利用单台微动数据与贝叶斯神经网络绘制平原地区Vs30与基频(f0)地震微区划图

《Results in Engineering》:Seismic Microzonation Maps of Vs 30 and Fundamental Frequency ( f 0) for Plain Areas Using Single-Station Microtremor Data and Bayesian Neural Networks

【字体: 大 中 小 】 时间:2026年03月17日 来源:Results in Engineering 9.4

编辑推荐:

  准确估算上覆30米时间平均剪切波速(Vs30)对于地震微区划、地震动模拟和地震风险评估至关重要。传统微区划方法通常依赖于密集的地震台阵和大量的岩土工程勘察,成本高昂且耗时。本研究提出了一种实用的贝叶斯神经网络(BNN

  
准确估算上覆30米时间平均剪切波速(Vs30)对于地震微区划、地震动模拟和地震风险评估至关重要。传统微区划方法通常依赖于密集的地震台阵和大量的岩土工程勘察,成本高昂且耗时。本研究提出了一种实用的贝叶斯神经网络(BNN)框架,该框架将单台微动测量获得的水平/垂直谱比(HVSR)曲线与场地特定的物理约束相结合,以实现高精度的Vs30预测。该框架进一步结合了蒙特卡洛(MC)Dropout方法,在提供预测值的同时,还提供了经过统计校准的不确定性区间。以马来西亚槟城岛为案例的研究证明了所提方法的适用性。尽管槟城传统上被认为是非地震区,但它受到来自邻近地区远场地震波的影响。该模型在独立测试中达到了R2为0.941,平均绝对误差(MAE)为7.394 m/s,平均绝对百分比误差(MAPE)为2.87%。在95%的置信水平下,预测区间覆盖概率(PICP)达到95.12%,平均预测区间宽度(MPIW)为52.326 m/s,与名义置信水平高度吻合且未过度保守。这些结果表明,该框架能够以低于5%的相对误差捕捉Vs30的空间分布,同时提供可靠的不确定性量化。由于其非侵入性、计算高效性和可迁移的架构,该方法为全球范围内的地震微区划、地震情景建模和基于风险的决策提供了一个强大且可扩展的工具。
**基于贝叶斯神经网络与单台微动数据的地震微区划研究:以槟城岛为例**

**研究背景与问题**
地震风险评估与抗震设计高度依赖于对场地条件的精确表征,其中上覆30米时间平均剪切波速(Vs30)和场地基频(f0)是关键参数。传统获取这些参数的方法,如密集台阵观测和钻孔勘探,虽然精度高,但成本高昂、耗时费力,难以在大范围区域应用。微动观测,特别是单台水平/垂直谱比(HVSR)方法,因其成本低、操作简便而成为一种有吸引力的替代方案。然而,基于HVSR的解释存在固有的局限性,如反演的非唯一性,以及在缺乏强烈波速对比或剪切波速随深度不规则变化区域可靠性降低的问题。此外,现有的将HVSR与数据驱动或机器学习模型结合的研究大多为确定性模型,仅提供点估计而缺乏校准的预测不确定性量化,这限制了Vs30微区划图在实际应用中的可解释性和风险决策支持能力。马来西亚槟城岛位于苏门答腊俯冲带和走滑断裂系统的影响范围内,虽远离震源,但仍受到远场地震波的影响,历史上已记录到多次有感地震。然而,该地区缺乏全面且空间连续的Vs30和f0数据集,现有的测量数据稀疏且零散,给区域尺度微区划带来了挑战。因此,亟需一种能够高效利用现有单台测量数据,同时提供可靠不确定性量化的方法,以支持槟城岛及类似数据有限地区的地震微区划工作。本研究发表于《Results in Engineering》期刊,旨在解决上述问题。

**关键技术方法**
为开展研究,研究人员在槟城岛布设了203个单台微动测点和4个空间自相关(SPAC)台阵测点。对于单台数据,采用瑞利波椭圆率法(Rayleigh-wave H/V ellipticity method)进行反演,通过迭代调整理论椭圆率曲线以匹配观测的HVSR曲线,从而估计剪切波速剖面并计算Vs30和f0。对于台阵数据,则使用SPAC方法提取瑞利波频散曲线并进行反演,以获得独立的剪切波速剖面作为基准验证。基于所有测点的估计结果,研究人员生成了槟城岛的初步地震微区划图。研究的核心是构建一个贝叶斯神经网络(BNN)框架。该框架以单台微动测量获得的f0、测点经纬度和海拔作为输入特征,以反演得到的Vs30作为目标变量。BNN采用全连接前馈架构,包含三个隐藏层,使用ReLU激活函数,并在训练和预测阶段均采用MC Dropout来近似贝叶斯推断并量化不确定性。模型通过最大化证据下界(ELBO)进行训练,并利用重参数化技巧获得低方差随机梯度。最终,通过蒙特卡洛采样计算预测均值和方差,构建预测区间,并使用预测区间覆盖概率(PICP)和平均预测区间宽度(MPIW)等指标评估不确定性量化质量。

**研究结果**
**4.1 地下结构估计**
通过对微动数据的分析,研究人员估计了槟城岛地下的剪切波速结构。单台分析采用瑞利波H/V椭圆率法,台阵分析采用SPAC法。结果显示,基频较高的站点(如D047、E007、G015)具有较高的Vs30值,表明地下条件更坚硬,通常位于丘陵地带。而基频较低的站点(如F045,f0 < 2 Hz)则对应较厚的软沉积层。大多数站点的频率处于2-4 Hz的中间范围。乔治市、峇都茅和浮罗山背等区域通常显示出较厚的软沉积层,导致较低的频率和Vs30值,这与地质图显示的未固结海相粘土、砂和砾石沉积物分布一致。四个SPAC台阵测点(TT, SQ, LIB, JCH)的反演结果与附近钻孔的标贯击数(NSPT)数据在浅层(特别是15米以内)表现出良好的一致性,验证了SPAC反演的可靠性。基于所有测点的剪切波速剖面,研究人员构建了横跨槟城岛北部、东部和西部区域的简化地质剖面图,直观展示了地下条件的空间变化。

**4.2 BNN模型性能评估**
研究人员对BNN模型进行了全面的性能评估。超参数敏感性分析表明,采用[32-16]的隐藏层结构、ReLU激活函数和0.3的Dropout率能在预测精度和不确定性校准之间取得最佳平衡。与标准神经网络(NN)、随机森林(RF)和支持向量回归(SVR)等传统机器学习模型相比,BNN在测试集上取得了优异的泛化性能(R2 = 0.941, MAE = 7.394 m/s, MAPE = 2.87%),并且有效缓解了过拟合风险。更重要的是,BNN能够提供可靠的不确定性量化。在独立测试集上,模型在95%置信水平下的PICP达到95.12%,MPIW为52.326 m/s,表明其预测区间具有良好的校准性,既提供了足够的覆盖,又避免了过度保守。这种不确定性信息对于工程决策和后续调查规划具有实际意义。

**4.3 地震微区划图**
基于所有测点估计的剪切波速剖面,研究人员生成了槟城岛的基频和Vs30地震微区划图。基频图显示,槟城岛西部和东北部区域基频较低(1.45–2.5 Hz),反映了厚层未固结海相粘土沉积的存在;而北部和南部区域基频较高,表明基岩较浅或软沉积层较薄。Vs30图显示,槟城岛的Vs30值在168 m/s至468 m/s之间变化,西部和东部区域的Vs30值较低,与基频图中的低频区吻合;北部和南部区域的Vs30值较高,表明地基条件更坚硬。最软弱的区域出现在东北部的乔治市附近,该处Vs30和基频均较低。这些微区划图为地震设计、城市规划以及基于风险的决策提供了有价值的工具,特别是在岩土数据有限或成本高昂的地区。

**讨论与结论**
本研究以槟城岛为案例,开发并验证了一个用于地震微区划的实用BNN框架。该框架通过将经济高效的单台微动测量与先进的机器学习相结合,克服了传统方法的局限性,能够提供准确的Vs30预测以及经过校准的不确定性估计。

**研究结论指出:**
(1) **高预测精度与效率**:利用203个单台测量数据,BNN模型在独立测试数据上实现了高预测精度(R2为0.941,MAE为7.394 m/s,MAPE为2.87%)。其不确定性量化能力(PICP为95.12%,MPIW为52.326 m/s)确保了预测不仅准确,而且统计可靠。更重要的是,该框架将每个站点的估计时间从传统单台H/V反演所需的约1-2小时大幅缩短至数秒,极大地提高了大范围工程级Vs30制图和微区划工作流程的效率。
(2) **空间趋势与地质一致性**:分析表明,槟城岛的基频范围为1.45–7.4 Hz,Vs30值在168 m/s至468 m/s之间变化。较低的基频和Vs30值出现在东北部(乔治市)和西部(浮罗山背)区域,表明存在较软的土壤条件和较厚的沉积层。基于微动观测的预测结果与现有地质图和钻孔数据高度一致,验证了推断地下结构的可靠性。
(3) **工作流程集成与可迁移性**:所提出的基于BNN的工作流程与标准地球物理实践兼容性强,仅需最少的输入特征。这种简便性使其能够无缝集成到现有的场地调查程序中,无需额外的专业设备或知识。该框架架构独立,可轻松适应其他具有不同地质环境的区域,为数据稀缺环境的初步地震危险性评估提供了一个可迁移且可扩展的工具。

然而,研究也承认了一些局限性:参考Vs30值源自HVSR反演而非完全独立的原位测量,且HVSR衍生参数也被用作模型输入,因此报告的性能主要反映了与反演参考值的一致性。此外,仅有的四个SPAC台阵站点限制了外部验证的稳健性。分析主要集中于槟城岛相对平坦的区域,未明确考虑丘陵地形的地形放大效应。最后,采用的交叉验证策略未能确保训练集和验证集之间的完全空间独立性,可能导致对地理泛化能力的乐观估计。未来的工作应纳入更多独立的剪切波速测量、扩展台阵观测、整合地形相关参数,并采用空间感知的验证策略,以增强所提框架的物理稳健性和区域可迁移性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号