排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2021年2月13日日本福岛县近海发生Mj7.3级地震,触发了日本气象厅地震预警系统,系统在首台触发后5.6s发出震级为Mj6.3级的预警第1报,首台触发后10s对公众发布警报、预警震级为Mj6.4级。基于多类型特征参数输入的机器学习支持向量机震级估算模型(SVM-M),利用2021年2月13日日本福岛县近海Mj7.3级地震获取的日本K-net强震动观测数据,分析SVM-M模型在该次地震中首台触发初期(首台触发后1~10s)的震级估算效能。结果表明:SVM-M震级估算模型,在首台触发后1s即可给出Mj6.3级的震级估算结果,与日本气象厅在首台触发后5.6s发布的预警第1报震级相同;随着时间窗的增加,首台触发后5s和10s,SVM-M模型的震级估算结果分别是Mj6.7级和Mj6.6级,均大于日本气象厅首台触发后10s对公众发布警报的预警震级。该次地震的离线模拟结果表明:SVM-M模型可在地震发生初期有效提高地震预警震级确定的准确性和时效性。 相似文献
2.
2021年5月21日及5月22日,云南漾濞县与青海玛多县分别发生破坏性地震,主震震级分别为Ms6.4级与Ms7.4级。本文基于机器学习中的支持向量机方法,以多类型特征参数为输入建立地震预警震级估算模型SVM-M,离线模拟云南漾濞Ms5.6级前震、Ms6.4级主震以及青海玛多Ms7.4级主震的连续震级估算。结果表明:对于云南漾濞Ms5.6级前震,支持向量机方法在首台触发后1s可估算震级为5.6级,且随着首台触发时间的增加,估算震级一直在实际震级附近波动;对于云南漾濞Ms6.4级主震和青海玛多Ms7.4级主震,随着首台触发时间的增加,支持向量机方法对于大震低估问题得到了有效的改善,且震级估算结果逐渐接近实际震级。同时,这3次地震的震级估算离线模拟表明:引入震源距的支持向量机方法(SVM-M1模型)对于震级估算有更好的稳定性,且在地震预警系统的震级估算中有着潜在的应用前景。 相似文献
3.
1