Author: He XingChen

Last Updated: 2026-08-22

API 参考

主要函数

run_hash()

根据 P 波初动极性确定震源机制。

result = run_hash(p_azi, p_the, p_pol, p_qual, **kwargs)

参数：

名称	类型	默认	说明
p_azi	ndarray	必填	方位角（度），形状 (nsta,) 或 (nsta, nmc)
p_the	ndarray	必填	离源角（度）
p_pol	ndarray	必填	极性：1=向上, -1=向下
p_qual	ndarray	必填	质量：0=清晰, 1=模糊
dang	float	5.0	网格角度步长
nmc	int	30	Monte Carlo 试验次数
maxout	int	500	最大输出机制数
badfrac	float	0.1	允许的坏极性比例
npolmin	int	8	最少极性数
max_agap	float	90.0	最大方位角空隙
max_pgap	float	60.0	最大离源角空隙

返回值：

键	类型	说明
success	bool	是否求解成功
strike_avg	float	走向（度）
dip_avg	float	倾角（度）
rake_avg	float	滑动角（度）
quality	str	A、B、C、D、E 或 F
mfrac	float	失配比例（0-1）
prob	float	解的概率
stdr	float	台站分布比
nout2	int	解的个数

---

run_hash_with_amp()

使用极性 + S/P 振幅比确定机制。

result = run_hash_with_amp(p_azi, p_the, p_pol, sp_amp, **kwargs)

额外参数：

名称	类型	说明
sp_amp	ndarray	S/P 比值（log10），0.0 = 无数据

额外返回值：

键	类型	说明
mavg	float	振幅失配（log10）
npol	int	极性数量
nspr	int	S/P 比值数量

---

run_hash_batch() / run_hash_batch_with_amp()

一次原生调用批量处理大量事件（事件级 OpenMP 并行）。

results = run_hash_batch(events, nmc=30, backend="fortran", num_threads=16)

run_hash_from_file()

处理 HASH 输入文件中的事件。

results = run_hash_from_file("example.inp")

---

质量等级

等级	判据
A	prob > 0.8, var ≤ 25°, misfit ≤ 15%, stdr ≥ 0.5
B	prob > 0.6, var ≤ 35°, misfit ≤ 20%, stdr ≥ 0.4
C	prob > 0.5, var ≤ 45°, misfit ≤ 30%, stdr ≥ 0.3
D	有解但不满足 C 判据
E	方位角或离源角空隙过大
F	未找到可接受机制

---

模块

模块	函数	说明
driver.py	run_hash, run_hash_with_amp, run_hash_batch, run_hash_batch_with_amp, run_hash_from_file	主要入口
backend/fortran_backend.py	run_event, run_event_amp, run_batch, build_velocity_table, get_tts	原生后端绑定
io.py	read_phase_file, read_station_file, read_polarity_reversal_file, read_velocity_model, write_mechanism_output	文件读写
utils.py	fp_coord_angles_to_vectors, fp_coord_vectors_to_angles	坐标转换

---

底层后端方法

这些方法位于 Fortran 后端实例上（通过 backend.get_backend("fortran") 获取），测试套件用它们将结果钉在原版 HASH 上：

run_event()

单个事件的完整极性流水线（等价于不经过输入归一化的 run_hash）。

run_event_amp()

单个事件的完整极性 + S/P 振幅流水线。

run_batch() / run_batch_amp()

批量流水线（CSR 风格扁平数组），供 run_hash_batch 和 run_hash_batch_with_amp 使用。

mech_prob()

从一组可接受机制中求首选机制和概率。

result = backend.mech_prob(nf, faults, slips, cangle=45.0, prob_max=0.1)

get_misfit() / get_misfit_amp() / get_gap()

给定机制下的失配比例、台站分布比和方位角/离源角空隙。

build_velocity_table() / get_tts()

一维速度模型的离源角表构建与插值。

get_rotation_grid()

给定 dang 的旋转网格缓存（b1/b2/b3 方向余弦）。

---

离源角 API

原生速度表之上的公开封装（cnchash.takeoff）：

接口	说明
TakeoffTable(depth, velocity, params=None, backend="auto")	由一维速度模型构建离源角表（MK_TABLE）；按模型内容缓存复用
TakeoffTable.takeoff(distance, source_depth)	单点查询；超出可用范围抛 TakeoffRangeError
TakeoffTable.takeoff_batch(distances, source_depths)	向量化查询（支持广播）；超出范围返回 NaN
compute_takeoff_angles(depth, velocity, distances, source_depths, ...)	便捷函数：建表 + 批量查询一步完成
DEFAULT_TABLE_PARAMS	默认表参数（距离 0-120 km 步长 1，深度 0-35 km 步长 1，nump 1000）

离源角约定：自竖直方向量起，0° = 垂直向上，90° = 水平，180° = 垂直向下。

---

完整原版 HASH 覆盖

Python 接口完整覆盖原版 Fortran 功能：

原版 Fortran	Python 接口
driver1（FPFIT 文件内离源角）	read_phase_file 自动解析方位角/离源角/不确定度；process_event 按台站不确定度 Monte Carlo
driver2（速度模型表）	velocity_models 参数 + TakeoffTable；深度扰动 + 模型轮换
driver3（S/P 振幅比）	read_amp_file + read_statcor_file + ratmin SNR 过滤；自动走 run_hash_with_amp
driver5（SIMULPS 离源角）	read_simul_takeoff_file + simul 参数；按事件 ID/台站名匹配极性
CHECK_POL / GETSTAT	read_polarity_reversal_file / read_station_file（含 TRI 格式）
MK_TABLE / GET_TTS	TakeoffTable / compute_takeoff_angles
MECH_ROT	kagan_angle(n1, s1, n2, s2)（原生绑定）
核心版本	backend.get_backend("fortran").native_version()