（通讯员 杨玲）近日，我校地球物理与石油资源学院在被动源地震定位领域取得重要进展。相关研究成果在《Geophysics》期刊发表，论文题为“Knowledge-augmented deep learning for passive seismic event localization”（基于知识增强深度学习的被动地震定位）。该论文第一作者为封强特任副教授，研究受国家自然科学基金资助。

被动地震定位是地球物理勘探与地震学研究中的一项基础性关键技术，不仅对于揭示地壳运动规律、评估天然地震灾害风险具有重要科学价值，而且在页岩油气水力压裂监测、地热资源开发、深部碳封存场地安全性评价等工业应用中发挥着日益关键的工程作用。针对深度学习方法在跨区域地震定位中泛化能力弱、决策过程不透明的难题，该研究提出了一种知识增强深度学习框架，将具有明确物理意义的逆时成像知识以数据融合和网络结构约束两种方式嵌入深度学习模型，使模型既能充分利用波形数据，又能始终遵循物理规律。这种知识与数据联合驱动模式有效弥补了纯数据驱动方法对训练样本分布的高度依赖，显著提升了模型在面对不同地质条件时的适应能力和定位可信度。实验结果表明，该方法在不同地质模型间的迁移测试中定位精度明显优于传统成像方法和常规深度学习模型，且在速度模型存在不确定性时仍能保持稳定可靠的聚焦效果。同时，借助可解释性分析工具，该研究揭示了物理知识在模型决策中的关键作用，验证了知识融合的必要性与有效性，增强了结果的透明度和可信度。实际井下微地震数据应用也证实了该方法在观测条件受限场景下的可用性。论文链接：https://doi.org/10.1190/GEO2025-0002

《Geophysics》是地球物理领域的权威学术刊物，涵盖了地球物理方法的全部领域，包括地震学、位场、电磁学和测井。

（审核 盛广龙 编辑 余为）