基于遗传神经网络的砂土液化判别模型

针对BP人工神经网络具有易陷入局部极小等缺陷，本文提出了将遗传算法与神经网络相结合，同时优化网络结构与权值、阈值的思想。根据地震液化的实测资料，建立了砂土液化判别的遗传神经网络模型，比较计算结果证明了该模型的科学性、高效性。文中并进行主成分分析，提出液化影响的主要因素。     

基于遗传神经网络的地震砂土液化判别研究

针对BP人工神经网络具有易陷入局部极小等缺陷,本文提出了将遗传算法与神经网络结合,同时优化网络结构的权值与阈值的思想,建立了砂土液化判别的遗传神经网络模型。根据地震液化的实测资料,分别对BP〗神经网络判别结果和遗传神经网络判别结果进行了比较,结果表明后者比前者判别能力要好些。     

基于主成分分析及BP神经网络分析的地震人员伤亡预测模型研究

影响地震人员伤亡的因素众多,且彼此之间存在着复杂的交互作用。本文在综合考虑各种因素后选取地震发生时刻、人口密度、地震预报与否、建筑物破坏率、设防水准、震级、烈度等因素作为评价指标,首先运用主成分分析算出其主成分,然后运用神经网络分析方法建立预测模型。实例验证预测效果良好。     

用位错模型研究震级与烈度的关系

作者根据位错模型导出了震级不仅与震中烈度和震源深度有关,而且与极震区面积有关。震中烈度通过应力降和震级联系起来,而极震区面积则通过位错面的面积或震源体积和震级联系起来,使震级与烈度的物理联系更加明确。 用我国的61个浅源地震资料,用逐步回归方法计算出震级M与震中烈度I0、极震区面积（面积单位为平方公里）A0的关系为: M=3.53+0.039I02+0.0178（Ig A0）3,还分别计算出震级与6—8度区面积A6、A7、A8的关系为: M=3.63+0.72 Ig A6,M=5.34+0.718（Ig A7）·（IgIg A7）,M=5.92+0.104（Ig A8）2。并外推出震级与5度区面积A5的关系为: M=3.03+0.72 Ig A5。 利用这些关系式来确定历史地震震级比仅考虑震中烈度来确定有较好的效果。     

用位错模型研究震级与烈度的关系

作者根据位错模型导出了震级不仅与震中烈度和震源深度有关,而且与极震区面积有关。震中烈度通过应力降和震级联系起来,而极震区面积则通过位错面的面积或震源体积和震级联系起来,使震级与烈度的物理联系更加明确。 用我国的61个浅源地震资料,用逐步回归方法计算出震级M与震中烈度I₀、极震区面积（面积单位为平方公里）A₀的关系为: M=3.53+0.039I₀²+0.0178（Ig A₀）³,还分别计算出震级与6-8度区面积A₆、A₇、A₈的关系为: M=3.63+0.72 Ig A₆, M=5.34+0.718（Ig A₇）·（IgIg A₇）, M=5.92+0.104（Ig A₈）²。并外推出震级与5度区面积A₅的关系为: M=3.03+0.72 Ig A₅。 利用这些关系式来确定历史地震震级比仅考虑震中烈度来确定有较好的效果。     

基于深度学习神经网络方法的中国大陆地震伤亡预测模型

对地震伤亡人口的预测需要同时考虑地震破裂特征本身、灾区人口及其生活环境等特征,其是一个典型的复杂预测系统。本文基于深度学习神经网络方法和1976—2020年间78次地震伤亡事件,构建了中国大陆地震伤亡预测模型,综合使用发震年代、发震时刻、发震季节、Ⅵ度及以上区域受灾面积、Ⅵ度及以上区域受灾人口数、震源深度、极震区烈度和震源机制类型等8个参数,对包括2008年汶川8.0级和2010年玉树7.1级地震在内的9次地震事件进行了预测检验。结果显示,该预测模型能够较好地反映出中小地震的伤亡人口特征,除汶川地震和玉树地震外的7次地震伤亡事件预测值与实际值误差均在一个数量级上,对于2008年汶川8.0级和2010年玉树7.1级地震,预测值明显小于实际伤亡人口;其中玉树地震发震断层位于玉树州府结古镇之下,造成了相对较多的人口伤亡数量;汶川地震的伤亡人口数量不仅由地震直接导致,还包括了地震滑坡等次生灾害引起的伤亡数量。     

遗传优化神经网络方法在桥梁震害预测中的应用

本文将遗传算法与神经网络相结合,从而建立了一种高效的、实用的桥梁震害预测方法。根据遗传算法具有局部寻优的特点,为避免BP神经网络陷入局部极小值,本文将二者结合起来形成GA-BP混合算法,以GA优化神经网络的初始权值和阈值,对网络进行训练。在大量收集梁式桥震害资料的基础上,将此算法引入桥梁的震害预测中,并与传统的单独BP神经网络相比较,结果表明该方法能够有效、准确地对桥梁结构进行震害预测。     

基于主成分分析与BP神经网络相融合的云南砖木结构房屋地震破坏评估方法

针对如何选取合适的影响因素进行砖木结构房屋地震破坏合理评估的问题,提出了一种基于主成分分析与BP神经网络相融合的云南砖木结构房屋地震破坏评估方法,通过灰色关联度模型剔除对砖木结构房屋发生地震破坏影响较小的因素得到关键因子,采用主成分分析法从关键因子中提取主要成分,最后利用BP神经网络模型对处理后的主要成分进行训练,建立砖木结构房屋地震破坏比例预测模型,并利用实际震例进行验证。结果表明：本文方法相较于传统脆弱性曲线拟合方法和BP神经网络模型,其预测的砖木结构房屋地震破坏比例的预测精度更高、普适性更好。     

震源机制与烈度分布的关系（二）

除了通常熟知的震源深度和介质吸收系数对烈度分布有较大影响外,震源的破裂方式（单侧或双侧）,破裂速度的大小和方向,断层长度,断层面倾角和错动方式都对烈度分布有较大影响。尤其是破裂速度的大小和方向对烈度分布的影响更大。破裂速度大,而且方向向上,可使震中烈度增高一度多,极震区面积扩大1—2倍;反之,可使震中裂度降低一度、极震区面积减小许多。 根据震源参数对烈度分布影响的分析,可由历史地震的等震线反推其震源参数。 文中试行反推了三个历史地震的震源参数。     

震源机制与烈度分布的关系

本文综合了哈斯克尔（N.A.Haskell）的有限长度的运动断层模型和安艺敬一（K.Aki）的所谓ω2模型（他的模型用了一个指数衰减函数作为位错速度的自相关函数）,略去了一些次要的因素和项,考虑了与烈度的联系,建立了一个计算烈度分布的模型。用此模型和震源机制工作给出的震源参数,计算了四个典型地震的理论烈度分布。同实际观测的烈度分布比较,两者基本一致。说明我们建立的模型,不仅可以解释许多实际的烈度分布（而有些是从地质构造角度无法解释的）,而且可以用于计算大面积的烈度分布。     

基于改进遗传算法优化BP神经网络的单体建筑物震害评估方法

结合机器学习算法最新研究进展,提出一种基于改进遗传算法优化BP神经网络的单体建筑物震害评估方法。以四川地区为例,通过改进遗传算法优化BP神经网络建立评估模型,输出评估区域内不同结构类型单体建筑物在各震害影响因素综合作用下的破坏等级,并通过实际算例分析对模型的有效性进行验证。结果表明,该方法可快速、准确地评估单体建筑物震害情况。     

基于遗传算法优化神经网络权值的大坝结构损伤识别

针对传统 BP 神经网络存在着容易陷入局部极小点、训练时间太长等缺点,本文采用基于浮点编码的遗传算法,对 BP 神经网络的初值空间进行了遗传优化。用基于浮点编码的遗传算法来优化 BP 神经网络的权值,可得到最佳初始权值矩阵,并按误差前向反馈算法,沿负梯度搜索进行网络学习。文中以混凝土重力坝结构作为算例,用结构的模态频率变化作为网络的输入向量,结构的损伤位置作为输出向量,对网络进行了训练。仿真结果表明：遗传 BP 神经网络的收敛和诊断能力优于传统 BP 神经网络,可有效地运用到大坝结构的健康诊断与损伤识别中。     

Intensity-frequency Estimation Based on Historical Seismic Intensity in the Yunnan Area

For earthquake disaster mitigation,we use historical records and more complete intensity investigation data from 1500 to 2015 to analyze and estimate the seismic intensity and frequency of the earthquake-prone areas in Yunnan. We digitized intensity observations and divided the Yunnan region into cell size of 0. 2°× 0. 2° to calculate the seismic intensity-frequency relationship for each cell. Combined with a repeated cycle of intensity of one hundred years and population economics data in Yunnan,we analyze future areas of concern. The results can provide a reference for earthquake hazardous area zoning.This method is based on historical earthquake data,reducing as much as possible the various hypotheses for the assessment,and thus can concisely reflect the different intensityfrequency distributions of the region.     

基于历史地震烈度的云南地区烈度频度估算

利用文献记载以及实际震害考察资料, 对地震多发的云南地区进行地震烈度频度估算分析。 首先, 利用ArcGIS对历史震害资料进行数字化处理, 并对云南地区进行0.2°×0.2°的经纬单元网格化处理, 分别以1500—2015年、 1900—2015年两个时间跨度资料计算每个单元网格的地震烈度-频度关系, 并进行分析讨论。 同时, 结合百年重复周期烈度与云南地区的人口经济数据对比分析, 提出需要关注的高烈度地区, 为地震危险区划提供参考。 本文的方法依托历史震害资料, 尽可能减少了评估的各种假设, 简明地反映了区域不同烈度频度分布。     

基于遗传算法的广义回归神经网络在地震预测中的应用

提出了利用基于遗传算法结合广义回归神经网络（GRNN）进行地震预测的新方法。利用遗传算法的全局搜索能力、不易陷入局部极小点等优点来优化GRNN的径向基函数中心、宽度以及输出层的权值,使得计算结果全局最优。在实际地震数据中选取了100组样本数据进行仿真实验,并利用MATLAB进行仿真。仿真结果表明,本文提出的方法具有较高的精度和一定的理论指导意义。     

安徽及邻区地震烈度衰减关系研究

利用安徽及邻区15次地震的40条等震线资料,采用联合统计回归的方法,得到统计回归方程及地震烈度衰减关系．将此地震烈度衰减关系与其他烈度衰减关系进行对比,并结合地震烈度分布资料对衰减关系进行检验．认为本次统计回归所得的烈度衰减关系对安徽地区是适用的。     

河北永清M 4.3地震北京烈度仪台网记录分析

2018年2月12日河北永清发生M 4.3地震,北京烈度仪台网共35个台站获得有效记录,记录最大峰值加速度的台站为丰台地震台（D0001）,峰值加速度为10.76cm/s2,该台距震中约61km。本文对北京烈度仪台网获得的此次地震动记录进行了初步分析,并对3个同台址的强震动仪记录的数据进行了对比分析。结果表明,烈度仪记录计算得出的仪器烈度与强震动仪记录计算的仪器烈度结果具有较高的一致性,可用于烈度速报。     

乳山地震序列区域台网及台阵定位结果对比

精确定位的活动图像为了解断层产状和深部构造提供了重要基础信息。本文采用2014年5月7日至2015年12月31日期间山东地震台网及乳山台阵记录的乳山地震序列M_L ≥ 1.5级地震进行双差定位对比研究。定位结果显示:山东地震台网记录的地震经精定位后,震源位置呈现北西向（约315°）展布,剖面上地震分布较为均匀,震源深度3-11km。乳山台阵记录的地震经精定位后,震源位置呈现北西西向（约290°）展布,在空间上多处相对集中,体现了序列空间分布的丛集特征;剖面中心位置地震明显较少,此处似乎存在一凹凸体,序列地震基本发生在凹凸体的周围,震源深度集中分布在4-8km。从已有震源机制解、台站布局、精定位残差、现场调查等多方面综合分析认为,乳山台阵精定位结果更加准确。