基于因果图模型与卫星影像的地震地面破坏估计贝叶斯更新
计算工程、金融与科学
2022-04-19 v1
摘要
地震诱发的次生地面破坏灾害，如液化与滑坡，会造成灾难性的建筑与基础设施损毁以及人员死亡。为协助应急响应并减轻损失，美国地质调查局利用地理空间易发性代理和 ShakeMap 地面运动估计，提供地震触发滑坡与液化的快速灾害估计系统。在本研究中，我们开发了一种广义的基于因果图的贝叶斯网络，其对地理空间特征、地震地面破坏、建筑损坏以及 DPMs 之间的物理相互依赖关系进行建模。地理空间特征为估计地面破坏发生提供物理洞察，而 DPMs 包含事件特定的地表变化观测。该物理信息因果图将这些具有复杂物理关系的变量纳入一个整体贝叶斯更新方案中，以有效融合来自地理空间模型与遥感数据的信息。该框架具有可扩展性且足够灵活，可处理高度复杂的多灾害组合。我们随后开发了随机变分推断算法，以高效联合更新不同位置处未观测滑坡、液化与建筑损坏的难解后验概率。此外，提出了一种局部图模型剪枝算法，以降低大规模地震地面破坏估计的计算成本。我们将此框架应用于 2018 年 9 月日本北海道胆振东部（M6.6）地震与 2020 年 1 月波多黎各西南部（M6.4）地震，以评估算法性能。
引用
@article{arxiv.2204.07653,
title = {Bayesian Updating of Seismic Ground Failure Estimates via Causal Graphical Models and Satellite Imagery},
author = {Susu Xu and Joshua Dimasaka and David J. Wald and Hae Young Noh},
journal= {arXiv preprint arXiv:2204.07653},
year = {2022}
}
备注
The 17th World Conference on Earthquake Engineering, Sendai, Japan, Sep. 2021