91嫩草网丨亚洲国产图片丨亚洲国产精品国自产拍电影丨亚洲一卡二新区乱码绿踪林丨理伦少妇片一级丨欧美中文字幕一区二区丨在教室伦流澡到高潮hnp视频丨少妇精69xxtheporn丨亚洲va综合va国产产va中丨国产久色在线拍揄自揄拍丨青青草官网丨91九色丨porny最新地址丨狠狠色狠狠色综合伊人丨国产精品zjzjzj在线观看丨国产精品天干天干在线观看澳门丨精品国模一区二区三区丨91蜜桃丨久久看片丨在线播放91丨女性隐私黄www网站视频

資訊內容
科研工作

研究亮點：基于機器學習預測方程的現地閾值水準地震預警新方法

發布時間： 2022-06-27 點擊數量：6843
研究背景：
地震預警的核心工作是利用地震初期信息快速判斷地震的潛在破壞區域，但是在大地震事件中，快速實時預測地震破裂的走向是制約地震潛在破壞區域確定的關鍵，這也是目前地震預警的難點所在。隨著地震臺網的密集建設，直接利用密集現地臺站地震動預測代替地震動場成為研究的趨勢，但目前還存在現地臺站震級估計與現地地震動預測準確性差的亟待解決問題。本研究基于機器學習方法建立了現地臺站的震級與地震動預測方程，在此基礎上，分別以震級5.7和儀器烈度Ⅶ度作為閾值建立四水準警報判斷模型，提出了一種基于機器學習的地震預警新方法。
研究方法及結果：
1）利用日本K-net強震觀測加速度數據建立訓練、測試、驗證數據集，構建了基于多特征輸入和機器學習支持向量機（SVM）的震級估計和峰值速度（PGV）預測方程。這兩種預測方程分別稱為估計震級的SVM-M模型和預測PGV的SVM-PGV模型。設置預測震級閾值和PGV閾值分別為M=5.7和PGV=9.12 cm/s，當預測震級或PGV值超過給定閾值時，會在不同的記錄點發出不同的警報級別（0、1、2、3）。警報級別3表示預測的震級和預測的PGV都超過給定的閾值，并且該記錄站點可能會受到嚴重破壞。（圖1）
2）三次破壞性地震事件（M≥6.5）的驗證結果表明，就預測PGV的SVM-PGV模型的性能而言，在P波到達后3 s，這三個事件的成功警報百分比分別高于95%、73%和94%，假警報百分比接近0。考察SVM-M模型估計震級的性能，在P波到達后3s，這三個事件的成功警報百分比超過95%，漏報百分比接近0。此外，幾乎所有實測PGV≥16厘米/秒（IMM≥Ⅶ）的震中附近臺站均可以發布3級警報。
3）該方法是一種新型地震預警模型，具有潛在的應用前景。（圖2）
該成果發表在國際知名地球物理學期刊《Geophysical Journal International》 （Jindong Song（宋晉東）, Jingbao Zhu（朱景寶）, Yuan Wang（汪源）, Shanyou Li（李山有）*. On-Site Alert-Level Earthquake Early Warning Using Machine-Learning-Based Prediction Equations. Geophysical Journal International, 2022. https://doi.org/10.1093/gji/ggac220）（IF：2.934，*通訊作者）。

圖1 基于機器學習的現地閾值水準地震預警模型

圖2 三次大地震事件的警報水準預測與性能分析


<

上一篇

我所申報的2022年中國科學院自然科學期刊編輯研究會研究課題獲批立項
>

下一篇

關于組織2026年度基本科研業務費專項人才專項立項申報的通知