【技术实现步骤摘要】
一种基于LSTM
‑
GAN的脉冲型地震动合成方法
[0001]本专利技术属于地震工程
,尤其涉及一种基于
LSTM
‑
GAN
的脉冲型地震动合成方法
。
技术介绍
[0002]脉冲地震法是依据岩石中弹性波速及波的衰减与应力的内在关系来实测地应力状态,以记录弹性参数和在高压下出现微破裂时产生脉冲次数为基础,属于两种地震声学法之一
。
地震声学法弥补了其它地震方法的不足,据此可以估算接近于极限的应力状态
。
同地形变测量法比较其优点更为突出:所耗劳力不多;同一测点可多次测量,对实测脉冲型地震动数据量的不足,一直制约着脉冲型地震动作用下结构地震响应的研究,同时难以满足各类工程结构的抗震分析需求
。
[0003]鉴于地震学中收集的地震动数据的逐渐增长,以及现代人工智能技术的飞速发展,采用深度学习方法按需求生成合理的脉冲型地震动是一条十分具有前瞻性的途径;长短时记忆网络(
Long Short
‑
Term Memory network
,
LSTM
)是深度学习中循环神经网络(
RNN
)的一种变体,由
Hochreiter
等在
1997
年首次提出,最初用于处理
RNN
训练中的梯度消失以及数据的长期依赖问题
。LSTM
能很好地捕捉数据前后之间的联系,对于带有时间序列的数据具有很好 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种基于
LSTM
‑
GAN
的脉冲型地震动合成方法,其特征在于,包括收集脉冲型地震动数据建立原始数据库,预处理脉冲型地震数据后,确定模型框架参数,训练得到训练模型后基于脉冲型地震合成模型进行脉冲型地震动合成
。2.
根据权利要求1所述的一种基于
LSTM
‑
GAN
的脉冲型地震动合成方法,其特征在于,脉冲型地震数据预处理方法具体包括:统一地震动样本的采样频率与时间窗大小;数据标准化,采用如下公式将地震动的数据缩放至
[
‑
1,1]
;式中,
X
为输入变量,和为输入变量的最大值与最小值, 为标准化后的输入变量
。3.
根据权利要求2所述的一种基于
LSTM
‑
GAN
的脉冲型地震动合成方法,其特征在于,数据预处理方式还包括数据增强,对原始数据库中的地震动信号通过增加白噪声形成新的地震动数据
。4.
根据权利要求1所述的一种基于
LSTM
‑
GAN
的脉冲型地震动合成方法,其特征在于,所述确定模型输入参数与输出参数具体包括:生成器的输入参数分为两部分,一部分为条件变量的特征参数,控制
GAN
模型的生成,另一部分为随机噪声;生成器的输出是与预处理得到的地震动信号形式一致的时程;判别器的输入参数分为三部分,分别是生成器的输出
、
来源于数据库中与条件变量相匹配的真实地震动速度时程数据和条件变量;且判别器的输出是一维非零即一的变量
。5.
根据权利要求4所述的一种基于
LSTM
‑
GAN
的脉冲型地震动合成方法,其特征在于,所述条件变量的特征参数为震级
、
震中距
、PGA
(速度峰值)
、PGV
(位移峰值)
、V
S30
、
场地条件
、
断层类型
、
脉冲周期
技术研发人员:郭德平,雷川鹤,贾宏宇,康炜,戴胜勇,杨健,郑史雄,唐进才,张增,沈明亮,廖烟开,
申请(专利权)人:叙镇铁路有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。