基于LSTM网络的单台仪器地震烈度预测模型

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.