来源：期刊VIP网 时间：
作者：李山有;高艺萱;卢建旗;谢志南;马强;谢博楠;
单位：中国地震局工程力学研究所地震工程与工程振动重点实验室;地震灾害防治应急管理部重点实验室;
摘要：针对传统P波初至自动拾取方法抗干扰能力弱、拾取精度低的问题，提出1种基于极限梯度提升树（XGBoost）的实时P波初至自动拾取方法。首先，选择有助于区分地震信号与背景噪声的4种特征参数作为模型的输入，以降低模型的复杂度；其次，构建P波初至自动拾取XGBoost模型，并对模型进行训练和测试；最后，通过与目前地震预警中常用的P波初至实时识别方法进行对比，验证模型的有效性。结果表明：所提方法在±0.5 s误差范围内的拾取样本占比为93.3%，优于能量周期双参数（EDP-Picker）方法和短时/长时平均比（STA/LTA）方法，二者拾取样本占比分别为91.9%和83.6%；当误差超出±0.5 s时，XGBoost方法的提前和滞后触发样本占比分别为4.27%和5.26%，而EDP-Picker的相应比例分别为5.03%和6.50%,STA/LTA的相应比例分别为5.39%和1.71%。相较于2种传统方法，XGBoost方法的综合性能显著提升，且具有更高的识别精度和更强的抗干扰能力，能够更稳定地适应复杂场景下的拾取需求。
关键词：现地预警;;地震紧急处置;;P波初至自动识别;;极限梯度提升树;;机器学习
基金资助：中国地震局工程力学研究所基本科研业务费专项资金资助项目（2024C27）;; 应急管理部重点科技计划项目（2024EMST040409）;; 国家重点研发计划项目（2024YFC3012802）
