空间易损性场多保真度在线更新的两阶段贝叶斯框架

本文通过将基于物理的易损性函数与实时灾后观测相统一，解决了自然灾害建模中一个长期存在的空白。它引入了一个贝叶斯框架，随着新数据的出现不断细化区域脆弱性估计。该框架将物理先验的易损性估计重新表述为 Probit-Normal (PN) 表示形式，以解析上易于处理的形式捕获随机变异性和认知不确定性。阶段 1 通过将 PN 边缘分布矩匹配至 Beta 替代分布来执行局部贝叶斯更新，这些替代分布保留了其概率形状，从而实现了利用软性、多保真度观测的共轭 Beta-Bernoulli 更新。保真度权重编码了来源可靠性，所得的 Beta 后验被重新投影为 PN 形式，产生方差反映数据质量和覆盖率的异方差易损性估计。阶段 2 在 probit 扭曲的 Gaussian Process (GP) 中同化这些异方差观测，通过一个链接空间、原型和相关损伤状态的复合核，将信息从高保真度站点传播到低保真度和未观测区域。该框架被应用于 2011 年 Joplin 龙卷风，在关于龙卷风宽度、采样策略和观测完整性的不同假设下，融合了风场先验和计算机视觉损伤评估。结果表明，该方法纠正了有偏先验，在空间上传播了信息，并生成了支持实时态势感知的感知不确定性的超越概率。