摘要
如何在地震中利用台站接收到的少量P波信息预测该台站处的最终烈度是否会超越6度是地震预警研究中亟待解决的关键问题.提出了一种基于极限梯度提升树(XGBoost)的现地烈度阈值实时判别模型,该模型以由台站接收到P波后3秒内的信息计算的5种特征作为输入参数,以该台站处的最终仪器地震烈度是否会超越6度作为阈值.选取1996—2022年日本K-NET台网记录的460次地震的4353条加速度记录建立了基于P波前3秒信息的烈度阈值实时判别模型(XGBoost-ITD).结果表明,该模型对低烈度的判别准确率为93％,对高烈度的判别准确率为88％.在相同数据集条件下,相较于支持向量机分类方法及传统方法,XGBoost方法对现地烈度阈值判别具有更高的精度.
基金项目
中国地震局工程力学研究所基本科研业务费专项(2018B02)
国家重点研发计划(2018YFC1504004)
黑龙江省自然科学基金优秀青年基金(YQ2020E005)
国家自然科学基金(U2039209)
维普
万方数据