[发明专利]基于三层数据集神经网络的性能地震动危险性分析方法

权利要求书

1.一种基于三层数据集神经网络的性能地震动危险性分析方法，其特征在于包括以下步骤：

(1)地震动数据采集与数据噪声去除；

(2)数据特征参数提取与初始化处理；

(3)训练集、区间集、测试集生成；

(4)基于训练集，训练多层神经网络；

(5)基于区间集，训练神经网络输出值，并计算输出值相对误差的均值和标准差，该步骤中，将区间集的数据输入至步骤(4)训练好的神经网络中，获取每一条数据的输出与真实数据M_h进行对比，计算每条输出数据的相对误差计算区间集输出值相对误差的均值μ和标准差ε；

(6)基于测试集，训练神经网络确定输出值，基于区间置信度，计算震级区间，该步骤中，将测试集的数据输入至步骤(4)训练好的神经网络中，获取每一条数据的输出并基于步骤(5)得出的相对误差的均值μ和标准差ε，计算其与真实数据M_h的相对误差ΔM，将M_h表示为设定置信度95％，以验证集中95％M_h落在区间为原则，计算测试集中满足置信度要求的最小l值，则满足置信度要求的震级区间，令其分别是震级区间的最小震级和最大震级；

(7)概率地震危险性分析，确定性能地震动的年超越概率和重现期，其包括以下步骤：

(7.1)确定场地建筑物达到性能地震动Y；

(7.2)按照三级划分原则，确定潜在震源区；

(7.3)确定潜在震源区内起算震级M₀、震级上限M_uz，从起算震级M₀到震级上限M_uz，确定n个震级档M_j，其中j＝1,2,……，n；

(7.4)依据G-R震级频度关系公式lgN＝a-bM，根据实际地震震级M、频度N进行统计，确定a和b值，令中间参数β＝b ln10，统计潜在震源区起算震级及以上的年发生率v₀；

(7.5)根据确定的达到性能水准的地震动Y和潜在震源区的震源距R，采用步骤(6)验证通过达到性能地震动Y的M^*_Yhmin和M^*_Yhmax,按照震级档为0.1的步长，从M^*_Yhmin到M^*_Yhmax可获得达到性能地震动Y的q个M^*_Yhp，其中M^*_Yhmin为性能地震动Y对应的最小震级值，M^*_Yhmax为性能地震动Y对应的最大震级值；

(7.6)任意一个潜在震源区k内，M_imin和M_imax分别是震级M_i档内最小值和最大值，确定第k个潜在震源区内，超过性能地震动Y的地震发生率

式中，S_α为地震动参数，是加速度、速度、反应谱；v₀为潜在震源区的地震年平均发生率；为潜在震源区k、震级分档M_j的空间分布系数，根据地震活动特征因子、区划图发生率因子、地震构造条件因子、地震活动度因子、网格活动性因子、大震发生率因子、中长期危险性因子、离逝时间因子确定；

(7.7)潜在震源区k在t年内场地发生达到性能水准的地震超越概率为：

P_tk(S_a≥Y|M,R)＝1-e^-vt；

(7.8)场地有m个潜在震源区，场地t年内发生达到性能水准的超越概率：

(7.9)场地t年内发生达到性能水准的重现期：

绘制q条性能地震动—超越概率的地震危险性曲线；

(8)基于性能地震动和一致概率，确定达到性能地震动的震级和震中距，其包括以下步骤：

(8.1)挑选任一条地震动—超越概率的地震危险性曲线，根据任意一个性能地震动Y_i，确定相应的超越概率；依据一致超越概率，确定达到性能地震动Y_i的设定地震震级M_i；

(8.2)将m个潜在震源区划分为等间距微小震源区，场点到m个潜在震源区的微小震源区会有相应数量的震中距R_i；

(8.3)采取历遍R_i的方法，将Y_i、R_i参数带回已训练好的深度神经网络，计算筛选具有一致超越概率，且达到性能地震动Y_i的设定地震震中距R_i，其中，R_i的筛选规则：

1)任意潜在震源区内M_imin≤M_i≤M_imax；

2)

3)R_i在相应的震源区内；

确定了达到性能地震动Y_i,且一致概率的设定地震的震级M_i和震中距R_i。