【技术实现步骤摘要】
本专利技术涉及地球物理学领域，具体为一种基于随机森林模型的大坝峰值加速度估算方法。
技术介绍
1、目前，很多大型水库大坝上均布置了大坝强震监测设施，水库周边也多建有相应的水库地震监测台网，两种系统一般均由具有相关专业背景的技术人员进行运行维护与资料处理与分析工作。地震发生后，由水库地震台网进行迅速计算地震信息(震中位置、发震时间、地震震级等)，大坝强震动监测系统运行人员则负责分析大坝强震监测点上的由该震动事件对目标监测点上引起震动信息(峰值加速度、峰值位移、持续时间、反应谱等)，地震事件对大坝上监测点引起的峰值加速度是评估地震对电站影响的重要信息，也是大坝管理者最为关心的参数之一。
2、由于水库大坝多建于高山峡谷地区，地震特别是中强地震发生后，极易导致震中附近通讯、电力设施损坏，以致地震监测数据不能实时传输到数据处理中心，进行及时处理与分析。
3、水库地震台网布置于水库周边，且部分水库地震台网还共享了水库邻近地区的国家地震台站，覆盖范围广，中强地震发生后，通常会不致水库地震台网所有监测点的实时数据传输中断。而大坝强震动监测设备仅布置于大坝及其他水工建筑物上，分布范围窄，中强震发生后，极易造成大坝强震监测数据全部中断，从而不能迅速评估震动对大坝的影响程度，严重影响中强地震发生后对大坝及水工建筑物的震后影响快速评估。
4、通过利用水库地震监测范围内大量历史地震事件信息，以及这些地震事件在目标大坝记录到的震动信息，对随机森林模型进行训练，构建一种基于随机森林模型的大坝强震监测点峰值加速度和触发时间的
5、本专利技术利用水库地震台网覆盖范围广，中强地震发生后，通常会不致水库地震台网所有监测点的实时数据传输中断的特点，仅以水库地震台网计算的地震信息，快速估算地震对目标电站大坝引起的震动信息，指导电站管理单位的防震减灾工作。对于距电站较远的大地震，还可利用发震时间与地震波到达电站的时间差，快速对电站运行管理单位进行预警，以便电站运行管理单位采取必要措施，降低地震造成的损失。
技术实现思路
1、本专利技术的技术方案为：
2、一种基于随机森林模型的大坝峰值加速度估算方法，包括以下步骤：
3、s1：整理历史地震事件记录并建立原始记录表；
4、s2：确定随机森林模型的输入特征，计算震中相对于监测点的震中距和方位角；
5、s3：根据预测目标建立对应的样本集；
6、s4：构造决策树，并构建出包含决策树的随机森林预测模型；
7、s5：使用s4所述模型对测试集数据进行训练和测试。
8、所述s1具体包括，整理监测范围内的历史地震事件记录，收集历史地震事件的震级、发震时间、震中位置和大坝强震监测点的位置、触发时间、峰值加速度；所述震中位置包括其经度、纬度、震源深度；所述大坝强震监测点的位置包括其经度、纬度、高程。
9、所述s2具体包括，根据地震波传播理论分析，确定随机森林模型的输入特征，即地震震级、震源深度、大坝监测点高程、震中距和方位角，其中震中距由震中的经度、纬度和监测点的经度、纬度计算得到；以正北方向为0度，方位角也是由震中的经度、纬度和监测点的经度、纬度计算获得。
10、所述s3具体包括，所述预测目标为触发时间和峰值加速度，因此，根据预测目标，分别建立预测峰值加速度的样本集ad和预测触发时间的样本集td；同时，样本集按照8：2比例划分为训练集和测试集。
11、所述s4具体包括以下步骤：
12、s41：对训练集ad进行随机性自助采样k个训练样本子集ad1，ad2，…，adk，然后分别由ad1，ad2，…，adk训练构造k棵决策树；
13、s42：从训练样本数据集adi的特征集合fi＝{fi1，fi1，…，fim}中随机选择个特征组成新的特征集合fi′＝{f′i1，f′i2，…，f′is}，分别计算fi′中所有特征关于该样本数据集的基尼指数，并根据基尼指数确定最优特征切分点，然后根据最优特征切分点将adi中的样本分配到子结点所对应的样本子集中；
14、s43：分别对两个子结点递归地调用s42，直至满足算法停止条件；算法停止条件为结点中样本个数或样本集基尼指数小于给定阈值，或者没有更多特征可以分裂；最终构建出包含k棵决策树的峰值加速度随机森林预测模型；
15、s44：对训练集td重复s41-s43的操作，构建出包含k棵决策树的触发时间随机森林预测模型。
16、所述s5具体包括，使用s4所述的k棵决策树组成的随机森林模型对测试集数据进行峰值加速度和触发时间预测，其中对k棵决策树的k个预测结果进行加权平均作为随机森林模型的最终预测结果。
17、在构建模型进行预测的过程中：①地震波从震中传播至目标电站各强震监测点时间关系通过机器学习得到，其关系不一定是真实的地下结构速度模型；②某个位置发生某个大小震级的地震后，其在目标电站各监测点上的峰值加速度通过机器学习得到，不需对大坝强震监测数据进行分析处理。
18、本专利技术创造的核心创新点是直接通过历史地震信息(震中位置、震级、发震时间)和历史地震在目标电站大坝各强震监测点的震动参数信息(大坝强震监测点的位置、峰值加速度、触发时间)这几个参数开展机器学习，获取地震信息与目标监测点的震动参数信息，避免了地震射线追踪、地震波在介质中的衰减、强震监测记录的分析处理等复杂的专业计算过程。特别是对于地震造成电站周边通讯、电力发生损坏，大坝强震监测数据不能及时传输回数据处理中心进行分析处理时，仍能仅通过地震信息，快速估算地震对目标电站引起的最大峰值加速度，指导电站管理单位防震减灾工作。对于震中距电站较远的在震，还可实现对目标电站一定时间的预警。对于监测河段长、梯级电站多、大坝强震动监测设施多、地震事件丰富的流域型地震监测系统，本方法使用效果更好。
本文档来自技高网...【技术保护点】
1.一种基于随机森林模型的大坝峰值加速度估算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于随机森林模型的大坝峰值加速度估算方法，其特征在于，所述S1具体包括，整理监测范围内的历史地震事件记录，收集历史地震事件的震级、发震时间、震中位置和大坝强震监测点的位置、触发时间、峰值加速度；所述震中位置包括其经度、纬度、震源深度；所述大坝强震监测点的位置包括其经度、纬度、高程。
3.根据权利要求1所述的基于随机森林模型的大坝峰值加速度估算方法，其特征在于，所述S2具体包括，根据地震波传播理论分析，确定随机森林模型的输入特征，即地震震级、震源深度、大坝监测点高程、震中距和方位角，其中震中距由震中的经度、纬度和监测点的经度、纬度计算得到；以正北方向为0度，方位角也是由震中的经度、纬度和监测点的经度、纬度计算获得。
4.根据权利要求1所述的基于随机森林模型的大坝峰值加速度估算方法，其特征在于，所述S3具体包括，所述预测目标为触发时间和峰值加速度，根据预测目标分别建立预测峰值加速度的样本集AD和预测触发时间的样本集TD；同时，样本集按照8∶2比例划
5.根据权利要求1所述的基于随机森林模型的大坝峰值加速度估算方法，其特征在于，所述S4具体包括以下步骤：
6.根据权利要求1所述的基于随机森林模型的大坝峰值加速度估算方法，其特征在于，所述S5具体包括，使用S4所述的k棵决策树组成的随机森林模型对测试集数据进行峰值加速度和触发时间预测，其中对k棵决策树的k个预测结果进行加权平均作为随机森林模型的最终预测结果。
...【技术特征摘要】
1.一种基于随机森林模型的大坝峰值加速度估算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于随机森林模型的大坝峰值加速度估算方法，其特征在于，所述s1具体包括，整理监测范围内的历史地震事件记录，收集历史地震事件的震级、发震时间、震中位置和大坝强震监测点的位置、触发时间、峰值加速度；所述震中位置包括其经度、纬度、震源深度；所述大坝强震监测点的位置包括其经度、纬度、高程。
3.根据权利要求1所述的基于随机森林模型的大坝峰值加速度估算方法，其特征在于，所述s2具体包括，根据地震波传播理论分析，确定随机森林模型的输入特征，即地震震级、震源深度、大坝监测点高程、震中距和方位角，其中震中距由震中的经度、纬度和监测点的经度、纬度计算得到；以正北方向为0度，方位角也是由...
【专利技术属性】
技术研发人员：杜兴忠，董先勇，陈辉，杨磊，黎莎，刘骅标，石磊，
申请(专利权)人：中国电建集团贵阳勘测设计研究院有限公司，
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。