[發明專利]一種基于符號學習的地震動衰減關系找型方法及裝置

在審

• 申請號: 202310256030.8
• 申請日: 2023-03-16
• 公開（公告）號: CN116299703A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 劉獻偉;陳蘇;傅磊;李小軍;孫浩;范立峰
• 申請（專利權）人: 中國地震局地球物理研究所
• 主分類號: G01V1/30
• 分類號: G01V1/30;G06N20/00;G06F17/16;G06F17/11
• 代理公司: 北京卓愛普專利代理事務所(特殊普通合伙) 11920
• 代理人: 王玉松

1.一種基于符號學習的地震動衰減關系找型方法，其特征在于，該方法包括模型構建步驟，

該模型的函數表達式如式(1)所示：

P＝Θξ???????(1)

式(1)中，P表示地震動參數矩陣，定義如式(2)所示：

其中，p₁,p₂,p₃,…,p_n表示n組地震動參數，n表示地震動參數的組數；所述地震動參數包括峰值加速度PGA和峰值速度PGV；T表示矩陣轉置；表示實數集；

式(1)中，Θ表示候選函數庫，定義如式(3)所示：

其中，M_w表示震級；R_JB表示斷層投影從地面位置到接收臺站的最近距離(km)；V_S30表示場地30m等效剪切波速(m/s)；FM表示震源機制；Z_1.0表示從地面到達剪切波速度為1.0km/s所對應的地層深度；n表示候選函數庫參數的組數；m表示m個候選函數的個數，其中包括常數項、一次項、ln項和平方項；

式(1)中，ξ表示稀疏系數矩陣，定義如式(4)所示：

其中，ξ₁,ξ₂,ξ₃,…,ξ_m表示m組稀疏系數；m表示稀疏系數的組數；T表示矩陣轉置；表示實數集。

2.根據權利要求1所述的一種基于符號學習的地震動衰減關系找型方法，其特征在于，該方法還包括求解最優系數步驟，

求解最優系數的算法如式(5)所示：

其中，Θ表示候選函數庫，ξ表示稀疏系數矩陣；P表示地震動參數矩陣；λ表示正則化系數；T表示矩陣轉置；I表示單位矩陣。

3.根據權利要求2所述的一種基于符號學習的地震動衰減關系找型方法，其特征在于，該方法還包括初步估計最優解ξ_best及殘差error_best步驟，

設置初始閾值δ和l⁰，其中l⁰表示0階范數，設置范數正則化乘法因子η，利用式(6-1)初步估計最優解ξ_best；

計算驗證集在最優解ξ_best下的殘差error_best，其函數表達式如式(6-2)所示：

ξ_best＝(Θ^train)^-1P^train?????(6-1)

其中，Θ^train表示候選函數庫訓練集；P^train表示地震動參數矩陣訓練集；Θ^validation表示候選函數庫驗證集；P^validation表示地震動參數矩陣驗證集；η表示范數正則化乘法因子；優選的是，η＝10^-3κ(Θ)，κ(Θ)為矩陣Θ的條件數。

4.根據權利要求3所述的一種基于符號學習的地震動衰減關系找型方法，其特征在于，該方法還包括迭代優化步驟，

設置迭代數、正則化系數λ；

迭代式(5)所述算法；

在迭代過程中增加初始閾值δ，使驗證集的殘差error_best不斷降低，直到給出最優解

5.根據權利要求1-4任一項所述的一種基于符號學習的地震動衰減關系找型方法，其特征在于，該方法還包括數據歸一化步驟，

所述數據歸一化的函數表達式如式(7)所示：

其中，x分別表示候選函數庫參數和地震動參數；

所述候選函數庫參數包括M_w、R_JB、V_S30、FM和Z_1.0；所述地震動參數包括PGA和PGV。