中文无码精品A∨在线观看不卡,亚洲AV美女一区二区三区,国外AV无码精品国产精品,H无码动漫在线观看,精品免费久久久久久久

資訊內容
研究亮點(diǎn)

地震動(dòng)能量相關(guān)強度指標預測模型——基于SVR建立區域GMM的方法探討

發(fā)布時(shí)間： 2023-04-11 點(diǎn)擊數量：3857
研究背景：
基于累積能量的地震動(dòng)強度指標，例如Arias（IA）和累積絕對速度（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(lèi)地震動(dòng)強度指標的預測模型（GMM）開(kāi)發(fā)對于更為全面的開(kāi)展概率地震危險性分析有著(zhù)重要意義。隨著(zhù)全球范圍內的大量強震臺站的投入使用，現有地震動(dòng)記錄的數量和質(zhì)量都有大幅度地增長(cháng)和提高，這也使得數據密集領(lǐng)域的地震學(xué)與機器學(xué)習二者跨學(xué)科間的結合越來(lái)越緊密。在開(kāi)發(fā)GMM的相關(guān)研究中，應用機器學(xué)習中的回歸算法來(lái)開(kāi)發(fā)模型的最大優(yōu)點(diǎn)是：在沒(méi)有預設模型具體函數形式的前提下，依靠算法本身強大的數據挖掘能力就可以捕捉到地震動(dòng)數據存在的潛在衰減趨勢。而屬于這類(lèi)算法的支持向量回歸（SVR）就特別適用于小樣本學(xué)習并且泛化性能良好，這對于開(kāi)發(fā)區域GMM而言?xún)?yōu)勢明顯。
研究方法及結果：
基于K-NET強震臺網(wǎng)在日本關(guān)東地區記錄到的地震動(dòng)數據，應用機器學(xué)習中的支持向量回歸算法（圖2）開(kāi)發(fā)了日本關(guān)東地區能量相關(guān)強度指標（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，結論和啟示如下：
1)采用數據驅動(dòng)的支持向量回歸算法開(kāi)發(fā)的SVR-GMMs，不僅消除了傳統隨機效應回歸方法中預設模型具體函數形式可能影響預測性能的問(wèn)題，并且可以有效地捕捉到區域地震動(dòng)的衰減特征。
2)關(guān)東地區的兩個(gè)累積能量SVR-GMMs（IA和CAV）在近場(chǎng)的預測結果均高于已有模型（圖3）。這些衰減特征的差異可能與關(guān)東地區自身的場(chǎng)地條件有關(guān)?！芭璧匦睍?huì )使得盆地內地震動(dòng)和盆地周邊地震動(dòng)的強度、持時(shí)存在較大差異，地震動(dòng)在盆地中呈不均勻分布。

3)當斷層距大于100 km時(shí)，持時(shí)的SVR-GMMs預測結果小于BMG20（圖4）。當M<5.5時(shí)，顯著(zhù)持時(shí)隨距離衰減存在明顯的遠場(chǎng)飽和現象，顯著(zhù)持時(shí)的飽和距離為100 km。本文開(kāi)發(fā)的SVR-GMMs有效地捕捉到了顯著(zhù)持時(shí)存在的這一區域衰減特征。

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強震臺站和地震震源分布

圖2 支持向量回歸算法示意圖


圖3 累積能量的SVR-GMMs與已有模型的對比

圖4 持時(shí)的SVR-GMMs與已有模型的對比


<

上一篇

一種簡(jiǎn)化的多點(diǎn)非平穩地震動(dòng)合成方法
>

下一篇

《強地震動(dòng)按破壞強度的排序研究》專(zhuān)著(zhù)出版