91视频软件,欧美亚洲激情视频,国产又猛又黄又爽

資訊內(nèi)容

研究亮點(diǎn)

地震動(dòng)能量相關(guān)強(qiáng)度指標(biāo)預(yù)測(cè)模型——基于SVR建立區(qū)域GMM的方法探討

發(fā)布時(shí)間： 2023-04-11 點(diǎn)擊數(shù)量：5715

研究背景：

基于累積能量的地震動(dòng)強(qiáng)度指標(biāo)，例如Arias（IA）和累積絕對(duì)速度（CAV）可以更為綜合的反映地震動(dòng)的幅值、頻譜以及持時(shí)特征。此類地震動(dòng)強(qiáng)度指標(biāo)的預(yù)測(cè)模型（GMM）開發(fā)對(duì)于更為全面的開展概率地震危險(xiǎn)性分析有著重要意義。隨著全球范圍內(nèi)的大量強(qiáng)震臺(tái)站的投入使用，現(xiàn)有地震動(dòng)記錄的數(shù)量和質(zhì)量都有大幅度地增長和提高，這也使得數(shù)據(jù)密集領(lǐng)域的地震學(xué)與機(jī)器學(xué)習(xí)二者跨學(xué)科間的結(jié)合越來越緊密。在開發(fā)GMM的相關(guān)研究中，應(yīng)用機(jī)器學(xué)習(xí)中的回歸算法來開發(fā)模型的最大優(yōu)點(diǎn)是：在沒有預(yù)設(shè)模型具體函數(shù)形式的前提下，依靠算法本身強(qiáng)大的數(shù)據(jù)挖掘能力就可以捕捉到地震動(dòng)數(shù)據(jù)存在的潛在衰減趨勢(shì)。而屬于這類算法的支持向量回歸（SVR）就特別適用于小樣本學(xué)習(xí)并且泛化性能良好，這對(duì)于開發(fā)區(qū)域GMM而言優(yōu)勢(shì)明顯。

研究方法及結(jié)果：

基于K-NET強(qiáng)震臺(tái)網(wǎng)在日本關(guān)東地區(qū)記錄到的地震動(dòng)數(shù)據(jù)，應(yīng)用機(jī)器學(xué)習(xí)中的支持向量回歸算法（圖2）開發(fā)了日本關(guān)東地區(qū)能量相關(guān)強(qiáng)度指標(biāo)（IA,CAV, DS5-75和DS5-95）的地震動(dòng)模型（SVR-GMMs），并與已有相關(guān)模型進(jìn)行了比較，結(jié)論和啟示如下：

1)采用數(shù)據(jù)驅(qū)動(dòng)的支持向量回歸算法開發(fā)的SVR-GMMs，不僅消除了傳統(tǒng)隨機(jī)效應(yīng)回歸方法中預(yù)設(shè)模型具體函數(shù)形式可能影響預(yù)測(cè)性能的問題，并且可以有效地捕捉到區(qū)域地震動(dòng)的衰減特征。

2)關(guān)東地區(qū)的兩個(gè)累積能量SVR-GMMs（IA和CAV）在近場(chǎng)的預(yù)測(cè)結(jié)果均高于已有模型（圖3）。這些衰減特征的差異可能與關(guān)東地區(qū)自身的場(chǎng)地條件有關(guān)。“盆地效應(yīng)”會(huì)使得盆地內(nèi)地震動(dòng)和盆地周邊地震動(dòng)的強(qiáng)度、持時(shí)存在較大差異，地震動(dòng)在盆地中呈不均勻分布。

3)當(dāng)斷層距大于100 km時(shí)，持時(shí)的SVR-GMMs預(yù)測(cè)結(jié)果小于BMG20（圖4）。當(dāng)M<5.5時(shí)，顯著持時(shí)隨距離衰減存在明顯的遠(yuǎn)場(chǎng)飽和現(xiàn)象，顯著持時(shí)的飽和距離為100 km。本文開發(fā)的SVR-GMMs有效地捕捉到了顯著持時(shí)存在的這一區(qū)域衰減特征。

該成果發(fā)表在國際期刊《Seismological Research Letters》（Jinjun Hu, Chaoyue Jin*, Hui Zhang, et al. Support Vector Regression for Developing Ground-Motion Models for Arias Intensity, Cumulative Absolute Velocity, and Significant Duration for the Kanto Region, Japan, Seismological Research Letters, 2022, 93 (3): 1619–1635. doi: https://doi.org/10.1785/0220210259）（IF：3.754，*通訊作者）。

圖1 所選K-NET強(qiáng)震臺(tái)站和地震震源分布

圖2 支持向量回歸算法示意圖

圖3 累積能量的SVR-GMMs與已有模型的對(duì)比

圖4 持時(shí)的SVR-GMMs與已有模型的對(duì)比

一種簡化的多點(diǎn)非平穩(wěn)地震動(dòng)合成方法

《強(qiáng)地震動(dòng)按破壞強(qiáng)度的排序研究》專著出版