地球时时刻刻都在地震,全球每分钟产生大量的地震数据,数据中蕴含有丰富的、各种信息,如何处理这些地震数据面临着巨大挑战。震相拾取是地震监测领域的首要工作,P波是地震波中传播最快的波,通常第一个到达地表,准确拾取P波是研究地震震源定位、地震层析成像等的关键,传统的人工拾取方法在精确度和速度上远远不能满足现在对地球深部探测的需求,随着传感器网络技术的快速发展,地震信号的检测、震相拾取、P波到时检测等变得越来越容易。通常,基于传感器网络所捕获的地震信号是时变数据,但是,由于不同环境下地震时变数据存在冗余信息和噪声,现有的拾取方法存在准确度不高且受经验阈值影响较大的不足,为了进一步提高P波拾取的准确度,本文通过充分挖掘地震时变数据的多个特征,结合数据挖掘新算法的研究,比较系统地研究了P波拾取方法。本文的主要工作和创新一并概括如下:1.全面分析地震时变数据,从时域和频域两方面提取其15维特征。单一特征并不能完全表征地震时变数据,在以往的震相自动拾取方法中,采用单一特征如振幅、能量、峭度等特征来拾取震相。由于受地震时变数据噪音影响,某些单一特征方法出现高信噪比时拾取震相的精度高,低信噪比时拾取震相的精度低,单一特征震相拾取方法拾取精度不高。为解决这一问题,本文采用多特征方法,从时域和频域2方面充分提取地震时变数据的多个特征来拾取震相到时。本文构造了15维特征,这15维特征分别为:震相、振幅、偏振度、分形维数、STA/LTA、ML、振幅比、能量比、曲线长度比、峭度、偏斜度、均方根振幅、平均能量、振幅峰态,频域参数有频率。2.针对地震时变数据存在冗余信息、噪声和P波拾取准确度不高的问题,本文通过对局部线性嵌入算法进行改进,用改进的方法对数据样本进行降维处理;通过研究时间序列的相异性度量方法和内积计算方法,提出了一种适用于时间序列的核分类方法,把上述方法进行结合,提出了基于多维特征的P波自动拾取方法AMPAT。方法首先提取地震信号的15维特征属性作为数据样本,并利用LLE来对数据样本进行特征抽取,以达到数据降维的目的,最后通过核分类方法进行预测,确定P波到时。仿真实验表明,与已有的P波拾取方法STA/LTA方法和ML方法相比,AMPAT方法的P波拾取准确度有比较显著的改善。3.针对现有P波拾取方法拾取结果受噪音影响大、依赖于阈值选取的问题,提出基于DWT、STA/LTA、Kurtosis的震相拾取方法DSLKPw。该方法首先对地震时变数据进行离散小波变换得到细节信息,减小噪音对P波拾取的影响,然后对细节信息进行改进的STA/LTA方法分析,解决STA/LTA对噪音敏感问题,最后为解决STA/LTA受经验阈值的影响,采用Kurtosis方法来精确P波到时。仿真实验表明DSLKPw方法既具有STA/LTA方法P波拾取准度高的优点,同时又具有Kurtosis方法不受经验阈值的优点,在震相拾取具有较高精确度。