基于人工神经元网络和多特征参数的预警震级估算基于人工神经元网络和多特征参数的预警震级估算：未知摘要：预警震级测定是地震预警的关键技术环节之一。在满足地震预警系统时效要求的前提下，以国内现有的人工神经元网络构架为基础，考虑采用更多的特征参数，对实时持续计算确定预警地震震级的方法进行研究。通过对日本部分实际强震数据进行持续估算预警震级与实际震级间的偏差情况，对预警震级和实际震级进行线性拟合，提出对预警震级结果的修正公式，进一步完善本方法快速估算预警震级的准确程度。关键词：地震预警；震级估算；人工神经元网络；特征参数；线性拟台：P315.9文献标识码：A：1000-0666（2018）02-0302-090引言自然灾害本身不可避免，但如果能预先采取一些合理的防御措施就可以有效地减少这些灾害造成的损失。为了达到减轻地震灾害的目的，除加强城市工程结构抗震设计外，人们最先想到的就是地震预报，但现有科技水平还无法彻底攻克这一难题，地震的预测预报必将长期处于探索和研究阶段。地震预警是目前世界上公认的能够有效减轻地震灾害的新手段之一（金星等，2012；何少林，2017）。实时震级计算是地震预警系统中最重要功能模块之一，也是整个地震预警系统中最复杂、最困难的部分（张红才，2013；杨黎薇等，2017）。预警震级对时效性要求很高，主要利用布设在潜在震源区周围的实时传输地震观测台站，在破坏性地震发生后极短时限内，根据距离震中较近的若干个触发台站信息，迅速判断地震规模，并采用这若干个触发台站数据估算震级，随着触发台站数目不断增多，以不停变更的信息量对震级最初测定结果进行修正，在规定时限内得到最终测定结果。1预警震级估算相关研究目前，国际上也发展形成了一些实用的实时震级测定方法，所采用的参数虽然各不相同，但基本突破点主要建立在有效利用P波段携带地震信息这一基础条件上。Nakamura（1988）最早提取P波段初始数秒内地震信息去评估地震震级大小。在此思路的影响下，地震学家通过对P波段以及s波段记录的深入分析，以实测地震记录为基础，得到了一些比较成熟的地震预警震级测定方法。最常见的计算方法大致可分为周期（频率）参数算法、幅值参数算法、能量参数算法以及其他算法。1.1周期（频率）参数算法大多数的地震预警系统使角的地震预警震级估算主要是以周期（频率）参数为依据推演得到的。其代表方法有τpmax方法及τc方法。τpmax方法主要利用实时速度记录去计算地震动的卓越周期，τpmax值是从台站触发开始的若干时间内（通常为3s）计算得到的卓越周期最大值。多年来，各国专家学者不断对τpmax参数法进行改进，其中Shieh等（2008）所定义的τpmax公式得到广泛认可：式中：α表示平滑参数，该值决定了平滑过程的速度，一般取值0.999；xi表示记录中地面运动的速度时程；Xi表示平滑后地面运动的速度导数平方值；Di表示平滑后地面运动的加速度导数平方值。Kanamori（2005）对τpmax改进后提出τc方法。其后，Shieh等（2008）对τc参数的计算方式进行详细推导：式中：积分区间[0，t0]表示记录中P波触发后3s内的时间窗；u（t）是位移时程。τc方法的基本思路?cτpmax方法是一脉相承的。τpmax通过步步积分获取固定时间窗内周期参数；τc通过区间积分获取固定时间窗内周期参数。周期参数与震级之间并不是简单的线性函数关系。τpmax参数是幅值和频率的非线性函数，其准确性和稳定性受采样率影响，且与记录的预处理过程密切相关，采用不同滤波器或者不同长度时间窗，计算出的预警震级有明显差异；而改进后的τc参数直接将时间窗长度设置为3s，对于6.5级以下的地震，基本可以根据τc参数算法做出准确的预警震级估算。从目前的研究现状来看，使用周期参数估算预警震级对于中小震而言，估算结果是较为理想的。1.2幅值参数算法幅值参数算法是为了有效利用地震P波初始数秒内的波段信息而引入了记录波形峰值位移的幅值参数，其对位移幅值Pd参数的定义是初始P波3s时间窗内的垂直分量峰值位移。Wu等（2007）采用2阶高通巴特沃斯滤波器（低频截止频率为0.075Hz）进行滤波，利用美国南加州地震记录，选用捡拾到P波后3s时间窗内的位移幅值...