[發明專利]基于二階神經元深度神經網絡的地震動峰值加速度預測方法

有效

• 申請號: 202010053228.2
• 申請日: 2020-01-17
• 公開（公告）號: CN111257934B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 籍多發;翟長海;李晨曦;溫衛平
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G01V1/30
• 分類號: G01V1/30;G06K9/62
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 岳泉清

1.基于二階神經元深度神經網絡的地震動峰值加速度預測方法，其特征在于該地震動峰值加速度預測方法是按下列步驟實現：

步驟一：收集地震動記錄，建立數據集：

在數據集中挑選出震級、投影距、剪切波速、地區、覆蓋層厚度、斷層類型和周期作為輸入參數，相對應的地震動峰值加速度為目標參數，通過標準化方法使輸入參數與目標參數的值位于-0.5～0.5之間，得到地震動數據集；

步驟二：建立具有二階神經元的深度神經網絡：

建立包含三個隱藏層的深度神經網絡，神經元均為二階元，采用雙曲正切函數為激活函數，采用均方誤差函數和Adam自適應優化函數進行反向傳播，以平均絕對誤差函數為評價函數，得到深度神經網絡模型；

步驟三：深度神經網絡模型訓練：

對深度神經網絡模型進行訓練，通過均方誤差函數和平均絕對誤差函數保證訓練精度，使衰減曲線平滑下降，得到訓練后的深度神經網絡模型；

步驟四：峰值加速度預測：

利用步驟三訓練后的深度神經網絡模型對地震動輸入參數進行預測并輸出地震動峰值加速度，從而實現對地震動峰值加速度的預測；

其中步驟二中二階元內部的運算公式如下：

其中：k:當前神經元位于第k層；

n:第k層網絡的神經元數量；

σ：激活函數，采用雙曲正切函數；

ω_ir:第k層網絡第i個神經元所對應的第一權重參數；

ω_ig:第k層網絡第i個神經元所對應的第二權重參數；

ω_ib:第k層網絡第i個神經元所對應的第三權重參數；

b₁:第k層網絡所對應的第一偏置參數；

b₂:第k層網絡所對應的第二偏置參數；

b₃:第k層網絡所對應的第三偏置參數；

x_i:輸入參數。

2.根據權利要求1所述的基于二階神經元深度神經網絡的地震動峰值加速度預測方法，其特征在于步驟一中的地震動記錄選自NGA-West2數據庫。

3.根據權利要求1所述的基于二階神經元深度神經網絡的地震動峰值加速度預測方法，其特征在于步驟一中震級取自然對數值，投影距取自然對數值。

4.根據權利要求1所述的基于二階神經元深度神經網絡的地震動峰值加速度預測方法，其特征在于步驟二中每個隱藏層包括30個二階神經元。

5.根據權利要求1所述的基于二階神經元深度神經網絡的地震動峰值加速度預測方法，其特征在于步驟二中所述的深度神經網絡為多輸入網絡，輸入參數分四組分別輸入獨立的子網絡中，每個獨立的子網絡包括30個二階神經元，輸入參數經過四個獨立的子網絡運算后得到四組數據，使用concatenate函數將四組數據連接成一組后再輸入到下一隱藏層。

6.根據權利要求3或5所述的基于二階神經元深度神經網絡的地震動峰值加速度預測方法，其特征在于輸入參數分成A、B、C和D四組，A組以斷層類型和震級作為輸入參數，B組以震級、投影距和地區作為輸入參數，C組以震級、投影距、地區、剪切波速和覆蓋層厚度作為輸入參數，D組以周期作為輸入參數。

7.根據權利要求1所述的基于二階神經元深度神經網絡的地震動峰值加速度預測方法，其特征在于步驟二中所述的均方誤差函數的表達式如下：

其中：y_i—真實值；y_i^pre—預測值。