将傅里叶神经算子与扩散模型集成以提高合成地震地面运动响应的谱表示
计算与语言
2025-04-02 v1
摘要
核反应堆建筑物必须承受强烈地面运动产生的动态荷载，因此必须在多个真实的地面 shaking 场景（例如，最大可信地震）中评估其结构行为。然而，地震目录和记录的地震图在感兴趣的地区可能并非总是可用。因此，正在逐渐采用合成地震地面运动，尽管需采取一些注意措施：地震物理有时不够成熟，以致无法用数值工具准确再现，潜在的认识不确定性导致与模型校准相关的计算成本不可接受。本研究提出了一种基于AI的物理方法，用于生成合成地面运动，基于神经算子对任意源-地质设置下的弹性动力学 Green's 算子进行近似，通过 denoising diffusion 概率模型进行增强。该扩散模型在训练时用于纠正神经算子生成的地面运动时间序列。我们的结果表明，这种方法有前景地提高了所生成合成地震图的真实性，频率偏差和Goodness-Of-Fit（GOF）得分均得到扩散模型的改善。这表明后者能够缓解神经算子生成时间序列中观察到的中频谱衰减。我们的方法展示了在不同的场地和源条件下快速且成本低廉的推断能力。
引用
@article{arxiv.2504.00756,
title = {RECKON: Large-scale Reference-based Efficient Knowledge Evaluation for Large Language Model},
author = {Lin Zhang and Zhouhong Gu and Xiaoran Shi and Hongwei Feng and Yanghua Xiao},
journal= {arXiv preprint arXiv:2504.00756},
year = {2025}
}