基于机器学习和迁移学习的现地地震动峰值预测
朱景宝
刘赫奕
栾世成
梁坤正
宋晋东
李山有
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：在现地地震预警中,为了提高中国仪器地震烈度计算中地震动峰值(PGA和PGV)预测的准确性,提出了基于机器学习和迁移学习的现地地震动峰值预测方法.基于日本K-NET台网记录的强震动数据,使用神经网络建立了预训练的现地地震动峰值预测模型;基于中国的强震动数据和预训练的现地地震动峰值预测模型,通过迁移学习建立了用于中国的现地地震动峰值预测模型.对于日本和中国测试数据集以及泸定 6.8级地震,在P波到达后 3 s,和传统的现地地震动峰值预测方法相比,本研究提出的方法对于PGA预测和PGV预测有更小的平均绝对误差和标准差.结果表明,本研究提出的方法可以在一定程度上提高现地地震预警地震动峰值预测的可靠性,对于现地地震预警系统具有重要意义.
关键词：地震机器学习迁移学习P波地震动峰值人工智能
分类号：P315(大地（岩石界）物理学（固体地球物理学）)
资助基金：国家自然科学基金(No.42304074)
论文发表日期：2025-05-30
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：19( 1842-1860 )
英文信息