基于LSTM网络的单台仪器地震烈度预测模型

作     者：李山有 王博睿 卢建旗 王傲 张海峰 谢志南 陶冬旺 LI ShanYou;WANG BoRui;LU JianQi;WANG Ao;ZHANG HaiFeng;XIE ZhiNan;TAO DongWang

作者机构：中国地震局工程力学研究所地震工程与工程振动重点实验室哈尔滨150080 地震灾害防治应急管理部重点实验室哈尔滨150080 

出 版 物：《地球物理学报》 (Chinese Journal of Geophysics)

年 卷 期：2024年第67卷第2期

页      面：587-599页

核心收录：

学科分类：070801[理学-固体地球物理学] 07[理学] 0708[理学-地球物理学] 

基　　金：中国地震局工程力学研究所基本科研业务费专项资助项目(2018B02) 国家重点研发计划项目(2018YFC1504004) 黑龙江省自然科学基金优秀青年基金(YQ2020E005) 国家自然科学基金(U2039209)资助 

主　　题：地震预警 时间序列特征 LSTM神经网络 仪器地震烈度 预测 

摘      要：烈度是地震预警系统的关键产出.如何实现快速预测目标场址的地震烈度是地震预警方法技术研究中的核心问题.本文提出了一种基于长短时记忆神经网络(Long Short-Term Memory,LSTM)的单台仪器地震烈度的预测模型(LSTM-Ⅰ).该模型以一个台站观测到地震动参数的时间序列特征为输入,实现动态预测该台站可能遭受的最大烈度.选取了日本K-NET台网记录的102次地震的5103条强震加速度记录训练了神经网络,利用89次地震的3781条数据检验了模型的泛化能力.利用准确率、漏报率以及误报率三个评价指标评价了LSTM-Ⅰ模型的性能.结果表明,当采用P波触发后3 s的序列进行预测时,模型出现漏报的概率为46.78%,出现误报的概率为1.25%;当采用P波触发后10 s的序列进行预测时,模型出现漏报的概率大幅降低到17.6%,出现误报的概率降低到1.14%.结果表明LSTM-Ⅰ模型很好把握住了时间序列中蕴含的特征.进一步基于LSTM-Ⅰ模型评估了Ⅵ度下台站所能提供的预警时间.本文模型能够提供的预警时间与P-S波到时差接近,说明LSTM-Ⅰ模型具有较高的时效性.