基于机器学习的峰值地速衰减关系构建及台站校正因子检验
地球物理
2021-11-02 v1
摘要
本研究尝试使用机器学习方法（随机森林与神经网络）建立新的峰值地速衰减关系。为与机器学习所得预测式比较，我们还使用Molas与Yamazaki（1995）提出的三阶段回归流程构建了新的峰值地速衰减关系。本研究采用32次地震期间在1,184个地震观测台站记录的6,944条地面运动记录来构建衰减关系。近期4次地震的地面运动记录用作测试数据集。测试结果表明，当距断层最近距离较小时，机器学习技术的预测比传统方程更准确。然而，即便在训练数据集中加入权重，机器学习预测式仍存在高估问题。此外，推导了基于机器学习的台站校正因子，并证明其与中国平均剪切波速相关。
引用
@article{arxiv.2111.00220,
title = {Construction of Attenuation Relationship of Peak Ground Velocity Using Machine Learning and Examination of Station Correction Factor},
author = {Junjie Wu and Yoshihisa Maruyama and Wen Liu},
journal= {arXiv preprint arXiv:2111.00220},
year = {2021}
}