应用支持向量机回归地震动预测模型中国地震局工程力学研究所

资讯内容

研究亮点

应用支持向量机回归地震动预测模型

发布时间： 2023-02-27 点击数量：853

研究背景：

基于数据统计的地震动预测模型需要预设回归的方程式，假定的方程式一般以参数化的物理模型为基础进行构建，这种构建模型方法可以在数据有限的情况下提高预测方法的精度，但是通过预设方程式的方法往往限制有效预测复杂和未知的地震动强度的能力。并且参数化的预测方程简化了物理过程，可能使得预测结果具有较大的不确定性。另外，随着我国强震台网的不断建设，地震动数据量的显著增加使得应用机器学习技术构建地震动预测模型成为可能。

研究方法及结果：

1）选取中国川滇地区地震动数据，与传统的回归分析的经典方法不同，应用支持向量机回归地震动预测模型，确定了该方法的控制参数。

2）与川滇地区的现有地震动衰减模型和NGA-West2模型进行比较，验证了提出的基于机器学习算法的地震动预测模型合理性。

3）提出的模型能够在给定震级和场地条件下很好地预测地震动峰值加速度和加速度反应谱值，并且从结果上来看具有很好的泛化能力和鲁棒性。

该成果发表在国际期刊《Journal of Earthquake Engineering》（Jinjun Hu*, Hui Zhang. Support Vector Machine Method for Developing Ground Motion Models for Earthquakes in Western Part of China. Journal of Earthquake Engineering, https://doi.org/10.1080/13632469.2021.1884146（IF：3.99，*通讯作者）。

图1 地震动数据分布 (a)地震的位置 (b)震源距和震级的关系
(c)震级的数目 (d)震源深度和震级的关系

图2 对数据集应用高斯算法随机切割分类为测试集和训练集

图3 应用支持向量机算法回归预测模型测试集和训练集的效果

基于2020年7月12日唐山地震中密集地震动观测记录的地震动衰减和盆地效应

基于地质年代和成因的新疆和首都圈地区宏观场地分类方法