肉欲性毛片交19,美痴女～美人上司北岛玲,六月丁香丫丫

資訊內容

研究亮點

基于遷移學習的支持向量機快速震級估計在川滇地區的應用

發布時間： 2022-04-06 點擊數量：6070

研究背景：

中國川滇地區是一個地震活躍地區，快速準確的震級估計對于建立川滇地區地震預警系統非常有意義。目前，國內正在測試的地震預警系統以及地震預警震級估算的相關研究中大多是采用tc方法和Pd方法，這些方法存在明顯的震級估計誤差大、小震高估和大震低估的問題。同時，機器學習方法需要基于大量樣本數據建立訓練數據集，已有機器學習震級估計模型在川滇地區應用需要經過本地數據的遷移訓練。所以，本文基于遷移學習方法，使用川滇地區地震事件對基于日本K-NET臺網強震動記錄預訓練的SVM-M模型進行遷移訓練，構建了基于遷移學習方法的支持向量機震級估計TLSVM-M模型，目的是探索機器學習方法在川滇地區快速震級估計應用的可行性以及改善震級估計的準確性。

研究方法及結果：

1）基于Zhu等（2022）使用日本K-NET強震動記錄建立的SVM-M模型，使用震級范圍在4-7級的川滇地區的強震記錄對SVM-M模型進行遷移學習訓練，并建立基于遷移學習方法的單臺支持向量機震級估計TLSVM-M模型對川滇地區的地震事件進行快速震級估計。圖1展示了由相同的川滇地震事件組成的測試數據集，在P波到達后3秒時，TLSVM-M模型、SVM-M模型、tc方法和Pd方法的震級估計誤差分布。從圖1中可以發現：和另外三種方法相比，TLSVM-M模型有更小的誤差，且基于TLSVM-M模型的震級估計誤差標準差和平均絕對誤差也遠小于另外三種方法。

2）P波到達后3秒時，基于TLSVM-M模型的震級估計誤差與震中距和信噪比的關系如圖2所示。從圖2中可以發現：P波到達后3秒，基于TLSVM-M模型的震級估計誤差主要集中在±0.5震級單位范圍內；此外，誤差不隨震中距和信噪比的變化而發生明顯的變化。

3）圖3展示了TLSVM-M模型對川滇地區五次代表性地震事件的測試：震級為MS4.2的地震事件、震級為MS5.2的地震事件、2008年MS6.3攀枝花地震事件、2014年MS6.6魯甸地震事件和2013年MS7.0蘆山地震事件。在首臺觸發后1s，三個地震事件（Ms4.2、5.2和6.3）的震級估計在±0.3震級單位的誤差范圍內。對于其他兩次地震（6.6級和7.0級），在第一個地震臺觸發后1秒，存在明顯的震級低估問題，隨著首臺觸發后時間的增加，震級低估得到改善。同時，對于這兩個事件（Ms6.6和7.0），在首臺觸發后13秒內，震級估計誤差均在±0.3個震級單位內。

4）研究表明：TLSVM-M模型能夠快速估計川滇地區中小地震（4≤M≤7）的震級。同時，我們推斷，該模型可能在地震預警中具有潛在的應用價值。

該成果發表在美國地震學會SSA旗下期刊《Bulletin of the Seismological Society of America》（Zhu Jingbao, Li Shanyou, Ma Qiang, He Bin, Song Jindong*. Support Vector Machine‐Based Rapid Magnitude Estimation Using Transfer Learning for the Sichuan–Yunnan Region, China. Bulletin of the Seismological Society of America, 2022, doi: https://doi.org/10.1785/0120210232）（IF：2.91，*通訊作者）。

圖1 P波到達后3秒時，（a）TLSVM-M模型、（b）SVM-M模型、（c）Pd方法和（d）?c方法的震級估計誤差分布

圖2 P波到達后3秒，基于TLSVM-M模型的單臺震級估計誤差與（a）震中距和（b）信噪比的關系

圖3 首臺觸發后，五次地震事件的震級估計隨時間的演化

基于深度卷積神經網絡的地震預警震級估算研究

《復雜層狀半空間場地響應分析：一種基于雙重相似性的比例邊界有限元法》論文發表