当前地震震相拾取算法的精度和效率是相近的，特别是深度学习为代表的机器学习算法的使用，使得震相检测的精度达到了与人相近的程度。因此决定最终地震检测精度的是地震震相关联算法（算法流程如图1），设计高效的震相关联算法可以显著的提升地震检测效率，挖掘更多潜在地震事件。

图1算法流程示意图

　　中国地震局地球物理研究所于子叶助理研究员和王伟涛研究员使用神经网络对走时表进行了拟合，这使得在关联过程中可以有效的利用GPU等加速硬件进行加速。测试表明，我们的算法相比于REAL方法的速度提升了12倍，同时关联效果是近似的。我们使用漾濞地震序列进行了测试，如图2所示。

图2.漾濞地震进行的测试。在2021年5月21日13:00开始的七分钟内检测到了12个地震。

　　可以看到我们的方法可以有效的对地震事件进行检测。我们同时对连续7天的地震事件进行了测试，测试表明我们的算法可以检测到93.5%目录中的地震事件。

　　本研究成果的主要创新点包括：1.使用多层神经网络拟合了走时表。这使得在计算过程中减少逻辑判断，并且可以方便的进行加速计算；2.算法全流程可以使用GPU进行加速。使得算法的网格搜索过程可以有效的进行并行化改进，以加快关联速度。

　　关联算法是地震检测的关键步骤，FastLink快速算法的形成可以有效的对密集台阵的地震事件进行检测。

　　研究成果2022年发表于学术期刊《Geophysical Journal International》（Yu, Z., & Wang, W. (2022). FastLink: a machine learning and GPU-based fast phase association method and its application to Yangbi M s 6.4 aftershock sequences. Geophysical Journal International, 230(1), 673-683.）。

        研究受中国地震局地球物理研究所基本科研业务费专项中国地震科学实验场建设项目（DQJB21Z01）资助。