資訊內(nèi)容
/
研究亮點
基于可解釋集成學(xué)習(xí)的實時地震烈度預(yù)測框架
發(fā)布時間： 2023-07-03 點擊數(shù)量：2970研究背景：
破壞性地震可能造成嚴重的工程破壞和人員傷亡。地震烈度代表了對地面和工程結(jié)構(gòu)的破壞程度。可靠、快速地獲取地震烈度可以為應(yīng)急響應(yīng)和災(zāi)害恢復(fù)提供科學(xué)依據(jù)。在地震預(yù)警領(lǐng)域，地震烈度已被使用多年?，F(xiàn)地地震預(yù)警系統(tǒng)根據(jù)P波到來后獲得的信息預(yù)測地動峰值，在破壞性橫波（S波）到來之前提供預(yù)警；這使得人們、重要設(shè)施和其他物體能夠采取有效措施，防止或減少潛在的損害。針對不同需求的用戶，地震預(yù)警系統(tǒng)根據(jù)預(yù)測的地震烈度等級不斷發(fā)布不同的預(yù)警信息，以減少地震和次生災(zāi)害造成的損失和人員傷亡。因此，有必要對地震烈度進行準(zhǔn)確可靠的實時預(yù)測。
研究方法及結(jié)果：
提出了一個準(zhǔn)確、可靠、高效的地震烈度實時預(yù)測框架，以解決傳統(tǒng)方法（如Pd）擬合能力不足、機器學(xué)習(xí)模型中存在不相關(guān)和冗余參數(shù)、以及機器學(xué)習(xí)模型因其黑箱狀態(tài)而可信度低等問題。預(yù)測模型的建立是基于K-NET數(shù)據(jù)庫和集合學(xué)習(xí)。然后，研究了特征參數(shù)之間的關(guān)聯(lián)性，并對復(fù)雜的模型進行了優(yōu)化。此外，本研究通過使用PDP、ICE和SHAP解釋方法解釋機器學(xué)習(xí)模型。得到了以下結(jié)論。
1）提出的實時地震烈度預(yù)測框架可以連續(xù)可靠地預(yù)測地震烈度。該框架通過構(gòu)建數(shù)據(jù)庫、建立和優(yōu)化模型、驗證和解釋模型、使用最佳模型進行預(yù)測等四個步驟，確保了連續(xù)地震烈度預(yù)測的準(zhǔn)確性和可靠性。
2）提出的基于集合學(xué)習(xí)的模型比Pd模型更準(zhǔn)確，而且同樣有效。在時間窗口為1秒的情況下，測試集的準(zhǔn)確率可以達到95.947%，在時間窗口為2秒后，其準(zhǔn)確率穩(wěn)定在98%以上。相比之下，在3秒的時間窗口下，xgBoost模型在所有評價指標(biāo)上都優(yōu)于Pd模型。此外，每個樣本的預(yù)測可以在10-2秒內(nèi)完成，滿足地震預(yù)警的實時性要求。
3）消除了冗余和不相關(guān)參數(shù)的模型實現(xiàn)了復(fù)雜性的降低和模型效率的提高。采用皮爾遜相關(guān)系數(shù)定義特征參數(shù)之間的相關(guān)性，并將24個特征參數(shù)根據(jù)其相關(guān)程度優(yōu)化為14個特征參數(shù)。這就減少了計算量，優(yōu)化了模型，同時保證了模型的準(zhǔn)確性。
4）對具有最優(yōu)效果的xgBoost模型進行了解釋，提高了黑箱模型的可信度，并確定了對模型有重大影響的參數(shù)，為特征參數(shù)的選擇提供了參考。用PDP、ICE和SHAP方法對模型進行解釋，確定參數(shù)的重要程度，同時確定參數(shù)變化對預(yù)測結(jié)果的影響。PvUD對模型影響最大, PvUD和IV23主要是與IaUD正向影響；PvUD和IV23之間的正向影響不顯著。
該成果發(fā)表在國際期刊《Seismological Research Letters》（Jinjun Hu*, Yitian Ding, Hui Zhang, et al. A Real‐Time Seismic Intensity Prediction Framework Based on Interpretable Ensemble Learning, Seismological Research Letters, doi: 10.1785/0220220167）（IF：3.754，*通訊作者）。
圖1 3秒時間窗下的預(yù)測值和觀測到的地震烈度的比較，時間表示時間窗的大小?；疑珔^(qū)域是正確的預(yù)測值，藍色區(qū)域是高估的預(yù)測值，黃色區(qū)域是低估的預(yù)測值。綠點表示（a）Pd模型，紅三角表示（b）xgBoost模型。
圖2 震中距和預(yù)警時間之間的關(guān)系。數(shù)據(jù)點的顏色代表地震烈度
圖3 (a)基于SHAP值的參數(shù)的全局重要性排名。(b) 不同參數(shù)的SHAP匯總圖，數(shù)據(jù)點的顏色從藍色（低）到紅色（高）過渡代表參數(shù)的低值到高值。
圖4 每個模型對不同烈度范圍的實時預(yù)測性能。綠色的藍線和紅線表示CART RF和xgBoost模型的實時預(yù)測，黃色的虛線表示觀察到的實時烈度，水平紅線表示觀察到的最大烈度。時間T表示實時烈度達到最大值的時刻。
