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

doi:10.3799/dqkx.2024.071

地球科学 ›› 2025, Vol. 50 ›› Issue (05) : 1842 -1860. DOI: 10.3799/dqkx.2024.071

基于机器学习和迁移学习的现地地震动峰值预测

朱景宝 ¹^,² ,
刘赫奕 ¹^,² ,
栾世成 ¹^,² ,
梁坤正 ¹^,² ,
宋晋东 ¹^,² ,
李山有 ¹^,²

作者信息 +

Prediction of On-Site Peak Ground Motion Based on Machine Learning and Transfer Learning

Jingbao Zhu ¹^,² ,
Heyi Liu ¹^,² ,
Shicheng Luan ¹^,² ,
Kunzheng Liang ¹^,² ,
Jindong Song ¹^,² ,
Shanyou Li ¹^,²

Author information +

文章历史 +

PDF (5661K)

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.