亚洲国产日韩欧美,国产国产人免费人成免费,xo影院

資訊內容

研究亮點

基于遷移學習的支持向量機快速震級估計在川滇地區(qū)的應用

發(fā)布時間： 2022-04-06 點擊數(shù)量：7704

研究背景：

中國川滇地區(qū)是一個地震活躍地區(qū)，快速準確的震級估計對于建立川滇地區(qū)地震預警系統(tǒng)非常有意義。目前，國內正在測試的地震預警系統(tǒng)以及地震預警震級估算的相關研究中大多是采用tc方法和Pd方法，這些方法存在明顯的震級估計誤差大、小震高估和大震低估的問題。同時，機器學習方法需要基于大量樣本數(shù)據(jù)建立訓練數(shù)據(jù)集，已有機器學習震級估計模型在川滇地區(qū)應用需要經過本地數(shù)據(jù)的遷移訓練。所以，本文基于遷移學習方法，使用川滇地區(qū)地震事件對基于日本K-NET臺網強震動記錄預訓練的SVM-M模型進行遷移訓練，構建了基于遷移學習方法的支持向量機震級估計TLSVM-M模型，目的是探索機器學習方法在川滇地區(qū)快速震級估計應用的可行性以及改善震級估計的準確性。

研究方法及結果：

1）基于Zhu等（2022）使用日本K-NET強震動記錄建立的SVM-M模型，使用震級范圍在4-7級的川滇地區(qū)的強震記錄對SVM-M模型進行遷移學習訓練，并建立基于遷移學習方法的單臺支持向量機震級估計TLSVM-M模型對川滇地區(qū)的地震事件進行快速震級估計。圖1展示了由相同的川滇地震事件組成的測試數(shù)據(jù)集，在P波到達后3秒時，TLSVM-M模型、SVM-M模型、tc方法和Pd方法的震級估計誤差分布。從圖1中可以發(fā)現(xiàn)：和另外三種方法相比，TLSVM-M模型有更小的誤差，且基于TLSVM-M模型的震級估計誤差標準差和平均絕對誤差也遠小于另外三種方法。

2）P波到達后3秒時，基于TLSVM-M模型的震級估計誤差與震中距和信噪比的關系如圖2所示。從圖2中可以發(fā)現(xiàn)：P波到達后3秒，基于TLSVM-M模型的震級估計誤差主要集中在±0.5震級單位范圍內；此外，誤差不隨震中距和信噪比的變化而發(fā)生明顯的變化。

3）圖3展示了TLSVM-M模型對川滇地區(qū)五次代表性地震事件的測試：震級為MS4.2的地震事件、震級為MS5.2的地震事件、2008年MS6.3攀枝花地震事件、2014年MS6.6魯?shù)榈卣鹗录?013年MS7.0蘆山地震事件。在首臺觸發(fā)后1s，三個地震事件（Ms4.2、5.2和6.3）的震級估計在±0.3震級單位的誤差范圍內。對于其他兩次地震（6.6級和7.0級），在第一個地震臺觸發(fā)后1秒，存在明顯的震級低估問題，隨著首臺觸發(fā)后時間的增加，震級低估得到改善。同時，對于這兩個事件（Ms6.6和7.0），在首臺觸發(fā)后13秒內，震級估計誤差均在±0.3個震級單位內。

4）研究表明：TLSVM-M模型能夠快速估計川滇地區(qū)中小地震（4≤M≤7）的震級。同時，我們推斷，該模型可能在地震預警中具有潛在的應用價值。

該成果發(fā)表在美國地震學會SSA旗下期刊《Bulletin of the Seismological Society of America》（Zhu Jingbao, Li Shanyou, Ma Qiang, He Bin, Song Jindong*. Support Vector Machine‐Based Rapid Magnitude Estimation Using Transfer Learning for the Sichuan–Yunnan Region, China. Bulletin of the Seismological Society of America, 2022, doi: https://doi.org/10.1785/0120210232）（IF：2.91，*通訊作者）。

圖1 P波到達后3秒時，（a）TLSVM-M模型、（b）SVM-M模型、（c）Pd方法和（d）?c方法的震級估計誤差分布

圖2 P波到達后3秒，基于TLSVM-M模型的單臺震級估計誤差與（a）震中距和（b）信噪比的關系

圖3 首臺觸發(fā)后，五次地震事件的震級估計隨時間的演化

基于深度卷積神經網絡的地震預警震級估算研究

《復雜層狀半空間場地響應分析：一種基于雙重相似性的比例邊界有限元法》論文發(fā)表