首页|基于XGBoost的现地地震烈度阈值实时判别模型

基于XGBoost的现地地震烈度阈值实时判别模型

Real-Time Discrimination Model for Local Earthquake Intensity Threshold Based on XGBoost

扫码查看
原文链接
  • 维普
  • 万方数据
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.

onsite warningXGBoostSHAPmachine learningearthquake

李山有、陈欣、卢建旗、马强、谢志南、陶冬旺、李伟

展开 >

中国地震局工程力学研究所地震工程与工程振动重点实验室,黑龙江哈尔滨 150080

地震灾害防治应急管理部重点实验室,黑龙江哈尔滨 150080

现地预警 XGBoost SHAP 机器学习 天然地震

中国地震局工程力学研究所基本科研业务费专项国家重点研发计划黑龙江省自然科学基金优秀青年基金国家自然科学基金

2018B022018YFC1504004YQ2020E005U2039209

2024

10.3799/dqkx.2023.159

地球科学
中国地质大学

地球科学

CSTPCD北大核心
影响因子：1.447
ISSN：1000-2383
年,卷(期)：2024.49(2)
  • 43