基于迁移学习的青藏高原东北缘地震诱发滑坡易发性评估模型

通过研究,旨在提出一种迁移学习方法,以应对机器学习在缺乏历史滑坡点数据的大区域很难取得良好的评估效果的挑战。首先,通过结合10个影响因子利用随机森林算法对2013年芦山7.0级地震极震区进行预训练,得到高精度的预训练模型。随后,采用直推式迁移学习方法进行初始迁移,并利用“半监督”评估方式补充青藏高原东北缘地区的标签数值点。最后,利用归纳式迁移学习进一步训练预训练模型,得到在青藏高原东北缘地区评估更准确的地震诱发滑坡易发性评估图。此外,使用Kullback-Leibler散度计算迁移前后区域影响因子数据的相似性,并对2022年泸定6.8级地震极震区进行评估应用,验证基于迁移学习的青藏高原东北缘地震诱发滑坡易发性评估模型的准确性。研究结果可为该区域地震诱发滑坡灾害预防提供一定的参考。     

地震动衰减模型在玛多Mw7.3级地震影响场快速评估中的应用

2021年5月22日青海省玛多县发生M_w7.3级地震。震后,根据初步估计的断层走向和破裂长度,基于YU15地震动衰减模型和三种NGA-West2（Next Generation Attenuation-West2）地震动衰减模型快速产出地震区震动图及理论烈度图。在获得强震记录和地表破裂长度信息后,对预测结果进行修正。通过比较理论烈度与调查烈度,并结合震动图分布形态以及衰减模型在2016年新疆呼图壁M_w6.0地震中的应用情况对四种地震动衰减模型的适用性进行了分析。结果表明:在台网稀疏地区,基于地震动衰减模型可在震后快速获得地震动分布,并产出具有应用价值的地震影响场;NGA-West2模型在断层破裂较长的大震中表现优于YU15模型,而在中强地震中后者适用性更强;近实时强震动记录可用来检验模型的适用性并对预测结果进行修正;断层破裂尺度、震源机制和破裂过程等信息的准确估计可有效提高地震影响场预测精度。