• search hit 6 of 19
Back to Result List

Automated seismic event location by waveform coherence analysis

Die automatische Lokalisierung von Mikroerdbeben durch die Wellenform Kohärenzanalyse

  • Automated location of seismic events is a very important task in microseismic monitoring operations as well for local and regional seismic monitoring. Since microseismic records are generally characterised by low signal-to-noise ratio, such methods are requested to be noise robust and sufficiently accurate. Most of the standard automated location routines are based on the automated picking, identification and association of the first arrivals of P and S waves and on the minimization of the residuals between theoretical and observed arrival times of the considered seismic phases. Although current methods can accurately pick P onsets, the automatic picking of the S onset is still problematic, especially when the P coda overlaps the S wave onset. In this thesis I developed a picking free automated method based on the Short-Term-Average/Long-Term-Average (STA/LTA) traces at different stations as observed data. I used the STA/LTA of several characteristic functions in order to increase the sensitiveness to the P wave and the S waves. ForAutomated location of seismic events is a very important task in microseismic monitoring operations as well for local and regional seismic monitoring. Since microseismic records are generally characterised by low signal-to-noise ratio, such methods are requested to be noise robust and sufficiently accurate. Most of the standard automated location routines are based on the automated picking, identification and association of the first arrivals of P and S waves and on the minimization of the residuals between theoretical and observed arrival times of the considered seismic phases. Although current methods can accurately pick P onsets, the automatic picking of the S onset is still problematic, especially when the P coda overlaps the S wave onset. In this thesis I developed a picking free automated method based on the Short-Term-Average/Long-Term-Average (STA/LTA) traces at different stations as observed data. I used the STA/LTA of several characteristic functions in order to increase the sensitiveness to the P wave and the S waves. For the P phases we use the STA/LTA traces of the vertical energy function, while for the S phases, we use the STA/LTA traces of the horizontal energy trace and then a more optimized characteristic function which is obtained using the principal component analysis technique. The orientation of the horizontal components can be retrieved by robust and linear approach of waveform comparison between stations within a network using seismic sources outside the network (chapter 2). To locate the seismic event, we scan the space of possible hypocentral locations and origin times, and stack the STA/LTA traces along the theoretical arrival time surface for both P and S phases. Iterating this procedure on a three-dimensional grid we retrieve a multidimensional matrix whose absolute maximum corresponds to the spatial and temporal coordinates of the seismic event. Location uncertainties are then estimated by perturbing the STA/LTA parameters (i.e the length of both long and short time windows) and relocating each event several times. In order to test the location method I firstly applied it to a set of 200 synthetic events. Then we applied it to two different real datasets. A first one related to mining induced microseismicity in a coal mine in the northern Germany (chapter 3). In this case we successfully located 391 microseismic event with magnitude range between 0.5 and 2.0 Ml. To further validate the location method I compared the retrieved locations with those obtained by manual picking procedure. The second dataset consist in a pilot application performed in the Campania-Lucania region (southern Italy) using a 33 stations seismic network (Irpinia Seismic Network) with an aperture of about 150 km (chapter 4). We located 196 crustal earthquakes (depth < 20 km) with magnitude range 1.1 < Ml < 2.7. A subset of these locations were compared with accurate locations retrieved by a manual location procedure based on the use of a double difference technique. In both cases results indicate good agreement with manual locations. Moreover, the waveform stacking location method results noise robust and performs better than classical location methods based on the automatic picking of the P and S waves first arrivals.show moreshow less
  • Die automatische Lokalisierung seismischer Ereignisse ist eine wichtige Aufgabe, sowohl im Bereich des Mikroseismischen Monitorings im Bergbau und von Untegrund Aktivitäten,  wie auch für die lokale und regionale Überwachung von natürlichen Erdbeben. Da mikroseismische Datensätze häufig ein schlechtes Signal-Rausch-Verhältnis haben müssen die Lokalisierungsmethoden robust gegen Rauschsignale und trotzdem hinreichend genau sein. Aufgrund der in der Regel sehr hochfrequent aufgezeichneten Messreihen und der dadurch sehr umfangreichen Datensätze sind automatische Auswertungen erstrebenswert. Solche Methoden benutzen in der Regel automatisch gepickte und  den P und S Phasen zugeordnete Ersteinsätze und Minimieren die Summe der quadratischen Zeitdifferenz zwischen den beobachteten und theoretischen Einsatzzeiten. Obgleich das automatische Picken der P Phase in der Regel sehr genau möglich ist, hat man beim Picken der S Phasen häufig Probleme, z.B. wenn die Coda der P Phase sehr lang ist und in den Bereich der S Phase hineinreicht. InDie automatische Lokalisierung seismischer Ereignisse ist eine wichtige Aufgabe, sowohl im Bereich des Mikroseismischen Monitorings im Bergbau und von Untegrund Aktivitäten,  wie auch für die lokale und regionale Überwachung von natürlichen Erdbeben. Da mikroseismische Datensätze häufig ein schlechtes Signal-Rausch-Verhältnis haben müssen die Lokalisierungsmethoden robust gegen Rauschsignale und trotzdem hinreichend genau sein. Aufgrund der in der Regel sehr hochfrequent aufgezeichneten Messreihen und der dadurch sehr umfangreichen Datensätze sind automatische Auswertungen erstrebenswert. Solche Methoden benutzen in der Regel automatisch gepickte und  den P und S Phasen zugeordnete Ersteinsätze und Minimieren die Summe der quadratischen Zeitdifferenz zwischen den beobachteten und theoretischen Einsatzzeiten. Obgleich das automatische Picken der P Phase in der Regel sehr genau möglich ist, hat man beim Picken der S Phasen häufig Probleme, z.B. wenn die Coda der P Phase sehr lang ist und in den Bereich der S Phase hineinreicht. In dieser Doktorarbeit wird eine Methode vollautomatische, Wellenform-basierte Lokalisierungsmethode entwickelt, die Funktionen des Verhältnisses "Short Term Average / Long Term Average"  (STA/LTA) verwendet und keine Pickzeiten invertiert. Die STA/LTA charakteristische Funktion wurde für unterschiedliche Wellenform Attribute getestet, um die Empfindlichkeit für P und S Phasen zu erhöhen. Für die P Phase wird die STA/LTA Funktion für die Energie der Vertikalkomponente der Bodenbewegung benutzt, wohingegen für die S Phase entweder die Energie der horizontalen Partikelbewegung oder eine optimierte Funktion auf Basis der Eigenwertzerlegung benutzt wird. Um die Ereignisse zu lokalisieren wird eine Gittersuche über alle möglichen Untergrundlokalisierungen durchgeführt. Für jeden räumlichen und zeitlichen Gitterpunkt werden die charakteristischen Funktionen entlang der theoretischen Einsatzkurve aufsummiert. Als Ergebnis erhält man eine 4-dimensionale Matrix über Ort und Zeit des Ereignisses, deren Maxima die wahrscheinlichsten Lokalisierungen darstellen. Um die Unsicherheiten der Lokalisierung abzuschätzen wurden die Parameter der STA/LTA Funktionen willkürlich verändert und das Ereignis relokalisiert. Die Punktwolke aller möglichen Lokalisierungen gibt ein Maß für die Unsicherheit des Ergebnisses. Die neu entwickelte Methode wurde an einem synthetischen Datensatz von 200 Ereignissen getestet und für zwei beobachtete Datensätze demonstriert. Der erste davon betrifft induzierte Seismizität in einem Kohlebergbau in Norddeutschland. Es wurden 391 Mikrobeben mit Magnituden zwischen Ml 0.5 und 2.0 erfolgreich lokalisiert und durch Vergleich mit manuell ausgewerteten Lokalisierungen verifziert.Der zweite Datensatz stammt von einem Anwednung auf des Regionale Überwachungsnetz in der Region Campania-Lucania (Süditalien)  mit 33 seismischen Stationen und einer Apertur von etwa 150 km. Wir konnten 196 Erdbeben mit Tiefen < 20 km und Magnituden zwischen Ml 1.1 und 2.7 lokalisieren. Eine Untergruppe der eigenen Lokalisierungen wurde mit den Lokalisierungen einer Standard Lokalisierung sowie einer  hochgenauen Relativlokalisierung verglichen. In beiden Fällen ist die Übereinstimmung mit den manuellen Lokalisierungen groß. Außerdem finden wir, dass die Wellenform Summations Lokalisierung ronbust gegen Rauschen ist und bessere Ergebnisse liefert als die Standard Lokalisierung, die auf dem automatischen Picken von Ersteinsatzzeiten alleine basiert.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author details:Francesco Grigoli
URN:urn:nbn:de:kobv:517-opus-70329
Supervisor:Torsten Dahm
Document Type:Doctoral Thesis
Language:English
Year of completion:2014
Publishing institution:Universität Potsdam
Granting institution:Universität Potsdam
Date of final exam:2014/03/06
Release Date:2014/04/22
Tag:earthquake location; induced seismicity; microseismicity
RVK - Regensburg classification:UT 2500, RB 10115
Organizational units:Mathematisch-Naturwissenschaftliche Fakultät / Institut für Geowissenschaften
DDC classification:5 Naturwissenschaften und Mathematik / 55 Geowissenschaften, Geologie / 550 Geowissenschaften
Institution name at the time of the publication:Mathematisch-Naturwissenschaftliche Fakultät / Institut für Erd- und Umweltwissenschaften
License (German):License LogoCreative Commons - Namensnennung, 3.0 Deutschland