基于深度学习的平均剪切波速预测方法及其在加速度计记录中的应用
原文中文，约600字，阅读约需2分钟。发表于：。本研究解决了在强震站缺乏平均剪切波速(Vs30)测量的问题，这可能导致地震灾害评估不准确。通过使用卷积神经网络(CNN)分析来自700多个站点的加速度计数据，提出了一种深度学习预测Vs30的新方法。研究结果表明，该方法的预测性能优于传统的基于手工特征的机器学习模型，具有重要的实际应用潜力。
我们提出了一个使用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以及构造环境或断层风格条件下生成振动加速度时间历程的算法。验证和评估结果显示该框架能够恢复震级、距离和VS30尺度，并产生一致的中位数尺度。该框架应用于生成风险定位地面运动的特定场地工程应用。
