基于最小二乘支持向量机的城市桥梁震害预测模型研究

针对地震中城市桥梁震害状态具有较强的非线性、复杂性的特点,采用了具有RBF核函数的最小二乘支持向量机(LS-SVM)算法。在大量收集我国地震中城市桥梁震害资料的基础上,将此算法引入桥梁的震害预测中,选取了地震烈度、上部结构、地基失效程度、支座类型、墩台高度、桥梁跨数和场地类别等因素作为模型的特征输入向量,建立了最小二乘支持向量机的桥梁震害预测模型。通过反复地样本训练及模型参数设置,仿真结果表明,该方法具有一定的准确度和可行性。基于最小二乘支持向量机的桥梁震害预测方法是一种可以用于地震中桥梁震害预测的良好方法。     

基于最小二乘支持向量机的砂土液化预测方法

使用最小二乘支持向量机分类方法建立了两个砂土液化预测模型,预测结果与野外实际情况全部相符,表明该分类方法用于预测砂土液化是可行的,且预测准确率高。     

用小波变换和最小二乘支持向量机方法预测华南地震区年度最大地震

应用小波变换和最小二乘支持向量机（LSSVM）相结合的方法（小波-LSSVM）预测华南地震区年度最大地震。先用小波变换将地震序列分解成不同尺度水平（频率段）的子序列，再用LSSVM方法分别对各子序列建模预测，最后重构各子序列的预测结果并得到最终预测结果。经与周期图方法和LSSVM预测方法比较研究表明：模型输入量中包含地球自转速率变化的小波-LSSVM方法预测效果很好，可以用于华南地区年度最大地震预测研究，且地球自转变化与华南地震时间序列的低频部分（趋势）和高频部分（短期变化）之间存在很强的、互不相同的非线性关系。     

基于小波分析和最小二乘支持向量机的中国大陆地震震级预测研究

利用小波分析方法分析百年来中国大陆地震资料, 得到了地震活动在不同时间尺度上的特征, 同时利用各种尺度的小波系数得出地震活动主要周期, 并把此周期值作为参数应用于最小二乘支持向量机预测中。 结果表明, 此方法报准率较高, 平均误差与均方差较小。     

基于粒子群优化最小二乘向量机的地震预测模型

为解决地震预测中最小二乘向量机(LSSVM)模型的参数难以确定的问题,利用粒子群算法(PSO)的收敛速度快和全局优化能力,优化LSSVM模型的惩罚因子和核函数参数,建立了PSO-LSSVM地震预测模型.通过对地震实例的预测仿真及其相关分析表明该方法的有效性.该方法优于传统的神经网络和支持向量机的地震预测方法,可以有效提高预测效能.     

最小二乘支持向量回归滤波系统性能分析

支持向量机(Support Vector Machine: SVM)一直作为机器学习方法在统计学习理论基础上被研究和发展,本文从信号与系统的角度出发,证明了平移不变核最小二乘支持向量机(Least Squares SVM: LS-SVM)是一个线性时不变系统.以Ricker子波核为例,探讨了不同参数对最小二乘支持向量回归(Least Squares Support Vector Regression: LS-SVR)滤波器频率响应特性的影响,这些参数的不同选择相应地控制着滤波器通带上升沿的陡峭性、通带的中心频率、通带带宽以及信号能量的衰减,即滤波器长度越长通带的上升沿越陡,核参数值越大通带的中心频率越高,且通带带宽越宽,正则化参数值越小,通带带宽越窄(但通带中心频率基本保持恒定),有效信号幅度衰减越严重.合成地震记录的仿真实验结果表明,Ricker子波核LS-SVR滤波器在处理地震勘探信号的应用中,滤波性能优于径向基函数(Radial Basic Function: RBF)核LS-SVR滤波器以及小波变换滤波和Wiener滤波方法.     

应用最小二乘支持向量机识别广利油田沙四段储层岩性

广利油田沙四段储层岩性以为粉砂岩、细砂岩和不等粒砂岩为主,岩性非均质性较强,应用常规测井交会图识别岩性难度大.本文介绍了最小二乘支持向量机的原理及实现流程,利用网格搜索法确定的参数对δ2(C,δ)=(2000,0.707)开展了广利油田沙四段储层岩性的测井识别.应用效果表明,测井识别岩性与岩心分析资料的符合率达到了86％,可满足广利油田沙四段储层岩性识别的需要.     

地震序列较强余震最小二乘拟合预测的方法研究

本研究给出了针对地震序列较强余震发生时间进行快速预测的一种方法,即最小二乘拟合预测方法.该方法包括:最小二乘拟合预测模型的建立、预测模型的各种可信性检验及模型预测等内容.震例研究表明,该方法在大(强)地震现场震情分析中可望发挥积极作用.     

基于自适应粒子群优化最小二乘支持向量机的深层变质岩测井岩性识别

辽河坳陷中央凸起中南部基底变质岩类型多样,测井岩石物理参数与岩性之间的映射关系复杂,测井响应多解性强,导致传统的测井岩性识别方法结果不精确.本文采用基于自适应粒子群参数优化的最小二乘支持向量机算法进行变质岩的测井多参数岩性识别.通过变质岩测井岩石物理分析,优选出对岩性敏感的自然伽马、自然电位、声波时差、深侧向电阻率、密度和补偿中子6种测井参数作为特征输入,以自适应粒子群算法优化最小二乘支持向量机参数,构建岩性判别模型,预测目的层段变粒岩、混合花岗岩、混合片麻岩、混合岩和角闪岩5种类型变质岩的垂向分布.与支持向量机、K最邻近及人工神经网络算法的岩性识别效果相比,本方法判别准确率最高,符合率为90.17%,在随机划分的10次样本预测中本模型稳定性最强,分类性能最好,平均AUC值为0.974,有效解决了深层基底变质岩储层精细描述中的岩性精准识别难题.     

地震前兆综合预测支持向量机模型研究

该文介绍了支持向量机算法的原理与回归方法。 采用支持向量机中的非线性回归算法与理论公式产生的多维样本, 对其进行了数值仿真实验。 利用该方法和地震前兆异常建立了最佳地震综合预测模型, 对获得的最佳模型进行了内符检验, 得出最佳模型的预测结果与实际震例的地震震级基本一致。 综合分析认为, 支持向量机无论在学习或者预测精度方面不但具有很大的优越性和具有较强的外推泛化能力, 而且基于支持向量机回归算法建立的地震前兆综合预测模型是可行的, 其获得的知识可较为准确地实现对主震震级的综合预测。     

地震预警PGV-Pd关系参数的距离分段特征

地震预警系统需要在破坏性的地震波到来前快速估算地震参数和地震动参数,以对可能出现的地震灾害进行预测,对重要工程、人员密集区域发布警报信息.以Pd估测PGV的方法是地震预警研究涉及的一种重要问题,该方法利用初至P波触发后前几秒的峰值位移（Pd）对最终地震动峰值速度（PGV）进行估算,以满足预警的需要.本文对2016年在日本发生的熊本地震及其前震、余震的震中距100 km以内、矩震级大于4级、井下基岩PGA>5 cm·s^-2和地表PGA>20 cm·s^-2的Kik-net强地震动记录进行处理分析,用于研究以Pd估测PGV的方法.将获得的强地震动数据按震中距从0~100 km平均划分为5个区段,在记录时间3~10 s范围内将Pd的计算取8个时间窗,分别对每个震中距区段、每一个Pd的时间窗下的PGV-Pd数据进行线性拟合,最终提出了一套应对不同震中距对位移幅值连续追踪测定PGV的算法.对每一个震中距区段的研究表明,震中距会对PGV-Pd关系产生影响.对5次地震进行验证分析,认为基于基岩记录估测基岩PGV的准确度高于基于地表记录估测地表PGV的准确度;对震中距进行分段的PGV估测方法准确度高于不考虑震中距因子的估测方法.最后拓展了将井下基岩Pd估测井下基岩PGV这种原地地震预警方法,使其能够为异地P波预警方法服务.

     

Application of support vector machine to synthetic earthquake prediction

This paper introduces the method of support vector machine (SVM) into the field of synthetic earthquake pre-diction, which is a non-linear and complex seismogenic system. As an example, we apply this method to predict the largest annual magnitude for the North China area (30°E-42°E, 108°N-125°N) and the capital region (38°E-41.5°E, 114°N-120°N) on the basis of seismicity parameters and observed precursory data. The corresponding prediction rates for the North China area and the capital region are 64.1% and ...     

2022年1月8日青海门源6.9级地震机器学习地震预警震级估计与现地阈值报警的回溯验证

2022年1月8日1时45分青海省海北州门源县发生6.9级地震, 周边地区普遍有感, 并导致多条高铁线路临时停运. 本文利用这次地震获取的大量烈度计加速度记录, 基于正在进行系统研发的机器学习地震预警方法模块, 对地震预警震级估计与现地阈值报警进行了回溯验证. 结果表明: 在地震发生后3.1 s, 震级估计为6.5级, 且震级估计误差不受信噪比和震中距变化的影响, 随着首台触发后时间的增加, 震级估计逐渐接近实际震级. 对于现地地震动速度峰值PGV(Peak Ground Velocity)预测, 各个台站在P波到达后3 s时, 预测PGV与观测PGV呈现1:1线性关系, 随着P波到达后时间窗的增加, 预测PGV逐步接近观测PGV, 且PGV预测误差不受信噪比和震中距变化的影响. 现地台站仪器烈度阈值设置为Ⅵ度时, 报警成功、误报、漏报的百分比分别为99.53%、0%、0.47%, 平均预警时间为19.62 s, 且地震烈度Ⅵ度区内没有发生误报和漏报; 现地台站仪器烈度阈值设置为Ⅶ度时, 报警成功、误报、漏报的百分比分别为99.77%、0%、0.23%, 平均预警时间为9.69 s, 且地震烈度Ⅶ度区内没有发生误报和漏报. 此次回溯验证结果表明: 机器学习方法在这次地震中可以得到鲁棒的震级估计和现地阈值报警结果, 并为该方法的在线测试以及中国地震预警系统升级提供可行性依据; 其次, 在这次地震事件中, 烈度计可为预警提供额外的作用, 这也为烈度计在未来地震预警的研究和应用中提供了更多的可能性.

     

基于卷积神经网络的地震预警震级持续估算方法研究

为提高地震预警震级快速持续估算结果的准确性,本文构建了基于多种地震动特征参数的卷积神经网络震级估算CNN-M模型.该模型基于日本KiK-net强震动观测记录,利用其P波触发后3～ 10s时间窗内的幅值参数、周期参数、烈度参数、信噪比参数共11种地震波特征参数以及震中距参数作为输入.本文所建立的CNN-M模型随着地震发生...     

地震预警连续定位方法研究

本文首先总结了地震预警系统中采用的一些实时定位方法,随后结合我国地震监测台网实际运行情况,提出了一套从单个台站触发开始逐渐过渡到利用前四台触发信息的完整地震预警连续定位方法.利用福建省地震监测台网记录的68个M3.0级以上地震观测记录,对本文方法的验证结果表明,对于网内地震,采用本文方法的单台定位结果误差均小于为50 km,双台定位结果误差均小于35 km,三台定位结果误差约为15 km,四台定位结果误差约为6 km;网外地震的三台、四台定位结果误差均小于30 km.推导了采用本文三、四台预警定位方法的误差公式.利用福建地区现有及"十一五"完成后的地震观测台网分别计算得到了定位误差分布图.根据误差分析结果即可对定位结果的可靠性预先做出判断,有利于提高地震预警系统运行的可靠性.     

Automatic signal detection based on support vector machine

Introduction The automatic processing of continuous seismic data is important for monitoring earthquake, in which real data recorded by field stations located in different regions is transmitted to data cen- tre through internet or satellite communication systems. Automatic processing will run firstly on data, afterwards these automatic processing results will be reviewed and modified. The load of interactive analysis would be increase if there were more false events or missed events after run…     

基于支持向量机的2021年2月13日日本福岛近海Mj7.3级地震震级估算

2021年2月13日日本福岛县近海发生M_j7.3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M_j6.3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M_j6.4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M_j7.3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M_j6.3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M_j6.7级和M_j6.6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。     

Evaluation of earthquake signal characteristics for early warning

This paper evaluates different characteristics for earthquake early warning.The scaling relationships between magnitude,epicenter distance and calculated parameters are derived from earthquake event data from USGS.The standard STA/LTA method is modified by adding two new parameters to eliminate the effects of the spike-type noise and small pulsetype noise ahead of the onset of the P-wave.After the detection of the P-wave,the algorithm extracts 12 kinds of parameters from the first 3 seconds of the P-wave.Then stepwise regression analysis of these parameters is performed to estimate the epicentral distance and magnitude.Six different parameters are selected to estimate the epicentral distance,and the median error for all 419 estimates is 16.5 km.Four parameters are optimally combined to estimate the magnitude,and the mean error for all events is 0.0 magnitude units,with a standard deviation of 0.5.Finally,based on the estimation results,additional work is proposed to improve the accuracy of the results.     

Progress of the earthquake early warning system in Fujian, China

In this article, we systematically introduce the latest progress of the earthquake early warning (EEW) system in Fujian, China. We focus on the following key technologies and methods: continuous earthquake location and its error evaluation; magnitude estimation; reliability judgment of EEW system information; use of double-parameter principle in EEW system information release threshold; real-time estimation of seismic intensity and available time for target areas; seismic-monitoring network and data sharing platform; EEW system information release and receiving platform; software test platform; and test results statistical analysis. Based on strong ground motion data received in the mainshock of the Wenchuan earthquake, the EEW system developed by the above algorithm is simulated online, and the results show that the system can reduce earthquake hazards effectively. In addition, we analyzed four earthquake cases with magnitude greater than 5.5 processed by our EEW system since the online-testing that was started one year ago, and results indicate that our system can effectively reduce earthquake hazards and have high practical significance.