融合批量数值仿真与机器学习的局部场地放大快速预测方法

摘要

传统基于单一物理模型的数值模拟方法在分析复杂场地效应时，普遍存在计算复杂、资源消耗大等局限性。为此，以典型倒梯形沉积盆地为对象，融合批量数值仿真与机器学习技术，构建一套高效的局部场地地震动放大效应预测体系。具体流程包括：首先，建立3 312个标准沉积盆地有限元模型，通过系统的地震反应分析，构建包含11类参数与频谱响应的大样本数据库（共977 010组数据）；随后，采用卷积神经网络（CNN）、长短时记忆网络（LSTM）和决策树回归（DTR）三类机器学习算法，训练针对地表放大效应的智能预测模型。全部数据处理通过自主开发的Python程序自动完成，训练集与测试集按8∶2的比例划分，以确保模型的泛化能力。以希腊迈索多尼盆地典型剖面为案例的实证分析表明，所构建的模型能够快速、准确地评估局部场地效应。相较于传统数值模拟方法，所提方法通过机器学习算法构建输入-输出间的直接映射关系，显著降低计算复杂度，在保证工程精度的同时大幅提升计算效率，可为实际工程场地的地震反应快速评估提供可靠技术支撑。

关键词

场地影响 / 频谱放大 / 局部场地 / 机器学习 / 地震动

基金资助

国家重点研发计划课题(2022YFC3003503); 国家自然科学基金项目(52192675)