.png){kind=icon}
返回
Machine learning based prediction of vertical ground motion duration using hyperparameter optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s13198-026-03145-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
地震期间垂直地面运动指的是由地震波触发的地面向上和向下运动，受断层类型、地震深度和地表土壤成分等因素影响。尽管垂直地面运动可能对建筑物（尤其是高层结构）产生显著影响，但历史上在地震工程实践中常被忽视。地面运动持续时间在确定结构损伤程度方面起着关键作用。随着对垂直分量重要性及地面运动持续时间在地震损伤中作用的日益认识，机器学习被应用于分析大量数据并加深对这些重要力的理解。本研究调查了来自喜马拉雅地区的630个垂直地面运动数据，利用多种机器学习模型分析强度指标与持续时间指标之间的统计相关性。线性回归模型在地震工程中常用，但常难以捕捉真实数据的复杂性。然而，机器学习方法提供了一种强大的替代方案，能够揭示隐藏模式和独特的地面运动特征。研究了多种机器学习模型，并使用超参数对表现最佳的模型进行了优化。研究结果表明，可优化集成模型在预测显著持续时间方面表现出更高的准确性，而可优化高斯过程回归（GPR）模型在预测标记持续时间方面表现优异，这些结果通过保留技术得到了验证。
Keyword:
Vertical ground motions
Machine learning
Significant duration
Bracketed duration
Hyperparameters
期刊
I
IF:
1.4
论文数:
370
被引数:
3.0K
机构
引用论文
分享收藏分享收藏Effect of ground motion duration on earthquake-induced structural collapse地震动持续时间对结构地震倒塌的影响.png)
STRUCTURAL SAFETY
STRUCTURAL SAFETYIF6.3
PREAI
分享收藏
分享收藏Significant duration prediction of seismic ground motions using machine learning algorithms利用机器学习算法进行地震地面运动显著持时预测PLOS ONE
OAAI
PLOS ONEIF0
OAAI分享收藏
查看更多内容