基于PSO-BP算法的近场地震动脉冲周期预测研究

摘要

脉冲周期是直接影响近断层桥梁地震响应分析与抗震设计关键参数之一。为准确预测近断层桥梁场地地震动方向性效应脉冲周期，克服传统经验公式仅考虑较少因素且难以反映其非线性关系的局限性，提出了一种基于粒子群算法(particle swarm optimization, PSO)优化的BP神经网络模型。该模型综合选取震级、震中距和朝向场地破裂的断层区域的长度等地震动特征参数作为输入，通过优化神经网络的初始权重和阈值，提升了模型在处理非线性问题时的预测精度；选取了多组强震动台站记录数据作为训练和验证样本，对比分析了PSO优化BP神经网络与传统预测方法的性能差异。结果表明：PSO优化的BP神经网络模型在脉冲周期预测时具有更高的精度和更强的泛化能力，相较传统回归模型显著降低了误差，能够较准确地预测近断层地震动脉冲周期。研究成果为近场地震动脉冲周期的精准预测提供了新方法，为地震预测研究开辟了新的思路与方向。

关键词

脉冲周期 / 近断层桥梁 / 粒子群优化算法 / BP神经网络 / 地震动特征参数