震源断层面参数预测方法和装置

本技术涉及人工震源模拟，特别涉及一种震源断层面参数预测方法和装置。

背景技术：

1、我国分布有约20条地震带，强震分布广，因此在结构设计中考虑地震危害十分必要。

2、地震动输入是结构抗震分析中最薄弱的一个环节。一般用于结构抗震设计的地震动可以采用相似场地条件的实际地震动记录，但是，由于现有强震记录在区域上分布不均匀，很难获得满足工程需求的实际记录，因此需要人工模拟得到适用于不同结构和场地条件的地震动输入。

3、震源断层面参数的准确估计是人工地震动模拟的基础，然而相关技术中，对于震源断层面参数的预测主要基于线性回归的方法，预测结果的准确度较低。虽然随机森林算法作为一种常用的机器学习方法，具有较强的非线性拟合能力，同时具有很强的对抗噪声的能力，但在处理多特征维度和大样本量时，传统的随机森林方法难以兼顾计算精度和计算效率，亟待解决。

技术实现思路

1、本技术提供一种震源断层面参数预测方法和装置，以解决相关技术中，无法对震源断层面参数进行准确估计，难以兼顾计算精度和计算效率等问题。

2、本技术第一方面实施例提供一种震源断层面参数预测方法，包括以下步骤：采集地震动反演数据集，并将所述地震动反演数据集中的参数进行预处理，以建立包含输入参数和输出参数的原始样本集，且将所述原始样本集按目标比例划分为训练数据集和测试数据集；利用所述训练数据集训练映射倾斜随机森林模型，以对不同输入参数进行重要性评价，选出误差最小的特征集，作为最优特征参数集；将所述最优特征参数集作为新的输入参数，且保持所述输出参数不变，训练映射倾斜随机森林模型，以得到最终预测模型；利用所述测试数据集对所述最终预测模型进行验证，以验证所述最终预测模型的预测效果，并利用验证通过后的预测模型进行震源断层面参数预测。

3、可选地，在本技术的一个实施例中，所述地震动反演数据集可以但不限于包括发震日期、发震时刻、矩震级、里氏震级、面波震级、体波震级、震源经度、震源纬度、震源深度、断层面走向、断层面倾角、断层面滑移角、滑移类型、矩心深度、破裂速度、断层面二维滑移量分布中的至少之一。

4、可选地，在本技术的一个实施例中，所述将所述地震动反演数据集中的参数进行预处理，以建立包含输入参数和输出参数的原始样本集，且将所述原始样本集按目标比例划分为训练数据集和测试数据集，包括：将所述断层面二维滑移量分布沿走向方向和倾角方向分别求和，以得到滑移量在对应方向上的一维分布函数；根据所述滑移量在对应方向上的一维分布函数计算断层面长和断层面宽，以得到断层面面积；重新缩放滑移量分布使得地震矩与之前保持一致，将缩放后滑移量的最大值和平均值作为断层面最大滑移和断层面平均滑移；将所述断层面长、所述断层面宽、所述断层面面积、所述断层面最大滑移、所述断层面平均滑移分类为所述输出参数；将所述发震日期、所述发震时刻、所述矩震级、所述里氏震级、所述面波震级、所述体波震级、所述震源经度、所述震源纬度、所述震源深度、所述断层面走向、所述断层面倾角、所述断层面滑移角、所述滑移类型、所述矩心深度、所述破裂速度分类为所述输入参数。

5、可选地，在本技术的一个实施例中，所述利用所述训练数据集训练映射倾斜随机森林模型，以对不同输入参数进行重要性评价，选出误差最小的特征集，作为最优特征参数集，包括：将所述输入参数作为特征且将输出参数作为标签，训练所述映射倾斜随机森林模型中的每棵决策树，以得到训练后的映射倾斜随机森林模型；对所述训练后的映射倾斜随机森林模型中的每一棵决策树相应的袋外数据，计算对应的第一袋外数据误差；将决策树相应的袋外数据中所有样本数据的任一特征作为测试特征，并对所述测试特征加入噪声干扰，以计算决策树相应的第二袋外数据误差；基于预设重要度公式，根据所述第一袋外数据误差和所述第二袋外数据误差计算所述测试特征的特征重要性；基于所述测试特征的特征重要性得到所述最优特征参数集。

6、可选地，在本技术的一个实施例中，所述特征重要性的计算公式可以但不限于为：

7、

8、其中，r1和r2分别为加入噪声干扰前后的袋外误差，n为映射倾斜随机森林模型中的决策树数量。

9、本技术第二方面实施例提供一种震源断层面参数预测装置，包括：采集模块，用于采集地震动反演数据集，并将所述地震动反演数据集中的参数进行预处理，以建立包含输入参数和输出参数的原始样本集，且将所述原始样本集按目标比例划分为训练数据集和测试数据集；评价模块，用于利用所述训练数据集训练映射倾斜随机森林模型，以对不同输入参数进行重要性评价，选出误差最小的特征集，作为最优特征参数集；训练模块，用于将所述最优特征参数集作为新的输入参数，且保持所述输出参数不变，训练映射倾斜随机森林模型，以得到最终预测模型；预测模块，用于利用所述测试数据集对所述最终预测模型进行验证，以验证所述最终预测模型的预测效果，并利用验证通过后的预测模型进行震源断层面参数预测。

10、可选地，在本技术的一个实施例中，所述地震动反演数据集可以但不限于包括发震日期、发震时刻、矩震级、里氏震级、面波震级、体波震级、震源经度、震源纬度、震源深度、断层面走向、断层面倾角、断层面滑移角、滑移类型、矩心深度、破裂速度、断层面二维滑移量分布中的至少之一。

11、可选地，在本技术的一个实施例中，采集模块包括：求和单元，用于将所述断层面二维滑移量分布沿走向方向和倾角方向分别求和，以得到滑移量在对应方向上的一维分布函数；第一计算单元，用于根据所述滑移量在对应方向上的一维分布函数计算断层面长和断层面宽，以得到断层面面积；缩放单元，用于重新缩放滑移量分布使得地震矩与之前保持一致，将缩放后滑移量的最大值和平均值作为断层面最大滑移和断层面平均滑移；第一分类单元，用于将所述断层面长、所述断层面宽、所述断层面面积、所述断层面最大滑移、所述断层面平均滑移分类为所述输出参数；第二分类单元，用于将所述发震日期、所述发震时刻、所述矩震级、所述里氏震级、所述面波震级、所述体波震级、所述震源经度、所述震源纬度、所述震源深度、所述断层面走向、所述断层面倾角、所述断层面滑移角、所述滑移类型、所述矩心深度、所述破裂速度分类为所述输入参数。

12、可选地，在本技术的一个实施例中，评价模块包括：训练单元，用于将所述输入参数作为特征且将输出参数作为标签，训练所述映射倾斜随机森林模型中的每棵决策树，以得到训练后的映射倾斜随机森林模型；第二计算单元，用于对所述训练后的映射倾斜随机森林模型中的每一棵决策树相应的袋外数据，计算对应的第一袋外数据误差；第三计算单元，用于将决策树相应的袋外数据中所有样本数据的任一特征作为测试特征，并对所述测试特征加入噪声干扰，以计算决策树相应的第二袋外数据误差；第四计算单元，用于基于预设重要度公式，根据所述第一袋外数据误差和所述第二袋外数据误差计算所述测试特征的特征重要性；获取单元，用于基于所述测试特征的特征重要性得到所述最优特征参数集。

13、可选地，在本技术的一个实施例中，所述特征重要性的计算公式可以但不限于为：

14、

15、其中，r1和r2分别为加入噪声干扰前后的袋外误差，n为映射倾斜随机森林模型中的决策树数量。

16、本技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的震源断层面参数预测方法。

17、本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的震源断层面参数预测方法。

18、本技术第五方面实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被执行，以用于实现上述震源断层面参数预测方法。

19、本技术实施例通过采集地震动反演数据集，生成原始样本集，并将其划分为训练和测试数据集，利用训练数据集训练映射倾斜随机森林模型，以对不同输入参数进行重要性评价，选出误差最小的特征集作为最优特征参数集，将最优特征参数集作为新的输入参数，保持输出参数不变，训练映射倾斜随机森林模型，以得到最终预测模型，最后利用测试数据集验证最终预测模型的预测效果，并利用预测模型进行震源断层面参数预测，从而能够将其用于工程抗震分析中对震源断层面参数的预测，精准、可靠且迅速。由此，解决了相关技术中，无法对震源断层面参数进行准确估计，难以兼顾计算精度和计算效率等问题。

20、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。