一种融合有限断层震源参数与场点环境信息的同震滑坡预测方法及系统
本发明涉及地震诱发地质灾害预测,具体涉及一种融合有限断层震源参数与场点环境信息的同震滑坡预测方法及系统。
背景技术:
1、同震滑坡是强震作用下常见的次生地质灾害。山区强震发生后,大量滑坡可能在短时间内集中出现,造成道路阻断、河道堵塞、工程设施损毁和次生灾害链扩展。因此,面向区域尺度快速预测同震滑坡可能发生的位置,对于震后应急调查和地质灾害风险评估具有重要意义。
2、现有基于数据驱动的同震滑坡预测方法通常以坡度、坡向、岩性、土地利用、水文条件等场点环境因子为基础,并引入峰值地面加速度、峰值地面速度、arias强度、震中距或断层距等指标表征地震触发作用。该类地震动参数一般来源于强震台站观测记录插值或经验地震动预测方程,难以表征震源破裂、传播路径及场地条件共同作用后的非遍历时空变异地震动场;而且,上述地震动参数是对复杂地震波信息的标量简化表达,难以反映断层复杂破裂与传播过程对地震动时空分布的影响。对于震级相同、震中距或断层距相近的场点,断层破裂过程仍可能造成地震动衰减和地震能量空间分布的差异,进而影响斜坡失稳范围和同震滑坡空间分布。
3、针对上述标量参数在刻画复杂震源破裂机制方面的局限性,为更准确地表征震源破裂过程,,还有研究尝试基于有限断层模型进行地震动全波形物理正演,再将合成波形输入深度学习模型以预测同震滑坡。该类方法虽然能够在一定程度上保留震源破裂过程信息,但全波形物理正演依赖高精度三维速度结构模型,计算量大、耗时长,难以满足区域尺度同震滑坡的快速预测需求。
4、因此,如何既突破传统单一标量参数难以表征复杂震源破裂机制的局限,又能在不依赖高算力全波形物理正演的前提下,将震源破裂过程的时空结构信息有效引入区域尺度同震滑坡预测,是本领域亟待解决的技术问题。
技术实现思路
1、针对现有同震滑坡预测方法主要依赖地震动标量参数或距离代理变量、难以有效表征震源破裂过程时空结构信息,以及全波形物理正演计算代价过高的问题,本发明提供一种融合有限断层震源参数与场点环境信息的同震滑坡预测方法及系统,将有限断层模型所表征的震源破裂信息与场点环境信息进行联合建模,以提高区域尺度同震滑坡预测的准确性和计算效率。
2、为了实现上述目的,本发明采用的技术方案如下:
3、一种融合有限断层震源参数与场点环境信息的同震滑坡预测方法,包括如下步骤:
4、s1:获取目标地震事件的有限断层震源破裂信息,从所述有限断层震源破裂信息中提取n个子断层单元的空间位置、滑移量和破裂时间,n为正整数;在待预测区域内确定s个目标场点,s为正整数;基于各子断层单元的深度、滑移量和破裂时间,构建所述s个目标场点对应的子断层破裂属性张量;
5、s2:获取各目标场点的水平位置,计算各目标场点相对于各子断层单元的二维相对位置,得到所述s个目标场点对应的子断层相对位置张量;
6、s3:将所述子断层破裂属性张量输入震源特征提取模型进行内容特征编码,并利用所述子断层相对位置张量在子断层特征关联计算过程中进行位置编码,得到各目标场点对应的震源破裂表征;
7、s4:获取各目标场点的场点环境因子数据,对所述场点环境因子数据进行预处理,得到场点环境因子矩阵;
8、s5:将所述场点环境因子矩阵输入场点特征提取模型,得到各目标场点对应的场点环境表征;
9、s6:融合所述震源破裂表征和所述场点环境表征,得到各目标场点发生同震滑坡的概率;
10、s7:根据各目标场点的水平位置及其发生同震滑坡的概率,生成所述待预测区域的同震滑坡概率空间分布。
11、优选的,步骤s1中,构建所述子断层破裂属性张量,包括:将各子断层单元的深度、滑移量和破裂时间组成基础子断层破裂属性矩阵,其中,n为子断层单元的数量,为子断层破裂属性维度;将所述基础子断层破裂属性矩阵按照目标场点维度扩展复制,得到子断层破裂属性张量,其中,s为目标场点的数量。
12、优选的,步骤s2中,各子断层单元和各目标场点的水平位置位于同一投影坐标系;第s个目标场点相对于第m个子断层单元的二维相对位置为:
13、
14、其中,为第s个目标场点的水平位置,为第m个子断层单元的水平位置;将n个子断层单元对应的二维相对位置按行排列,得到第s个目标场点对应的子断层相对位置矩阵;将s个目标场点对应的子断层相对位置矩阵沿目标场点维度堆叠,得到所述子断层相对位置张量。
15、优选的,步骤s3中,所述震源特征提取模型为transformer编码器,所述transformer编码器包括l层编码层,每层编码层包括多头自注意力机制;所述内容特征编码为:将所述子断层破裂属性张量经线性映射函数映射为初始震源特征张量,其中,为震源表征维度;对于第l层编码层中的第h个自注意力头,由第l−1层输出的震源特征张量分别计算查询张量、键张量和值张量:
16、
17、
18、
19、其中,、和为第h个自注意力头的可学习特征映射矩阵,l=1,2,…,l,h=1,2,…,,为自注意力头的数量;当l=1时,即为所述初始震源特征张量。
20、优选的,所述子断层相对位置张量记为;所述位置编码为:利用位置映射函数将所述子断层相对位置张量映射为位置嵌入,并将所述位置嵌入分别施加于所述查询张量和所述键张量:
21、
22、
23、利用位置编码后的查询张量和键张量计算自注意力权重,并对值张量进行加权聚合:
24、
25、其中,为单个自注意力头的特征维度,表示的转置;各自注意力头的输出经拼接和线性映射后,再经过残差连接、层归一化和前馈网络,得到当前编码层的输出;经l层编码层后,得到场点相关的子断层特征张量;对沿子断层维度进行池化聚合,得到s个目标场点对应的震源破裂表征矩阵,其中,为震源表征维度,所述池化聚合为平均池化或注意力池化。
26、优选的,步骤s4中,所述场点环境因子数据包括各目标场点的坡度、坡向、高程、地形起伏度、曲率、地层岩性、土壤类型、土地利用类型、植被覆盖信息和水文条件中的至少两种;所述预处理包括:对连续型环境因子进行缺失值处理和归一化处理,对类别型环境因子进行类别编码处理,并将各环境因子数据层空间配准至对应目标场点;预处理后得到场点环境因子矩阵,其中,s为目标场点的数量,为场点环境因子维度。
27、优选的,步骤s5中,所述场点特征提取模型为多层感知机,将所述场点环境因子矩阵输入所述多层感知机,得到由s个目标场点的场点环境表征组成的场点环境表征矩阵,其中,s为目标场点的数量,为场点表征维度;步骤s6中,将由s个目标场点的震源破裂表征组成的震源破裂表征矩阵与所述场点环境表征矩阵按特征维度拼接,得到融合特征矩阵,其中,为震源表征维度,⊕表示按特征维度进行拼接;将所述融合特征矩阵输入分类预测模型,并通过sigmoid函数σ(·)输出各目标场点发生同震滑坡的概率向量:
28、
29、其中,q为由s个目标场点的同震滑坡概率构成的概率向量。
30、优选的,所述方法还包括模型训练步骤:根据历史地震事件的震后滑坡编录数据确定各训练场点的滑坡标签,利用训练场点的子断层破裂属性张量、子断层相对位置张量、场点环境因子矩阵及滑坡标签,采用二元交叉熵损失函数,对所述震源特征提取模型、所述场点特征提取模型以及用于根据融合后的表征输出同震滑坡概率的分类预测模型进行监督训练;所述二元交叉熵损失函数为:
31、
32、其中,为训练场点的数量,为第i个训练场点的滑坡标签,发生滑坡时取1,未发生滑坡时取0;为模型输出的第i个训练场点发生同震滑坡的概率。
33、一种融合有限断层震源参数与场点环境信息的同震滑坡预测系统,包括:
34、数据获取模块,用于获取目标地震事件的有限断层震源破裂信息,以及待预测区域内各目标场点的水平位置和场点环境因子数据;
35、震源表征模块,用于从所述有限断层震源破裂信息中提取各子断层单元的空间位置、滑移量和破裂时间,构建子断层破裂属性张量和子断层相对位置张量,将所述子断层破裂属性张量输入震源特征提取模型进行内容特征编码,并利用所述子断层相对位置张量在子断层特征关联计算过程中进行位置编码,得到各目标场点对应的震源破裂表征;
36、场点表征模块,用于对所述场点环境因子数据进行预处理得到场点环境因子矩阵,并将所述场点环境因子矩阵输入场点特征提取模型,得到各目标场点对应的场点环境表征;
37、融合预测模块,用于融合所述震源破裂表征和所述场点环境表征,得到各目标场点发生同震滑坡的概率,并根据各目标场点的水平位置生成所述待预测区域的同震滑坡概率空间分布。
38、一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时,实现任一项所述的融合有限断层震源参数与场点环境信息的同震滑坡预测方法。
39、本发明的有益效果是:
40、(1)本发明将有限断层模型表征的震源破裂信息与场点环境因子进行联合建模,在保留震源破裂过程关键时空结构信息(包括滑移量空间差异、破裂深度分布和破裂时序差异)的基础上,提高了区域尺度同震滑坡预测结果的准确性;相较于基于静态环境因子与宏观地震动标量参数组合的预测方法,能够更有效地表征震源破裂非均质性及其空间分布特征对滑坡发生的影响,增强了模型对同震滑坡形成机制的表征能力。
41、(2)本发明通过构建场点—子断层二维相对位置张量,并将其以位置编码方式注入自注意力计算过程,使每个目标场点均能以自身空间视角对全部子断层单元的破裂特征进行差异化加权聚合,实现了震源破裂信息面向不同场点的自适应表达,克服了以单一震中距或断层距代理变量表达震源—场点空间关系造成的信息损失。
42、(3)本发明直接以子断层破裂属性为模型输入,无需依赖高算力的全波形物理正演过程,在兼顾计算效率的情况下,可实现区域尺度同震滑坡危险性的高效预测,为地震次生地质灾害风险评估和震后应急响应提供了可行的技术手段。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com