基于深度学习的我国水平和竖向地震动预测模型开发研究

摘要

地震动预测模型是地震危险性分析等研究的重要基础，目前对于中国竖向地震动预测模型研究相对较少，同时，现有地震动预测模型大多采用参数化方程形式，其预测精度可能有限。因此，建立具有更高预测精度与可靠性的中国水平和竖向地震动预测模型是需要进一步深入研究的内容。为解决上述问题，首先以筛选出的1 991组中国水平和竖向地震动序列为基础，选用Butterworth非因果滤波方法对中国地震动滤波进行降噪处理；然后基于深度学习方法开发了中国水平和竖向地震动预测模型(CHV-DNN),并对其进行了模型性能、物理特征以及事件内和事件间残差分析等方面的全面评估；最后给出了中国水平和竖向地震动谱型相关系数模型。研究结果表明：CHV-DNN模型事件间残差大部分集中在[-1,1]范围内，事件内残差大部分集中在[-1.5,1.5]范围内，事件内和事件间残差均在残差为0基准线两侧均匀分布，验证了模型的可靠性与准确性；CHV-DNN模型不仅具有较高的预测精度，同时还具有良好的物理特征；基于CHV-DNN计算的相关系数模型较为合理。本研究开发的中国水平和竖向地震动预测模型，将为中国水平和竖向地震危险性分析等研究提供研究基础。

关键词

地震动预测模型 / 水平和竖向地震动 / 深度学习 / 残差分析 / 中国地震动