Email alert
RSS
优先发表
优先发表栏目展示本刊经同行评议确定正式录用的文章，这些文章目前处在编校过程，尚未确定卷期及页码，但可以根据DOI进行引用。
显示方式:
, 最新更新时间 , doi: 10.11899/zzfy20250146
摘要
HTML全文
PDF 1370KB
摘要:
为了探索和建立适用于我国的现地峰值加速度（PGA）预测模型，以及提高现地PGA预测的可靠性，本研究提出了一种基于时空图神经网络的现地PGA预测模型（TSGNN-PGA），并采用中国强震数据对TSGNN-PGA模型进行训练和测试。测试结果表明：P波触发后3s，和Pd-PGA方法相比，TSGNN-PGA模型对于PGA预测有更小的平均绝对误差（MAE）和标准差（STD），以及更大的决定系数，且分别为0.205、0.261和0.688；同时，和Pd-PGA方法相比，在不同的震中距、震级和信噪比范围下，TSGNN-PGA模型对于PGA预测有更小的MAE和STD，这意味着TSGNN-PGA模型对于震中距、震级和信噪比的敏感性更弱，且受影响更小。此外，在漾濞6.4级地震、芦山6.1级地震和积石山6.2级地震中，与Pd-PGA方法相比，TSGNN-PGA模型对于PGA预测表现出更强的鲁棒性。可以推断，TSGNN-PGA模型在一定程度上可以提高我国现地PGA预测的可靠性，且对于地震预警有着重要意义。
为了探索和建立适用于我国的现地峰值加速度（PGA）预测模型，以及提高现地PGA预测的可靠性，本研究提出了一种基于时空图神经网络的现地PGA预测模型（TSGNN-PGA），并采用中国强震数据对TSGNN-PGA模型进行训练和测试。测试结果表明：P波触发后3s，和Pd-PGA方法相比，TSGNN-PGA模型对于PGA预测有更小的平均绝对误差（MAE）和标准差（STD），以及更大的决定系数，且分别为0.205、0.261和0.688；同时，和Pd-PGA方法相比，在不同的震中距、震级和信噪比范围下，TSGNN-PGA模型对于PGA预测有更小的MAE和STD，这意味着TSGNN-PGA模型对于震中距、震级和信噪比的敏感性更弱，且受影响更小。此外，在漾濞6.4级地震、芦山6.1级地震和积石山6.2级地震中，与Pd-PGA方法相比，TSGNN-PGA模型对于PGA预测表现出更强的鲁棒性。可以推断，TSGNN-PGA模型在一定程度上可以提高我国现地PGA预测的可靠性，且对于地震预警有着重要意义。
, 最新更新时间 , doi: 10.11899/zzfy20250125
摘要:
长周期地震动因具有丰富的低频成分而易使超高层建筑、大跨桥梁、大型生命线工程等长周期结构产生震害，根据形成机制与特征不同，可分为近场长周期地震动和远场长周期地震动两大类。目前对于长周期地震动的界定方法尚未有统一标准，现有方法多根据单一参数判定，无法表征长周期地震动的复杂特性，且缺少对不同类型长周期地震动的界定。鉴于此，本文从人工多角度提取特征和自动拾取时空联合特征两个角度，分别基于机器学习和深度学习搭建PCA-SVM模型和CNN-LSTM-Attention模型，实现了对近、远场长周期地震动的高效判别，在测试集上分别达到了96.57%和97.06%的准确率。结果表明，本文提出的两种分类模型对近、远场长周期地震动均有较好的判别效果，且相较于传统方法更具优越性，可为长周期地震动的识别与选取提供参考。
长周期地震动因具有丰富的低频成分而易使超高层建筑、大跨桥梁、大型生命线工程等长周期结构产生震害，根据形成机制与特征不同，可分为近场长周期地震动和远场长周期地震动两大类。目前对于长周期地震动的界定方法尚未有统一标准，现有方法多根据单一参数判定，无法表征长周期地震动的复杂特性，且缺少对不同类型长周期地震动的界定。鉴于此，本文从人工多角度提取特征和自动拾取时空联合特征两个角度，分别基于机器学习和深度学习搭建PCA-SVM模型和CNN-LSTM-Attention模型，实现了对近、远场长周期地震动的高效判别，在测试集上分别达到了96.57%和97.06%的准确率。结果表明，本文提出的两种分类模型对近、远场长周期地震动均有较好的判别效果，且相较于传统方法更具优越性，可为长周期地震动的识别与选取提供参考。
