基于深度学习的余震地震动衰减关系研究

论文摘要

地震动衰减关系是工程抗震中一个重要研究领域,衰减关系为地震区划、工程结构抗震设计、地震危险性分析等提供理论支持。余震对于结构破坏的影响程度不容忽视,大量震害调查资料表明,强余震甚至会造成主震后已损结构的倒塌。但是目前余震的地震动衰减关系研究较少,并且所采用的统计回归分析方法给出的衰减关系存在同一地区的不同衰减模型预测值差异过大、不同区域的衰减模型适用性较差等问题。为了能够给出一个具有普适性、拟合效果良好、能够反映地震动参数客观规律的余震地震动衰减关系,鉴于深度学习能够通过大数据样本的训练学习获得参数的任意非线性关系,本文首先建立全球范围的余震数据库,并在此基础上,开展基于深度神经网络的余震地震动衰减关系预测研究。本文主要研究内容如下:(1)从已有地震数据库和有限断层模型数据库获取地震和断层信息。采用CRJB标准判别主震和余震,按照震源类型划分为浅层壳内地震、俯冲带板间地震和俯冲带板内地震,根据本文所提余震地震动调选方法,从全球范围内选出303019条余震地震动记录,建立全球余震数据库,并作为本文余震地震动衰减关系研究的基础。(2)基于Tensorflow框架,通过权重初始值等超参数的设定和Dropout等方法的运用,构建深度神经网络。深度神经网络的预测结果表明:拟合优度最高可达0.986,均方误差均小于0.15,事件内残差和事件间残差分布均匀,残差标准差最低可达0.63,说明本文所提模型具有良好的预测能力。(3)对比分析本文所提浅层壳内余震地震动衰减关系和Boore给出的BSSA14衰减模型,总结归纳本文得到的俯冲带板间余震和俯冲带板内余震地震动衰减关系的衰减规律,结果表明本文基于构建的深度神经网络所得余震地震动衰减关系,在不同震级和不同场地条件下均拟合良好,预测结果合理可靠。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
•   1.1 选题背景及意义
•   1.2 国内外研究现状
•     1.2.1 国外研究现状
•     1.2.2 国内研究现状
•     1.2.3 国内外研究现状简析
•   1.3 课题来源
•   1.4 本文主要研究内容
• 第2章 全球余震数据库的建立
•   2.1 引言
•   2.2 相关数据库简介
•     2.2.1 美国NGA-West2 数据库
•     2.2.2 日本K-NET和 Ki K-net数据库
•     2.2.3 欧洲ESM工程强震数据库
•     2.2.4 SRCMOD有限断层模型数据库
•     2.2.5 USGS有限断层模型数据库
•   2.3 基于CRJB的主余震分类法
•   2.4 地震动参数处理
•     2.4.1 震级转换
•     2.4.2 震源类型划分
•     2.4.3 场地参数
•     2.4.4 距离参数
•   2.5 地震动数据处理
•     2.5.1 基线校正和滤波
•     2.5.2 水平向地震动参数形式
•   2.6 地震动基本参数信息概况
•     2.6.1 震级分布
•     2.6.2 震源深度分布
•     2.6.3 距离分布
•     2.6.4 场地分类
•     2.6.5 PGA、PGV、SA信息分析
•   2.7 本章小结
• 第3章 深度神经网络
•   3.1 引言
•   3.2 深度学习算法介绍
•   3.3 深度神经网络构建
•     3.3.1 输入参数和输出参数
•     3.3.2 数据预处理
•     3.3.3 权重初始值
•     3.3.4 隐藏层和输出层激活函数选取
•     3.3.5 隐藏层层数和神经元个数
•     3.3.6 代价函数
•     3.3.7 优化方法
•     3.3.8 学习率
•     3.3.9 过拟合抑制
•   3.4 结果分析
•     3.4.1 均方误差分析
•     3.4.2 预测值与真实值对比
•     3.4.3 残差分析
•     3.4.4 标准差分析
•   3.5 本章小结
• 第4章 余震地震动衰减关系
•   4.1 引言
•   4.2 浅层壳内余震地震动衰减关系
•     4.2.1 峰值加速度衰减关系
•     4.2.2 峰值速度衰减关系
•     4.2.3 谱加速度衰减关系
•   4.3 俯冲带板间余震地震动参数衰减关系
•     4.3.1 峰值加速度衰减关系
•     4.3.2 峰值速度衰减关系
•     4.3.3 谱加速度衰减关系
•   4.4 俯冲带板内余震地震动参数衰减关系
•     4.4.1 峰值加速度衰减关系
•     4.4.2 峰值速度衰减关系
•     4.4.3 谱加速度衰减关系
•   4.5 本章小结
• 结论
• 参考文献
• 致谢

文章来源

类型: 硕士论文

作者: 李逸群

导师: 翟长海

关键词: 余震地震动,深度神经网络,地震动衰减关系,残差分析

来源: 哈尔滨工业大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 地质学,建筑科学与工程

单位: 哈尔滨工业大学

基金: 国家自然科学基金杰出青年项目(51825801),国家自然科学基金重点项目(51938004),国家自然科学基金青年项目(51708161),中国博士后科学基金面上项目(2018M641834),中国博士后科学基金特别资助项目(2019T120272),中央高校基本科研业务费专项资金(HIT.NSRIF.2020085)

分类号: TU435

DOI: 10.27061/d.cnki.ghgdu.2019.005781

总页数: 92

文件大小: 18058k