摘要
以0.1-10 Hz带通滤波后三分向矢量合成地震动峰值PGA 与PGV 为预测目标参数,利用日本K-net 强震台网P波触发后3 s数据,基于人工智能中的经典机器学习方法-支持向量机,选取加速度幅值Pa、速度幅值Pv、位移幅值Pd、傅里叶谱幅值AMmax、速度平方积分IV2、破坏烈度DI、累积绝对速度CAV、阿里亚斯烈度Ia这8 种特征参数构建地震动峰值预测模型.结果表明,对比常规的Pd 预测模型,建立的支持向量机PGA 与PGV 预测模型,在测试数据集及随机选取2 次震例数据集上计算得到的预测值与实测值更趋近1:1 比例关系,且PGA 与PGV 的预测值误差不受震中距变化的影响,PGA 与PGV 预测时的低值高估与高值低估现象也得到了改善.构建的支持向量机预测模型可用于现地地震预警地震动峰值、即仪器地震烈度的预测.
基金项目
国家重点研发计划(2018YFC1504003)
山东省高校土木结构防灾减灾协同创新中心基金资助(XTZ201901)
NETL
NSTL
维普
万方数据