-
题名基于机器学习方法的地震破坏预测
- 1
-
-
作者
苗鹏宇
王自法
位栋梁
赵登科
王祥祺
-
机构
河南大学土木建筑学院
中国地震局工程力学研究所
中震科建(广东)防灾减灾研究院
-
出处
《科学技术与工程》
北大核心
2023年第14期5903-5913,共11页
-
基金
国家自然科学基金面上项目(51978634)
中国地震局工程力学研究所基本科研业务费专项(2021B09)。
-
文摘
地震破坏预测研究对于建筑结构减灾规划、震前风险预测、震后应急评估有着重要意义。传统的方法因为受到震害资料数量的限制以及计算精度和能力的制约,一般基于经验只考虑少数因素对结构破坏的影响。通过使用随机森林算法,设计了一个综合考虑地震动、结构和场地等多维度信息的分类方法,用以预测建筑物的地震破坏程度。本文研究框架基于新西兰国家地震委员会所收集的27次地震详细破坏资料,处理得到14.2万条高质量建筑物损失数据,考虑了谱加速度、建筑形状、层数等16个影响因素,将4种不同的损伤状态作为模型的学习标签进行地震破坏预测训练。结果表明,随机森林算法在6种分类算法中性能最佳,经过学习曲线法调参、代价敏感学习之后,经过优化得到的随机森林模型对于测试集的整体预测精确率可以达到75.4%,对4种损伤标签的召回率分别达到了88.2%、55.0%、60.7%和70.8%,远好于其他方法。当只考虑对结果影响最重要的前12个因素,该模型的预测精度仍然能够达到73.7%。可见,基于此框架所训练的预测模型具有良好的精度与适用性,同时该框架对于中国震害资料大数据库的研究具有较高的参考价值。
-
关键词
地震破坏预测
破坏状态预测
机器学习
随机森林算法
新西兰地震损失数据
-
Keywords
earthquake damage prediction
damage state prediction
machine learning
random forest algorithm
New Zealand earthquake loss data
-
分类号
P315.9
[天文地球—地震学]
-