建议结合原文图片看方便理解。
https://note.com/kotoho7/n/n59e423877b1b
请分析并总结这篇文章中的震源推算方法。
我先读一下原文，再把里面的震源推算步骤拆成清晰的流程给你。已思考片刻
这篇文章里的“震源推算”思路，本质上是把“揺れ（检测到震动的时间）”和“震源位置”之间的关系，转成一个误差最小化问题：先假设一个震源，再看它能不能解释各观测点的检测时刻；越能让各点的推算到达时刻彼此一致，这个假设震源就越接近真实震源。作者明确说，这个思路参考了气象厅用的 Geiger 反复法，但实现上是自己写的近似版本。
具体流程是这样的：先记录每个观测点“检测到震动”的时刻；再用“最先检测到的观测点”当作初始假定震源，位置取该点经纬度四舍五入到小数第 2 位，深度先设 10 km，发震时刻设为“检测时刻 − 2 秒”。
接着，作者定义了一个“误差レベル（误差等级）”来衡量某个假定震源有多像真实震源：对所有已检测到的观测点，先根据假定震源计算震央距和走时，再用“检测时刻 − 走时”反推出各点的发震时刻；然后求这些发震时刻的平均值，再计算各点发震时刻相对平均值的平方误差，并乘上权重后加总。这个权重让更近的观测点影响更大，具体做法是“最先检测点的震央距 ÷ 当前点震央距”，但 50 km 以内固定为 1。
作者还补了一个很关键的修正：如果只看“已检测到”的站点，可能会把震源误判到一个虽然拟合得很好、但明显不合理的位置。为此，他加入了“未检测站点”的约束：在震源附近挑选尚未检测到的观测点，若按当前假定震源推算它们本应已经到达，却实际上还没到，就给误差再加 1。这样会把“过早覆盖了未检测站点”的震源排除掉。
最后一步是反复搜索：围绕当前假定震源，先用较粗的步长搜索候选点——经纬度 ±0.5°；找到更小误差的点就把假定震源移过去，直到局部不再变好。然后再缩小步长，改成经纬度 ±0.1°；之后再把深度也加入搜索，依次用深度 ±50 km、±10 km 配合经纬度 ±0.1° 继续迭代，直到误差不再下降，那个位置就作为最终震源。作者把它描述成“往误差谷底滚下去”的过程。
一句话概括：它不是直接做严格的地震学反演，而是用“走时表 + 检测时刻 + 误差最小化 + 网格迭代搜索”来近似找震源。 作者自己也说，最后求出来的其实已经接近“震源计算”而不只是“震央检测”了。
如果你愿意，我可以把这套流程再画成一张“输入 → 计算 → 迭代 → 输出”的流程图，方便你一眼看懂。
这篇文章介绍了一种从地震摇晃监测数据中推算震中（震央）的方法。作者通过从简单的物理原理出发，逐步演进到复杂的专业算法，总结出以下几种主要的推算思路和方法：
地震波（P波约 7km/s，S波约 5km/s）以震源为中心向外扩散，理论上距离震中相等的观测点探测到摇晃的时间也应该相近。
- 基本原理：当选定的“假设震中”越接近“实际震中”时，各观测点的“震中距离”与“检测到摇晃的时间”之间的关系会越符合走时曲线（Travel-Time Curve）。
- 判定方式：如果假设位置偏离实际震中，观测数据在走时坐标系中会显得杂乱无章；如果假设准确，数据点会整齐地排列在曲线上。
作者提出了一套适合程序实现的启发式搜索方法，分为以下几个步骤：
- 设定初始种子点：将第一个检测到摇晃的观测点位置设为“临时震中”。
- 引入 JMA2001 走时表：利用气象厅的标准走时表，根据假设的震源深度和距离，计算出理论上的地震波传递时间（走时）。
- 计算“误差水平”（Error Level）：
- 对所有已检测到摇晃的站点，用“检测时间”减去“理论走时”，反推发震时刻。
- 如果假设震中是正确的，那么所有站点反推出来的“发震时刻”应该高度一致。
- 通过计算这些时刻的**方差（Variance）**来评估误差。方差越小，说明假设位置越接近真实震中。
- 距离权重优化：离震中近的站点数据更可靠，因此在计算误差时，给予近距离站点更高的权重。
为了解决在监测点稀疏地区可能出现的误报（例如，程序可能在没有监测器的远海区域计算出一个低误差震中），文章提到了“着未着法”：
- 逻辑：如果假设震中在某处，那么该处附近的站点理论上应该已经感应到摇晃。如果现实中这些站点“尚未着”（还没检测到摇晃），则说明假设震中是错误的，需要大幅度增加该位置的误差权重。
文章进一步介绍了目前日本紧急地震速报中使用的 IPF (Integrated Particle Filter) 法，这是更为先进的统计学方法：
- 多参数拟合：不仅使用触发时间，还结合了地震波的最大振幅、B-Δ法推算的距离、以及主成分分析得到的震源方位。
- 粒子群搜索：在三维空间（经纬度+深度）内随机散布大量“虚拟震源粒子”，根据观测数据不断调整这些粒子的权重。
- 贝叶斯迭代：高概率区域会产生更多新粒子，通过不断迭代，粒子群会迅速向真实的震源位置汇聚。这种方法在处理“多震源同时发生”的情况时具有极强的鲁棒性。
这篇文章揭示了震中推算从**几何作图（三圆交汇）向数值优化（方差最小化）再到概率统计（粒子滤波）**的演进过程。其核心在于利用已知地震波波速模型（走时表），不断调整假设坐标，直到观测到的时间序列在统计上达到逻辑自洽。
简单理解就是测站检测到震度上升后，从测站位置开始遍历搜索（假定震源），找到尽可能符合传播模型（走时表）的位置，如果新的位置有更小的方差那就将假定震源改为这个新的位置，同时也可以按此方法确定预估发震时间和深度，预估震级则通过测站的最大震度和假定震源位置算出
对于多震和余震的情况，通过调整假设位置和发生时间，只要符合条件的测站满足数量下限和最小的连续距离（从最近点开始算，不能断开，可以设为不同的精度档位，比如最低精度3点40公里、中等精度7点120公里、高精度更多点更长距离等），就认为这个位置、这个时间发生了一次地震，有多个结果的话就认为是多个（或多次）地震，然后把相近的结果合并为同一次地震
需要的数据有：各测站一段时间的历史震度记录，测站精确的经纬度、高（深）度
震度和时间距离的关系（余震和多震的情况）：