤其是在复杂地壳结构条件下，如何提高震源深度的测定精度。这些研究成果对于地震预测和地壳动力学研究具有重要的科学价值。
