Research indexJournal article
基于长短期记忆神经网络的实时地震烈度预测模型
Hu, Ding, Zhang and 2 others
Earth Science-Journal of China University of Geosciences1 Jan 2023Open access
NobleIDark:/48914/w1/20260515/4532ADD4DOI10.3799/dqkx.2022.338
基于长短期记忆神经网络的实时地震烈度预测模型
Hu, Ding, Zhang and 2 others · Earth Science-Journal of China University of Geosciences · 2023
NobleIDark:/48914/w1/20260515/4532ADD4DOI10.3799/dqkx.2022.338
Free to read at the publisher
You can read the abstract here, or the full text at the publisher.
Abstract
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