基于LSTM神经网络的现地烈度实时估算模型——以JMA烈度为例

摘要

如何快速并且准确估计目标场点烈度是地震预警中的关键问题。常用基于衰减关系的场点烈度估计和基于P波信息的现地烈度估计往往存在大震烈度低估的问题。本文提出了一种基于长短时记忆神经网络(logn short-term memery, LSTM)的现地JMA烈度持续估计模型。该模型以现地观测地震动的能量、能量增长率、地震动卓越周期和震源距作为输入，以该点的最大仪器地震烈度为预测目标。选取了日本K-NET台网记录101次地震数据作为训练集，94次地震数据作为测试集，训练了现地烈度估算LSTM神经网络模型。结果表明：在采用3 s时窗长度的序列进行预测时，高估的比例为1.51%,低估的比例为4.00%;并且，随着时窗长度的增加，高估和低估的比例也在不断降低。模型对高烈度(大于等于4.5度)样本的预测时效性随震源距的增加而增加，对大震远场高烈度区域能提供20 s以上的预警时间。

关键词

地震预警 / 现地预警 / 长短时记忆神经网络 / 实时减灾 / 烈度估计