| 基于长短期记忆神经网络的实时地震烈度预测模型 |
| |
| 引用本文： | 胡进军,丁祎天,张辉,靳超越,汤超.基于长短期记忆神经网络的实时地震烈度预测模型[J].地球科学,2023(5):1853-1864. |
| |
| 作者姓名： | 胡进军 丁祎天 张辉 靳超越 汤超 |
| |
| 作者单位： | 1. 中国地震局工程力学研究所地震工程与工程振动重点实验室;2. 地震灾害防治应急管理部重点实验室 |
| |
| 基金项目： | 国家自然科学基金重点项目（No.U1939210）； |
| |
| 摘 要： | 实时烈度预测可在破坏性地震波到达前，根据P波估计地震可能造成的最大影响.预警对象可以采取措施，降低可能造成的损失.P波位移幅值是一种有效估计地震动峰值的参数，然而单个或多个参数难以全面表征地震动中的信息.同时，参数的计算需要确定时间窗大小，无法实现连续预测.为了解决上述问题，提出了一种基于长短期记忆网络的实时地震烈度预测模型.基于2010-2021年K-NET数据构建模型，并选取2022年3月MJMA7.3地震事件作为案例验证模型.结果表明，P波到达后可以在记录的每个时间步预测烈度，P波到达3 s时在测试集中准确率为96.47%.提出的LSTM模型改善了烈度预测的准确性和连续性，可为地震预警、应急响应等提供科学依据.
|
| 关 键 词： | 地震烈度 实时 神经网络 深度学习 地震预警 工程地质 |
|
|
