BriefGPT - AI 论文速递
·
通过生成对抗神经算子开展宽带地面运动合成：开发与验证
💡
原文中文，约700字，阅读约需2分钟。
📝
内容提要
本文提出了一种使用生成对抗神经运算器（GANO）的数据驱动模型，能够根据震级、破裂距离、顶部 30 米时间平均剪切波速度（VS30）以及构造环境或断层风格条件下生成三分量振动加速度时间历程的算法。通过与经验数据集的残差分析以及与传统地面运动模型（GMMs）进行比较，评估了该模型的性能。结果显示该模型能够产生一致的中位数尺度，并能够捕捉到响应谱序列的混合变异性。该模型的应用包括生成面向特定场地工程应用的风险定位地面运动。
🎯
关键要点
-
提出了一种使用生成对抗神经运算器（GANO）的数据驱动模型。
-
模型能够根据震级、破裂距离、顶部 30 米时间平均剪切波速度（VS30）生成三分量振动加速度时间历程。
-
使用神经运算器架构，保证模型训练与数据采样频率无关。
-
介绍了条件地面运动合成算法（cGM-GANO），并讨论其优势。
-
通过南加州地震中心（SCEC）宽频平台生成的模拟地面运动验证了cGM-GANO框架。
-
在日本的KiK-net数据集上训练cGM-GANO，能够恢复傅里叶幅度和伪谱加速度的震级、距离和VS30尺度。
-
通过与经验数据集的残差分析和传统地面运动模型（GMMs）比较评估cGM-GANO。
-
结果显示cGM-GANO为相应构造环境产生一致的中位数尺度。
-
在训练数据稀缺的情况下，短距离上观察到最大的误差。
-
响应谱序列的混合变异性能够很好地捕捉，特别是对于俯冲事件。
-
该框架的应用包括生成面向特定场地工程应用的风险定位地面运动。
🏷️
标签
➡️
