基于支持向量机的高速铁路地震预警震级连续预测方法

利用日本K-net强震动数据,研究基于支持向量机的震级连续预测方法。在P波到达后0.5～10.0 s范围内,以0.5 s为间隔建立预测时间窗,选取12个P波特征参数作为模型输入参数,构建支持向量机的高速铁路地震预警震级预测模型(SVM-HRM),并将模型的震级预测结果分别与传统的震级预测模型以及现行标准进行对比。结果表明:3.0 s时间窗下,模型的震级预测误差明显小于传统的τ_c方法与P_d方法,小震高估明显改善,且模型的构建不受数据震中距筛选的影响,具备泛化性能;对于震级范围在3～5级的地震事件,模型的单台实现率在P波到达后的0.5 s达到95%,优于《高速铁路地震预警监测系统试验方法》要求的首报震级预测实现率标准;对于震级范围在3～5级、5～7级、7～8级之间的地震事件,模型的单台实现率分别在P波到达后的0.5,1.5,0.5 s优于多台实现率标准;最迟在P波到达后的1.5 s,模型便可发出符合震级预测实现率标准的地震预警首报,满足高速铁路地震预警震级预测的准确性和连续性要求。