基于NGA-West2数据库的物理符号学习器用于发现地震动模型
机器学习
2023-03-27 v1 人工智能
地球物理
摘要
地震动模型（GMM）是许多地震工程研究的基础。本研究提出一种基于下一代衰减-西2（NGA-West2）数据库的物理信息符号学习器（PISL）方法，用于自动发现作为符号的数学方程算子。利用序列阈值岭回归算法提炼出地震动复杂系统简洁且可解释的显式表征。除从先前GMM中提取的基本变量外，当前PISL纳入了两个先验物理条件，即距离饱和与幅值饱和。基于所获得的峰值地面加速度与速度数据，从残差和外推两方面比较了采用PISL、经验回归方法（ERM）和人工神经网络（ANN）开发的GMM。结果表明，三种方法的事件间与事件内标准差相近。PISL的函数形式比ERM和ANN更为简洁。PISL的外推能力比ANN更准确。本研究使用的PISL-GMM提供了一种兼顾物理与数据驱动机器学习的回归新范式，可用于识别不同地区地震动变量的隐含物理关系与预测方程。
引用
@article{arxiv.2303.14179,
title = {Physics Symbolic Learner for Discovering Ground-Motion Models Via NGA-West2 Database},
author = {Su Chen and Xianwei Liu and Lei Fu and Suyang Wang and Bin Zhang and Xiaojun Li},
journal= {arXiv preprint arXiv:2303.14179},
year = {2023}
}