[发明专利]基于二阶神经元深度神经网络的地震动峰值加速度预测方法

权利要求书

1.基于二阶神经元深度神经网络的地震动峰值加速度预测方法，其特征在于该地震动峰值加速度预测方法是按下列步骤实现：

步骤一：收集地震动记录，建立数据集：

在数据集中挑选出震级、投影距、剪切波速、地区、覆盖层厚度、断层类型和周期作为输入参数，相对应的地震动峰值加速度为目标参数，通过标准化方法使输入参数与目标参数的值位于-0.5～0.5之间，得到地震动数据集；

步骤二：建立具有二阶神经元的深度神经网络：

建立包含三个隐藏层的深度神经网络，神经元均为二阶元，采用双曲正切函数为激活函数，采用均方误差函数和Adam自适应优化函数进行反向传播，以平均绝对误差函数为评价函数，得到深度神经网络模型；

步骤三：深度神经网络模型训练：

对深度神经网络模型进行训练，通过均方误差函数和平均绝对误差函数保证训练精度，使衰减曲线平滑下降，得到训练后的深度神经网络模型；

步骤四：峰值加速度预测：

利用步骤三训练后的深度神经网络模型对地震动输入参数进行预测并输出地震动峰值加速度，从而实现对地震动峰值加速度的预测；

其中步骤二中二阶元内部的运算公式如下：

其中：k:当前神经元位于第k层；

n:第k层网络的神经元数量；

σ：激活函数，采用双曲正切函数；

ω_ir:第k层网络第i个神经元所对应的第一权重参数；

ω_ig:第k层网络第i个神经元所对应的第二权重参数；

ω_ib:第k层网络第i个神经元所对应的第三权重参数；

b₁:第k层网络所对应的第一偏置参数；

b₂:第k层网络所对应的第二偏置参数；

b₃:第k层网络所对应的第三偏置参数；

x_i:输入参数。

2.根据权利要求1所述的基于二阶神经元深度神经网络的地震动峰值加速度预测方法，其特征在于步骤一中的地震动记录选自NGA-West2数据库。

3.根据权利要求1所述的基于二阶神经元深度神经网络的地震动峰值加速度预测方法，其特征在于步骤一中震级取自然对数值，投影距取自然对数值。

4.根据权利要求1所述的基于二阶神经元深度神经网络的地震动峰值加速度预测方法，其特征在于步骤二中每个隐藏层包括30个二阶神经元。

5.根据权利要求1所述的基于二阶神经元深度神经网络的地震动峰值加速度预测方法，其特征在于步骤二中所述的深度神经网络为多输入网络，输入参数分四组分别输入独立的子网络中，每个独立的子网络包括30个二阶神经元，输入参数经过四个独立的子网络运算后得到四组数据，使用concatenate函数将四组数据连接成一组后再输入到下一隐藏层。

6.根据权利要求3或5所述的基于二阶神经元深度神经网络的地震动峰值加速度预测方法，其特征在于输入参数分成A、B、C和D四组，A组以断层类型和震级作为输入参数，B组以震级、投影距和地区作为输入参数，C组以震级、投影距、地区、剪切波速和覆盖层厚度作为输入参数，D组以周期作为输入参数。

7.根据权利要求1所述的基于二阶神经元深度神经网络的地震动峰值加速度预测方法，其特征在于步骤二中所述的均方误差函数的表达式如下：

其中：y_i—真实值；y_i^pre—预测值。