期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习预测模型的现地警报级别地震预警试验——以2022年9月5日四川泸定6.8级地震为例
1
作者
宋晋东
朱景宝
+3 位作者
李水龙
王士成
韦永祥
李山有
《地球物理学报》
SCIE
EI
CAS
CSCD
北大核心
2024年第8期3004-3016,共13页
2022年9月5日12时52分四川省甘孜州泸定县发生6.8级地震,造成严重的经济损失和人员伤亡.本文利用此次地震中台站记录到的强震动数据,离线模拟基于机器学习预测模型的现地警报级别地震预警方法.该方法首先构建基于支持向量机的震级预测...
2022年9月5日12时52分四川省甘孜州泸定县发生6.8级地震,造成严重的经济损失和人员伤亡.本文利用此次地震中台站记录到的强震动数据,离线模拟基于机器学习预测模型的现地警报级别地震预警方法.该方法首先构建基于支持向量机的震级预测模型与现地地震动速度峰值(peak ground velocity,PGV)预测模型,而后将每个台站的震级和PGV预测值分别与震级阈值5.7和PGV阈值9.12 cm·s^(-1)做比较,进而得到现地警报级别(0,1,2,3),并用于判断台站附近是否发生潜在破坏.其中,警报级别3为预测震级和预测PGV都超过了阈值,表明在该台站附近有潜在地震破坏且震级偏大.此次地震的离线模拟结果表明:使用P波到达后3 s时间窗,基于支持向量机震级预测模型的单台震级估计标准差为0.35、平均绝对误差为0.27;基于支持向量机PGV预测模型的现地PGV预测标准差为0.34、平均绝对误差为0.32;震级估计误差和PGV预测误差主要分布在±2倍标准差范围内.在不考虑数据打包与传输延时的条件下,地震烈度Ⅶ度区域内的触发台站在震后8 s几乎都发布了警报级别3.在此次地震的震后初期,基于机器学习预测模型的现地警报级别地震预警方法可以得到可靠的警报预测结果,并为中国地震预警系统升级提供了潜在参考.
展开更多
关键词
现地地震预警
机器学习
震级
预测
pgv预测
泸定地震
下载PDF
职称材料
题名
基于机器学习预测模型的现地警报级别地震预警试验——以2022年9月5日四川泸定6.8级地震为例
1
作者
宋晋东
朱景宝
李水龙
王士成
韦永祥
李山有
机构
中国地震局工程力学研究所
地震灾害防治应急管理部重点实验室
福建省地震局
出处
《地球物理学报》
SCIE
EI
CAS
CSCD
北大核心
2024年第8期3004-3016,共13页
基金
中国地震局工程力学研究所基本科研业务费专项(2021B07)
国家自然科学基金项目(U2039209、42304074和51408564)
国家重点研发计划项目(2018YFC1504003)资助。
文摘
2022年9月5日12时52分四川省甘孜州泸定县发生6.8级地震,造成严重的经济损失和人员伤亡.本文利用此次地震中台站记录到的强震动数据,离线模拟基于机器学习预测模型的现地警报级别地震预警方法.该方法首先构建基于支持向量机的震级预测模型与现地地震动速度峰值(peak ground velocity,PGV)预测模型,而后将每个台站的震级和PGV预测值分别与震级阈值5.7和PGV阈值9.12 cm·s^(-1)做比较,进而得到现地警报级别(0,1,2,3),并用于判断台站附近是否发生潜在破坏.其中,警报级别3为预测震级和预测PGV都超过了阈值,表明在该台站附近有潜在地震破坏且震级偏大.此次地震的离线模拟结果表明:使用P波到达后3 s时间窗,基于支持向量机震级预测模型的单台震级估计标准差为0.35、平均绝对误差为0.27;基于支持向量机PGV预测模型的现地PGV预测标准差为0.34、平均绝对误差为0.32;震级估计误差和PGV预测误差主要分布在±2倍标准差范围内.在不考虑数据打包与传输延时的条件下,地震烈度Ⅶ度区域内的触发台站在震后8 s几乎都发布了警报级别3.在此次地震的震后初期,基于机器学习预测模型的现地警报级别地震预警方法可以得到可靠的警报预测结果,并为中国地震预警系统升级提供了潜在参考.
关键词
现地地震预警
机器学习
震级
预测
pgv预测
泸定地震
Keywords
On-site earthquake early warning
Machine learning
Magnitude prediction
pgv
prediction
Luding earthquake
分类号
P315 [天文地球—地震学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习预测模型的现地警报级别地震预警试验——以2022年9月5日四川泸定6.8级地震为例
宋晋东
朱景宝
李水龙
王士成
韦永祥
李山有
《地球物理学报》
SCIE
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部