基于可解释深度学习算法的竖向主余震地震动预测模型

摘要

地震动预测模型是地震工程领域中重要研究内容之一，但目前的研究主要集中在水平向地震动上，预测精度有限以及未区分主震和余震。针对上述问题，该研究基于随机森林算法，挑选关键地震动参数作为模型输入，采用可解释深度学习方法开发了竖向主余震地震动预测模型，并对该模型进行了全面评估，包括性能分析、物理特征分析、残差分析和可解释性分析。研究结果表明，相较于传统方法，本研究模型预测精度方面取得显著提升，其决定系数平均提升了10%,RMSE和MAE分别降低了约30%和25%;本研究模型保留了参数化预测模型所具有物理特征；本研究地震动预测模型事件间残差分布在[-1,1]区间内，事件内残差分布[-2,2]区间内，同时沿0基准线两侧均匀分布；深度学习可解释性分析揭示了各地震参数对模型预测效果的显著性。本研究采用可解释深度学习算法构建的地震动预测模型，不仅能高精度预测出竖向主余震的强度参数，并且可视化了各个地震学参数对地震动强度参数的影响，为地震动强度参数预测提供了更为有效的工具。

关键词

地震动预测模型 / 竖向地震动 / 主余震 / 深度学习 / 残差分析 / SHAP可解释性分析