[口头报告]机器学习地震动模型的认知不确定性量化及其在地震危险性分析中的应用

机器学习地震动模型的认知不确定性量化及其在地震危险性分析中的应用
编号:235 访问权限:仅限参会人 更新:2025-05-07 18:14:47 浏览:98次 口头报告

报告开始:2025年05月17日 15:10 (Asia/Shanghai)

报告时间:10min

所在会议:[P] 5月17日下午分会 » [P11] 11. 高性能计算或人工智能在防灾减灾工程中的应用

暂无文件

摘要
机器学习技术已被广泛应用于建立地震动模型,但由于强震动数据的时空稀疏性,数据不足和模型选择将分别导致模型内和模型间认知不确定性。本文提出了基于Bootstrap和决策树蒙特卡洛模拟的认知不确定性量化方法,实现任意机器学习架构下地震动模型的模型内认知不确定性量化,并在概率地震危险性分析中同时引入传统模型和机器学习模型,对比研究不同认知不确定性影响下的地震危险性分析结果。研究表明:机器学习地震动模型的认知不确定性对给定地震动水准下地震动参数取值的均值和标准差均有较大影响,且较传统模型更显著。
关键字
地震动模型;地震危险性分析;机器学习;认知不确定性;Bootstrap方法
报告人
文天星
讲师 佛山大学

文天星,男,汉族,博士,讲师,硕士研究生导师,生于1994年10月。主要从事基于人工智能的地震危险性分析及高速铁路桥梁结构地震风险评估研究。参研国家级、省部级科研项目共5项,主持项目1项,获第二届全国高校土建类学科(专业)优秀学位论文和优秀毕业设计三等奖。近五年在《Engineering Structures》《Bulletin of Earthquake Engineering》《ASCE- Journal of Bridge Engineering》《Applied Soft Computing》《建筑结构学报》等国内外知名学术期刊发表论文16篇,其中以第一作者/通讯作者发表的SCI/EI论文11篇,中科院二区及以上高质量论文10篇。授权软件著作权5项。担任《ASCE-Journal of Bridge Engineering》《Journal of Building Engineering》《International Journal of Structural Stability and Dynamics》《Structures》等学术期刊的审稿人。

发表评论
验证码 看不清楚,更换一张
全部评论
登录 创建账号 注册参会 提交稿件