排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
包含速度大脉冲的地震动与普通地震动有显著的不同,此类地震动对建筑结构有着特殊的破坏作用。有效预测速度大脉冲是否发生和分析影响速度大脉冲发生的因素,对于概率地震危险性分析和减轻地震灾害有重要的作用。首先从美国NGA数据库中选取315条强震动记录,经过预处理后得到研究所需的289条记录,基于处理后的强震动记录并结合相对频度分析方法研究不同因素对速度大脉冲的影响。然后,利用L1正则化逻辑回归方法建立速度大脉冲预测模型,模型最优评价指标的接受者操作特征曲线下方面积为0.76;并对模型进行影响因素敏感性分析,发现其对于破裂区的距离最为敏感。最后,选取符合模型数据分布规律的35条汶川地震实测数据对建立的预测模型进行验证,其中30条地震记录预测正确,相较于已有模型,预测的准确率有一定提高。结果表明,文章建立的速度大脉冲预测模型有较好的准确性和可靠性。 相似文献
2.
3.
破坏性地震强度预测可用于工程领域抗震设防以及地震危险性分析评估，是防震减灾中一项很重要的基础工作.为了再现九寨沟地震的地震动强度，评估缺失强震记录的九寨章扎台站的地震动强度，本文用经验格林函数法对九寨沟地震进行了数值模拟.选取了震源周边地震动峰值加速度超过10 Gal的10个强震台站进行模拟.因未得到九寨沟地震的余震，初次尝试将汶川地震和定西地震的余震作为格林函数模拟九寨沟地震.模拟结果整体上可以反映各台站地震动的强度特征，尤其是地震动高频成份拟合较好.模拟值的地震动峰值加速度、时程数据、反应谱等与观测值拟合较好.预测结果显示漳扎镇的地震动峰值加速度值约为180~200 Gal.预测结果也表明在缺少大震的余震记录时，经验格林函数法使用其他大震的余震同样可以再现目标地震的强度特征.本研究也为经验格林函数方法在缺乏小震记录地区的使用积累了经验.最后总结了格林函数的选取标准，为经验格林函数方法来预测未来强震动特征积累了经验. 相似文献
4.
含速度大脉冲的强地震动具有复杂的特性,人工提取速度大脉冲特征的方法较繁琐,故利用卷积神经网络（CNN）在图像特征自动提取方面的优势,提出基于卷积神经网络图像识别的速度大脉冲识别方法。基于美国太平洋地震工程研究中心NGA-West1数据库提供的强地震动记录,筛选出6 000条非脉冲记录和91条含有速度大脉冲的强地震动记录。采用在原始记录中加入高斯噪声和过采样的方法,使2类记录样本数量达到均衡。利用本文建立的卷积神经网络模型对2类记录速度时程图进行特征自动提取和分类识别,结果显示测试集准确率为99%,表明本文卷积神经网络模型能够自动提取速度大脉冲特征,进而复现已有结果。将本文方法与传统方法进行了对比,结果表明,对含有多个速度脉冲的强地震动记录的识别,本文方法优于传统方法,具有较高的可靠性、鲁棒性、灵活性。 相似文献
1