基于多模态 Transformer 的地震诱发液化潜力评估与解释
机器学习
2025-02-19 v2 地球物理
摘要
本研究提出了一种用于土壤液化预测的可解释平行变换器架构，该架构整合了三种 distinct 数据流：谱地震编码、土壤层析标记化和场域特定特征。该架构处理来自 165 个案例历史记录的 11 场重大地震的数据，采用快速傅里叶变换进行地震波形编码，并借鉴大语言模型的原理进行土壤层标记化。通过使用 SHapley Additive exPlanations（SHAP）实现可解释性，将预测分解为来自地震特征、土壤属性和场域条件的 individual 贡献。该模型在交叉区域验证集上实现 93.75% 的预测准确率，并通过对地面运动强度和土壤抗力参数的灵敏度分析显示出稳健的性能。值得注意的是，针对 2024 年 Noto 半岛地震中此前未见的地面运动数据的验证确认了该模型的泛化能力和实际效用。作为公开可访问的 Web 应用程序的实现，使能够快速评估多个场域。该方法在精细的多模态分析满足实际工程要求的地质深学习框架中建立了新的基准。
引用
@article{arxiv.2502.10446,
title = {Evaluating and Explaining Earthquake-Induced Liquefaction Potential through Multi-Modal Transformers},
author = {Sompote Youwai and Tipok Kitkobsin and Sutat Leelataviwat and Pornkasem Jongpradist},
journal= {arXiv preprint arXiv:2502.10446},
year = {2025}
}