基于Triplet-CNN的强弱地震预判研究

及早判定地震是否为强震,可为快速开展救援行动、减少生命和经济损失争取时间。提出三元组卷积神经网络(Triplet-CNN)模型,对地震强弱进行预判研究。以日本宫城地区为例,通过该地区地震目录获取2000-01-01至2008-12-31间历史地震事件记录,包括震级以及对应的KiK-net和K-net强震仪时间序列数据,利用设计的TripletCNN结构对这些强震仪数据进行训练,实现对强弱地震的快速判定。通过超参数优化,该模型的准确率达到96.85%,精确率96.83%,召回率96.82%,F_(1)值96.82%。将Triplet-CNN分类模型与CNN分类模型、随机森林分类模型和支持向量机(SVM)分类模型进行比较,结果表明CNN震级分类模型具有更高的准确率、精确率、召回率和F_(1)值。基于Triplet-CNN的震级分类模型能有效、可靠地对强弱地震进行预判,从而辅助应急决策,为地震预警工作提供科学依据。