地震預警現地PGV連續預測的最小二乘支持向量機模型

作者：宋晉東,余聰,李山有

摘要：為提升現地儀器地震烈度預測的準確性與連續性,研究面向地震預警的PGV連續預測模型.以中國儀器地震烈度標準的計算參數:0.1~10 Hz帶通濾波三分向矢量合成速度峰值PGV為預測目標,利用日本K-net與KiK-net臺網P波觸發后1~10 s強震數據,基于人工智能中的機器學習方法-最小二乘支持向量機,選取7種特征參數作為輸入構建最小二乘支持向量機PGV預測模型LSSVM-PGV.結果表明,本文建立的LSSVM-PGV模型在訓練數據集與測試數據集上的預測誤差標準差變化趨于一致,具備泛化性能;P波觸發后3 s預測PGV與實測PGV即可整體符合1∶1關系,隨著時間窗的增長,PGV預測的誤差標準差顯著減小、并在P波觸發后6 s趨向收斂,具備準確連續預測能力;對比同為P波觸發后3 s的常用P d-PGV模型,LSSVM-PGV模型的PGV預測誤差標準差明顯減小,“小值高估”與“大值低估”現象明顯改善,預測準確性得到提升.熊本地震序列的震例分析表明,對于6.5級以下地震,LSSVM-PGV模型最多在P波觸發后3 s即可預測出與實測PGV整體符合1∶1關系的PGV;對于7.3級主震,由于其破裂過程的復雜性,P波觸發后3 s的預測結果出現一定程度的低估,但隨著時間窗增長至6 s時,預測PGV與實測PGV符合1∶1關系、并直到10 s整體趨勢保持一致.本文構建的LSSVM-PGV模型可用于現地地震預警儀器地震烈度的預測.

發文機構：中國地震局工程力學研究所 中國地震局地震工程與工程振動重點實驗室

關鍵詞：最小二乘支持向量機現地地震預警速度峰值PGV熊本地震序列Least squares support vector machineOn-siteEarthquake early warningPGVKumamoto earthquake sequence

分類號： P315[天文地球—地震學]