基于XGBoost的现地地震烈度阈值实时判别模型
李山有
陈欣
卢建旗
马强
谢志南
陶冬旺
李伟
中国地震局工程力学研究所地震工程与工程振动重点实验室,黑龙江哈尔滨 150080;地震灾害防治应急管理部重点实验室,黑龙江哈尔滨 150080
摘要：如何在地震中利用台站接收到的少量P波信息预测该台站处的最终烈度是否会超越6度是地震预警研究中亟待解决的关键问题.提出了一种基于极限梯度提升树(XGBoost)的现地烈度阈值实时判别模型,该模型以由台站接收到P波后3秒内的信息计算的5种特征作为输入参数,以该台站处的最终仪器地震烈度是否会超越6度作为阈值.选取1996—2022年日本K-NET台网记录的460次地震的4353条加速度记录建立了基于P波前3秒信息的烈度阈值实时判别模型(XGBoost-ITD).结果表明,该模型对低烈度的判别准确率为93％,对高烈度的判别准确率为88％.在相同数据集条件下,相较于支持向量机分类方法及传统方法,XGBoost方法对现地烈度阈值判别具有更高的精度.
关键词：现地预警XGBoostSHAP机器学习天然地震
分类号：P315.3(大地（岩石界）物理学（固体地球物理学）)P315.7(大地（岩石界）物理学（固体地球物理学）)P315.9(大地（岩石界）物理学（固体地球物理学）)
资助基金：中国地震局工程力学研究所基本科研业务费专项资助项目(No.2018B02)国家重点研发计划(No.2018YFC1504004)黑龙江省自然科学基金项目(No.YQ2020E005)国家自然科学基金(No.U2039209)
论文发表日期：2024-02-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 379-390 )
英文信息