基于XGBoost的现地PGV预测模型
卢建旗
王雨佳
李山有
谢志南
马强
陶冬旺
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：地震动峰值速度(Peak Ground Velocity,PGV)是常用于衡量地震动对建筑结构破坏潜力的参数之一,实时预测PGV大小是重大工程地震紧急处置中的关键技术.为进一步提升PGV预测准确性,提出一种基于极限梯度提升树(Extream Gradient Boosting,XGBoost)的现地PGV预测模型.该模型以台站观测到的P波前 3 s的峰值加速度(Pa)、峰值速度(Pv)、峰值位移(Pd)、累计绝对速度(CAV)及卓越周期(Tpd)5种特征参数为输入,以该台站观测到的PGV为预测目标.选取日本K-NET台网记录的 102次地震的 6 918组加速度记录进行模型训练,89次地震的 3 430组加速度记录测试模型的泛化能力.结果表明,相同数据集下,对比基于Pd的PGV预测模型和基于支持向量机的PGV预测模型,基于XGBoost的PGV预测模型的预测值与实测值更趋近 1∶1比例关系,且预测误差标准差更小,预测残差均值更接近 0,且在中国的实际地震震例上的运行结果良好.基于XGBoost的PGV预测模型可用于现地地震预警地震动峰值的预测.
关键词：地震预警现地预警极限梯度提升树机器学习地震动峰值速度工程地质
分类号：P315(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.2024C27)
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：14( 1861-1874 )
英文信息