美女高潮视频在线看,国产精品视频中文字幕91,夜色77av精品影院

資訊內容

研究亮點

基于深度卷積神經網絡的地震預警震級估算研究

發(fā)布時間： 2022-04-18 點擊數量：4927

研究背景：

震級估計是地震預警中的重要工作之一，可靠的預警信息和破壞區(qū)域的預測都依賴于準確的震級估計。目前，地震預警震級估計主要采用頻率、振幅或能量參數與震級的線性統(tǒng)計關系。然而，單個參數得到的震級估計結果離散性較大。因此，地震預警震級估計的準確性仍需提高。為了改進P波到達后震級估計的準確性，本文使用深度卷積神經網絡建立了用于震級估計的模型（DCNN-M模型）。

研究方法及結果：

1）本文使用日本K-NET臺網的強震動記錄對建立的DCNN-M模型進行訓練和測試。DCNN-M模型使用從P波到達后記錄的3s地震數據中提取的12個參數作為輸入，并且該模型由四個卷積層、四個池化層、四個Batch normalization層、三個全連接層、Adam優(yōu)化器和一個輸出層組成。圖1展示了DCNN-M模型的網絡架構。

2）P波到達后3秒時，對于相同的測試數據集，Tc方法、Pd方法和DCNN-M模型的震級估計如圖2所示。和Tc方法、Pd方法相比，基于DCNN-M模型的誤差明顯減小，且小震（M≤5）高估問題得到了有效的改善；此外，Tc方法和Pd方法的震級估計誤差隨震中距的變化而發(fā)生明顯的變化，而基于DCNN-M模型的誤差不受震中距變化的影響。

3）在P波到達后3秒時，基于DCNN-M模型對31次地震事件的離線測試如圖3所示。這些地震事件的預測震級與編目震級非常接近，幾乎所有的預測震級都在DCNN-M模型誤差的標準差（0.31）范圍內。此外，這31次地震事件的震級預測誤差標準差為0.21。此外，對于7.2級以下的地震事件，DCNN-M模型獲得了可靠的結果，且沒有明顯的震級高估和低估現象。

4）本文的研究表明：DCNN-M模型對于地震預警系統(tǒng)有著潛在的應用。由于本文使用的是日本K-NET臺網3.0-7.4級的強震數據對DCNN-M模型進行訓練，因此該模型對于7.5級以上的地震事件以及其他地區(qū)的地震事件是否適用仍需進一步的研究。

該成果發(fā)表在期刊《Frontiers in Earth Science》（Zhu Jingbao, Li Shanyou, Song Jindong*, Wang Yuan. Magnitude estimation for earthquake early warning using a deep convolutional neural network [J]. Frontiers in Earth Science, 2021, 9:653226. doi: 10.3389/feart.2021.653226）（IF：3.498，*通訊作者）。

圖1 DCNN-M模型的網絡架構

圖2 P波到達后3秒，（A,D）Tc方法、（B,E）Pd方法和（C,F）DCNN-M模型的震級估計

圖3 31次地震事件的離線應用

基于FEMA P-58方法的鋼筋混凝土結構抗震及減隔震性能評估

《強地震動按破壞強度的排序研究》專著出版

自拍一区在线观看,欧美日韩麻豆,蜜桃av一区,日韩精品极品视频