技术领域
[0001] 本
发明属于检测算法性能评估领域，可用于地震事件自动检测算法的性能评估。
背景技术
[0002] 地震事件的检测是依据监测台站记录到的
信号及其特征，反演形成事件的过程，一般包括台站信号的检测、震相的识别、多台震相关联和
定位等过程。地震事件检测可以看作是一个二分类问题，任何检测系统都包含两类错误：一个是漏检；一个误检。减少漏检可以使系统更敏感，但会增加误检事件。相反，减少误检将降低系统敏感度，会增加漏检的
风险。针对地震事件检测问题，学术界提出了多种检测算法，包括基于全球格点的GA算法、基于贝叶斯概率模型的NET-VISA方法等，需要提供一种错误代价较低的地震事件关联检测方法。
[0003] 如何判断哪种算法更优，更适合地震事件检测的需求，那么需要对检测算法性能进行比较评估。
[0004] 在许多检测算法优化的研究中，采用ROC曲线进行算法性能评估。该方法绘制真正率(TPR)和假正率(FPR)曲线作为算法敏感度。由于假正率的计算需要知道真反例的值，而对于地震事件检测算法，真反例的计算需要统计每日所有台站的检测可能组合形成的虚假事件数量，这个值很难计算。
[0005] 而对于数据检索等领域，通常采用查准率(Precision)和查全率(recall) 来评估算法性能。查准率定义为返回的与查询相关的数据的比例，而查全率定义为用户感兴趣的信息有多少被检索出来。通过绘制P-R曲线，寻找平衡点以及计算调和平均值等方法来评估检测算法性能。由于查全率和查准率的计算不需要知道真反例的值，因此可用来作为地震事件检测算法的性能评估指标。但是，地震事件检测过程复杂，参数较多，较难绘制算法的P-R曲线，平衡点、调和平均等常用方法也不适用于算法的性能度量。因此，设计性能评估方法和指标，更合理、直观、可靠地反映算法性能，是地震事件检测算法优化研究的紧迫需求。
发明内容
[0006] 本发明目的是提供一种选择性能较优的地震事件自动关联检测算法的方法，该方法通过多种地震事件自动关联检测算法进行地震事件检测，然后对各种方法地震时间检测的结果进行判断和评估，确定地震事件关联检测方法的查全率和查准率，通过在在查全率和查准率二维空间的代价函数曲线对各种方法的检测结果进行定量比较，从而得到一种错误代价较低的地震事件关联检测方法。
[0007] 本发明的技术方案是：一种错误代价较低的地震事件关联检测算法的方法，其包括以下步骤：
[0008] 1)获取全球各地区多台的地震仪
传感器采集的信号；
[0009] 2)将地震仪传感器采集的信号输出到地震事件检测系统，其中地震事件检测系统采用一种地震事件自动检测算法，进行信号的检测、震相的识别、多台震相关联和地震事件定位，得到地震事件信息；
[0010] 3)地震事件检测系统采用其他多种地震事件自动检测算法，分别得到各种地震事件自动检测算法对应的地震事件信息；
[0011] 4)对于各种地震事件自动检测算法生产的事件
公报，以参考事件公报为标准，基于定义的事件匹配规则，计算检测算法的日查全率、日查准率；
[0012] 5)以查准率为纵轴，查全率为横轴，建立查准率-查全率二维坐标空间图，简称P-R空间，并将计算得到的日查全率、查准率绘制在P-R空间中；
[0013] 6)在P-R空间中绘制代价函数曲线，实现对各种算法结果的直观比较；
[0014] 具体内容为：
[0015] 6.1建立代价函数关系为：
[0016] Cα＝α*(1-R)+R*(1-P)/P
[0017] 其中Cα为代价函数的代价度量值，查准率P、查全率R为变量；确定该函数的权重参数的权重值α；
[0018] 6.2在P-R查全率中绘制代价函数曲线：绘制代价度量值Cα取多个确定值时对应的多条变量查准率P和查全率R之间的函数曲线；
[0019] 6.3在P-R空间中比较各算法的日查全率、日查准率结果位于代价函数曲线的
位置；如果其位置对应的代价度量值Cα越小，算法性能越好。
[0020] 优选地，如果某个算法所在的代价函数曲线对应的代价度量值Cα越小，且权重值选择大于1时，则该算法类型I类错误更少；如果某个算法所在的代价度量曲线对应的代价度量值Cα越小，且权重值选择小于1时，则该算法类型II 类错误更少，类型I错误为漏检事件，类型II错误为误检事件。
[0021] 优选地，对类型I、类型II错误的侧重不同，选取不同的权重值，权值大于1时，侧重于更少的类型I错误，权值小于1时，侧重于更少的类型II错误，即确定出代价函数的权重参数的权重值；类型I错误为漏检事件，类型II错误为误检事件。
[0022] 优选地，基于定义的事件匹配标准为：到时差<30s，位置差小于<2度。
[0023] 本发明具有的有益效果是：
[0024] 本方法解决了地震
数据处理算法的性能评估问题，具有简单、直观、全面、可靠等优点；采用基于加权的代价函数曲线衡量算法的检测代价，能够反映算法对漏检事件和误检事件不同的侧重。定义了用于地震检测算法评估的加权代价函数，在P-R二维空间图中绘制代价函数曲线，同样以检测结果的日查全率、日查准率落入的代价曲线值直观反映地震检测算法的性能。
附图说明
[0025] 图1为P-R二维空间中代价函数曲线示意图；
[0026] 图2为本发明中
实施例的关于代价函数曲线的比较示意图；
具体实施方式
[0027] 下面结合附图和实施例对本发明作进一步说明。
[0028] 一种错误代价较低的地震事件关联检测算法的方法，其特征在于：其包括以下步骤：
[0029] 1)获取全球各地区多台的地震仪传感器采集的信号；
[0030] 2)将地震仪传感器采集的信号输出到地震事件检测系统，其中地震事件检测系统采用一种地震事件自动检测算法，进行信号的检测、震相的识别、多台震相关联和地震事件定位，得到地震事件信息；
[0031] 3)地震事件检测系统采用其他多种地震事件自动检测算法，分别得到各种地震事件自动检测算法对应的地震事件信息；
[0032] 4)对于各种地震事件自动检测算法生产的事件公报，以参考事件公报为标准，基于定义的事件匹配规则，计算检测算法的日查全率、日查准率。
[0033] 5)以查准率为纵轴，查全率为横轴，建立查准率-查全率二维坐标空间图，简称P-R空间，并将计算得到的日查全率、查准率绘制在P-R空间中。
[0034] 6)在P-R空间中绘制代价函数曲线，实现对各种算法结果的直观比较。
[0035] 具体实施方式：
[0036] 6.1设计代价函数来评估算法检测性能。代价函数定义为每检测一个真实事件可能带来的类型I错误(漏检事件)和类型II错误(误检事件)。类型I 错误事件数量与权重的乘积和类型II错误事件数量的和与标准时间总数的比值；
[0037] 公式如：
[0038] Cα＝(α*类型I错误事件数+类型II错误事件数)/标准事件总数
[0039] ＝α*(1-R)+R*(1-P)/P
[0040] 确定该公式的权重参数的权重值α；(在该公式中，对类型I、类型II错误的侧重不同，选取不同的权重值，权值大于1时，侧重于更少的类型I错误，权值小于1时，侧重于更少的类型II错误，即确定出代价函数的权重参数；)
[0041] 以Cα为函数值，查准率P、查全率R为变量，建立Cα和P、R之间函数，这里Cα称为代价函数；
[0042] 6.2(以等高线方式)在P-R查全率中绘制代价函数曲线：绘制代价度量值取多个确定值时的多条P、R之间的函数曲线；
[0043] 6.3在P-R空间中比较各算法的日查全率、查准率的结果位于代价函数曲线的位置；如果某个算法所在的代价函数曲线的度量Cα越小，且步骤6.1中的权重选择大于1时，则该算法类型I类错误更少；如果某个算法所在的代价函数的代价值Cα越小，且步骤6.1中的权重选择小于1时，则该算法类型II类错误更少。
[0044] 图1中圆点代表假设的方法一的结果，五
角星代表假设的方法二结果，图中方法一比方法二具有更小的代价曲线值。
[0045] 步骤4)、5)、6)具体限定如下：
[0046] 4)对于地震事件检测算法生成的事件公报，以参考事件公报为标准，基于定义的事件匹配标准(如到时差<30s,位置差小于<2度)，以每日为单位时间，计算该检测算法的日查全率和日查准率，记为。查准率(Precision)定义为预测为正例的样本中预测正确的概率；查全率 (Recall)定义为正例样本被预测正确的概率。日查准率、日查全率计算公式如下：
[0047]
[0048]
[0049] 其中TP(true positive)：每日真正例；FP(false positive)：每日假正例；FN(false negative)：每日假反例。
[0050] 5)以查准率为纵轴，查全率为横轴，构建准率-查全率(Precision-Recall) 二维空间图，简称P-R空间，将计算得到的日查全率、查准率绘制在P-R空间中。
[0051] 6)设计代价函数来评估算法检测性能。代价函数定义为每检测一个真实事件可能带来的类型I错误(漏检事件)和类型II错误(误检事件)。同时为类型I、类型II错误分配不同的权重，以反映系统的侧重。代价函数定义为：
[0052] Cα＝(α*类型I错误事件数+类型II错误事件数)/标准事件总数
[0053] ＝α*(1-R)+R*(1-P)/P
[0054] 依据公式(4)，在P-R图中绘制代价函数曲线。每条曲线代表一个代价值 Cα，α是权值，α>1代表类型I错误比类型II错误重要，α<1则反之。
[0055] 原理：代价值越小越好，在P-R空间图中比较各算法日查全率、日查准率结果位于代价函数曲线的区域，对应的Cα越小，则代价值越小，算法性能越好。
[0056] 直观的，如图中，越靠近P-R图中右上角，对应的Cα越小。
[0057] 本发明的基本思想是计算算法的查全率和查准率指标，以等高线方式在P-R 二维空间图中绘制代价函数曲线，通过比较算法的结果位于代价函数曲线的位置，定量且直观的实现算法的性能评估。
[0058] 例如：采用本文方法对两种地震事件关联算法进行了评估，一个是基于贝叶斯模型的NET-VISA方法，一个是基于全球格点关联的GA方法。利用一年的全面禁止核试验组织国际监测系统(International Monitoring System,IMS) 的数据对两种方法进行了离线处理，以国际
数据中心(International Data Centre,IDC)人工审核公报(REB)作为参考事件，对两种算法进行了比较评估。
[0059] 首先以定义的事件匹配标准(到时差<30s；位置差<2度)计算每个算法一年中每日的查准率和查全率。以查准率为纵坐标，查全率为横坐标，在P-R二维空间图中绘制以上的计算结果，如图2所示。
[0060] 图2中，五角星代表NET-VISA算法的日查全率和查准率，圆点代表GA算法的日查全率和查准率，圆点大小代表每日参考事件的数量；从图中通过定量比较，NET-VISA算法比GA普遍具有较低的代价曲线值。
[0061] 以α＝10作为加权代价函数的权值，表示算法的评估侧重于低漏检率，以等高线方式在P-R图中绘制代价函数曲线，比较算法的查全率和查准率结果落入的代价函数曲线值，图2中可直观看到NET-VISA的结果具有较小的代价值(普遍位于GA结果的右上方)，表明整体上NET-VISA性能优于GA。利用本发明的方法，全面、直观、可靠地给出了地震事件关联算法的评估结果。
