...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Bulletin of earthquake engineering >Towards fully data driven ground-motion prediction models for Europe
【24h】

Towards fully data driven ground-motion prediction models for Europe

机译：建立完全由数据驱动的欧洲地面运动预测模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We have used the Artificial Neural Network method (ANN) for the derivation of physically sound, easy-to-handle, predictive ground-motionmodels from a subset of the Reference database for Seismic ground-motion prediction in Europe (RESORCE). Only shallow earthquakes (depth smaller than 25 km) and recordings corresponding to stations with measured V_(s30) properties have been selected. Five input parameters were selected: the moment magnitude MW, the Joyner-Boore distance R_(J B), the focal mechanism, the hypocentral depth, and the site proxy V_(S30). A feed-forward ANN type is used, with one 5-neuron hidden layer, and an output layer grouping all the considered ground motion parameters, i.e., peak ground acceleration (PGA), peak ground velocity (PGV) and 5%-damped pseudo-spectral acceleration (PSA) at 62 periods from 0.01 to 4 s. A procedure similar to the random-effects approach was developed to provide between and within event standard deviations. The total standard deviation (σ) varies between 0.298 and 0.378 (log10 unit) depending on the period, with between-event and within-event variabilities in the range 0.149-0.190 and 0.258-0.327, respectively. Those values prove comparable to those of conventional GMPEs. Despite the absence of any a priori assumption on the functional dependence, our results exhibit a number of physically sound features: magnitude scaling of the distance dependency, near-fault saturation distance increasing with magnitude, amplification on soft soils and even indications for nonlinear effects in softer soils.
机译：我们已经使用人工神经网络方法（ANN）从欧洲地震地震动预测（RESORCE）参考数据库的子集中推导了物理上合理的，易于处理的预测地震动模型。仅选择了浅地震（深度小于25 km）和与具有测得的V_（s30）特性的测站相对应的记录。选择了五个输入参数：力矩大小MW，Joyner-Boore距离R_（J B），震源机制，震中深度和位置代理V_（S30）。使用前馈ANN类型，其中一个5神经元隐藏层，而输出层则将所有考虑的地面运动参数分组，即地面峰值加速度（PGA），峰值地面速度（PGV）和5％阻尼伪模拟在0.01到4 s的62个周期内产生-光谱加速度（PSA）。开发了一种类似于随机效应方法的程序，以提供事件之间和事件内的标准偏差。总标准偏差（σ）随时间段在0.298和0.378（log10单位）之间变化，事件之间和事件内的变化分别在0.149-0.190和0.258-0.327范围内。这些值证明与常规GMPE相当。尽管对功能依赖性没有任何先验假设，但我们的结果仍显示出许多物理上合理的特征：距离依赖性的量级缩放，近故障饱和距离随量级增加，在软土上放大甚至显示非线性效应。较软的土壤。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号