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

doi:10.3799/dqkx.2024.142

地球科学 ›› 2025, Vol. 50 ›› Issue (05) : 1861 -1874. DOI: 10.3799/dqkx.2024.142

基于XGBoost的现地PGV预测模型

卢建旗 ¹^,² ,
王雨佳 ¹^,² ,
李山有 ¹^,² ,
谢志南 ¹^,² ,
马强 ¹^,² ,
陶冬旺 ¹^,²

作者信息 +

An XGBoost-Based Onsite PGV Prediction Model

Jianqi Lu ¹^,² ,
Yujia Wang ¹^,² ,
Shanyou Li ¹^,² ,
Zhinan Xie ¹^,² ,
Qiang Ma ¹^,² ,
Dongwang Tao ¹^,²

Author information +

文章历史 +

PDF (3214K)

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（P _a）、峰值速度（P _v）、峰值位移（P _d）、累计绝对速度（CAV）及卓越周期（T _pd）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.