这篇文档属于类型a，是一篇关于地震学机器学习数据集构建的原创性研究。以下为详细学术报告：
一、作者与发表信息
本研究由S. Mostafa Mousavi、Yixiao Sheng、Weiqiang Zhu和Gregory C. Beroza（斯坦福大学地球物理系）合作完成，发表于2019年10月的期刊IEEE Access（DOI: 10.1109/ACCESS.2019.2947848）。研究受斯坦福诱发与触发地震中心（SCITS）和美国空军研究实验室（AFRL）资助。
二、学术背景
科学领域：研究属于地震学与人工智能交叉领域，聚焦于地震信号处理与机器学习模型的训练需求。
研究动机：
1. 数据瓶颈：尽管地震学是数据密集型学科，但高质量标记数据集（labeled data）的缺乏阻碍了监督式机器学习模型的开发。现有标签（如震相到达时间）可靠性参差不齐，且缺乏统一基准（benchmark）。
2. 技术潜力：机器学习（尤其是深度学习）在地震检测、震相拾取等任务中已展现优势，但模型性能依赖于大规模、高精度标注数据。
目标：构建首个全球性、高质量的地震与非地震信号数据集STEAD（Stanford Earthquake Dataset），包含局部地震波形（local earthquakes）和地震噪声（seismic noise），为地震学AI研究提供标准化基准。
三、研究流程与方法
研究分为四个核心步骤：
1. 数据收集与元数据构建
- 数据来源：整合10个国际权威机构数据，包括国际地震中心（ISC）、美国地质调查局（NEIC）、IRIS数据中心等，覆盖1984—2018年地震事件。
- 元数据处理：
- 提取地震参数（震源位置、深度、震级）、台站信息（经纬度、仪器类型）及人工标注的P/S波到时（phase arrival times）。
- 构建关系型数据库，包含450,000次地震的1200万条震相到时记录。
2. 波形数据获取与预处理
- 波形来源：从IRIS数据中心请求1分钟长度的三分量地震波形（垂直、南北、东西向），共150万条。
- 时间窗设计：以P波到时为基准，窗口起始于P波前5—10秒，确保包含完整P/S波。
- 预处理：
- 去趋势（detrending）、去均值、重采样至100 Hz。
- 信号质量评估：计算信噪比（SNR，公式：$SNR = 10 \log_{10}(|s|_2^2 / |n|_2^2)$），其中$s$为S波后振幅，$n$为P波前噪声。结果显示多数波形SNR为10—40 dB（图17）。
3. 质量控制与错误修正
- AI辅助校验：
- 使用深度学习模型PhaseNet（自动震相拾取算法）校验人工与自动到时标签，替换错误标注。
- 利用CRED（基于深度学习的检测模型）识别无效数据（如无地震信号或包含未编目地震的波形），剔除8%问题数据。
- 人工抽检：随机检查11.6万条波形，确认剩余错误率%。
4. 噪声数据构建
- 来源：从地震事件间期随机抽取1分钟噪声段。
- 去信号处理：结合小波域统计方法（如同步压缩变换）去除隐藏地震信号，确保纯噪声特性。
四、主要结果
1. 数据集规模与内容
- 地震波形：105万条，关联45万次地震（图3），震级范围-0.5—7.9（图11），多数为小震（<2.5级）。
- 噪声波形：10万条，来自全球2613个台站（图4-5）。
- 标签体系：
- 地震数据含35项属性（如震源参数、台站信息、P/S波到时、信噪比等）；噪声数据含8项（如台站代码、仪器类型）。
2. 数据质量与创新性
- 高精度标签：70% P/S波到时由人工标注，余下通过PhaseNet高置信度预测补充（图14）。
- 地理覆盖：地震事件与台站分布均匀（图3-5），涵盖不同构造环境。
3. 技术验证
- 误差控制：提供震源定位误差（如水平不确定性、深度误差等）以评估数据可靠性（图18）。
- 多任务适用性：波形时间窗随机化设计便于直接用于震相拾取模型训练。
五、结论与价值
1. 科学意义
- 填补空白：STEAD是首个兼具规模与精度的地震学AI基准数据集，解决了领域内数据碎片化问题。
- 方法论贡献：提出AI辅助质量控制流程，为后续数据集构建提供范式。
2. 应用潜力
- 模型开发：支持地震检测、震相拾取、信号分类等任务（如PhaseNet和CRED的改进）。
- 跨学科应用：波形数据可迁移至音频信号处理（如降噪、事件检测）。
六、研究亮点
1. 规模与质量：19,000小时波形数据，标签错误率%。
2. 创新流程：结合传统地震学与深度学习，实现自动化质量控制。
3. 开源共享：数据公开于GitHub（https://github.com/smousavi05/stead），促进社区协作。
七、其他价值
- 扩展方向：作者计划纳入区域/远震数据及非地震信号（如爆炸、滑坡等），进一步丰富数据集。
- 促进标准化：STEAD的发布推动地震学ML研究的可重复性与横向比较。