基于长短期记忆神经网络的实时地震烈度预测模型

胡进军; 丁祎天; 张辉; 靳超越; 汤超

doi:10.3799/dqkx.2022.338

地球科学 ›› 2023, Vol. 48 ›› Issue (05) : 1853 -1864. DOI: 10.3799/dqkx.2022.338

基于长短期记忆神经网络的实时地震烈度预测模型

胡进军 ¹^,² ,
丁祎天 ¹^,² ,
张辉 ¹^,² ,
靳超越 ¹^,² ,
汤超 ¹^,²

作者信息 +

A Real-Time Seismic Intensity Prediction Model Based on Long Short-Term Memory Neural Network

Jinjun Hu ¹^,² ,
Yitian Ding ¹^,² ,
Hui Zhang ¹^,² ,
Chaoyue Jin ¹^,² ,
Chao Tang ¹^,²

Author information +

文章历史 +

PDF (2039K)

摘要

实时烈度预测可在破坏性地震波到达前，根据P波估计地震可能造成的最大影响.预警对象可以采取措施，降低可能造成的损失.P波位移幅值是一种有效估计地震动峰值的参数，然而单个或多个参数难以全面表征地震动中的信息.同时，参数的计算需要确定时间窗大小，无法实现连续预测.为了解决上述问题，提出了一种基于长短期记忆网络的实时地震烈度预测模型.基于2010-2021年K-NET数据构建模型，并选取2022年3月M _JMA7.3地震事件作为案例验证模型.结果表明，P波到达后可以在记录的每个时间步预测烈度，P波到达3 s时在测试集中准确率为96.47%.提出的LSTM模型改善了烈度预测的准确性和连续性，可为地震预警、应急响应等提供科学依据.