(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211033102.4 (22)申请日 2022.08.26 (71)申请人 中国地震灾害防御中心 地址 100036 北京市海淀区复兴 路63号 (72)发明人 张玉洁　易佳　王珊　闫静茹　 张郁山　郝明辉　刘培玄　陈三红　 邓菲　阚文亮　李伟　 (74)专利代理 机构 北京纽乐康知识产权代理事 务所(普通 合伙) 11210 专利代理师 田磊 (51)Int.Cl. G06F 30/20(2020.01) (54)发明名称 一种地震动场的预测方法及系统 (57)摘要 本发明公开了一种地震动场 的预测方法及 系统， 其中， 该地震动场的预测方法， 包括： 根据 地震监测台网各台站， 获得地震区域的地震动峰 值加速度PGA； 将地震区域的地震动峰值加速度 PGA作为输入参数， 并通过预先建立的U ‑Net神经 网络模型， 对输入参数进行预测并输出地震动峰 值加速度PGA分布图， 实现对地震动场的预测。 本 发明通过建立U ‑Net神经网络模型， 并在采集到 地震区域的地震动峰值加速度PGA后， 利用U ‑Net 神经网络模型， 对输入参数进行预测， 即可得到 输出地震动峰值加速度PGA分布图， 有效的提高 了对地震动场预测 和地震危险性评估的实时性。 权利要求书2页 说明书5页 附图3页 CN 115438476 A 2022.12.06 CN 115438476 A 1.一种地震动场的预测方法， 其特 征在于， 包括： 根据地震监测台网各台站， 获得地震区域的地震动峰值加速度PGA； 将地震区域的地震动峰值加速度P GA作为输入参数， 并通过预先建立的U ‑Net神经网络 模型， 对输入参数进行 预测并输出地震动峰值加速度PGA分布图， 实现对地震动场的预测。 2.根据权利要求1所述的地震动场的预测方法， 其特 征在于， 还 包括： 预先建立U‑Net神经网络模型。 3.根据权利要求2所述的地震动场的预测方法， 其特征在于， 预先建立U ‑Net神经网络 模型包括： 建立具有卷积层、 池化层和上采样层的深度神经网络； 采用ReLU函数为激活函数， 采用MS ‑SSIM损失函数和Adam自适应优化函数进行反向传 播， 得到U ‑Net神经网络模型。 4.根据权利要求3所述的地震动场的预测方法， 其特征在于， 预先建立U ‑Net神经网络 模型还包括： 将预先获取的地震动峰值加速度P GA散点分布图作 为输入参数， 使用U ‑Net神经网络模 型进行地震动峰值加速度PGA分布图的预测； 利用MS‑SSIM损失函数计算预测地震动峰值加速度PGA分布图和模拟地震动峰值加速 度PGA分布图之间的误差， 并利用网络正传过程中所有运算操作的偏导数对误差进行反向 传播； 使用Adam自适应优化函数， 调整网络中的权值， 进行迭代训练， 当预测结果与标签之间 的误差在预定范围内， 完成U ‑Net神经网络模型训练， 得到训练后的U ‑Net神经网络模型。 5.根据权利 要求4所述的地震动场的预测方法， 其特征在于， 其特征在于， 利用MS ‑SSIM 损失函数计算预测地震动峰值加速度PGA分布图和模拟地震动峰值加速度PGA分布图之间 的误差的计算公式为： 其中， 表示预测地震动峰值加速度PGA分布图和模拟地震动峰值加速度PGA分 布图之间的误差； 表示不同的尺度；  分别表示预测地震动峰值加速度P GA分布图 和模拟地震动峰值加速度PGA分布图的均值； 表示预测地震动峰值加速度PGA分布图 和和模拟地震动峰值加速度PGA分布图之间的标准差； 表示预测地震动峰值加速度PGA 分布图和和模拟地震动峰值加速度PGA分布图之间的协方差； 表示两项之间的相对 重要性； 为常数项， 防止除数为0 。 6.一种地震动场的预测系统， 其特 征在于， 包括： 数据获取模块， 用于根据地震监测台网各台站， 获得地震区域的地震动峰值加速度权　利　要　求　书 1/2 页 2 CN 115438476 A 2PGA； PGA预测模块， 用于将地震区域的地震动峰值加速度PGA作为输入参数， 并通过预先建 立的U‑Net神经网络模型， 对输入参数进行预测并输出地震动峰值加 速度PGA分布图， 实现 对地震动场的预测。 7.根据权利要求6所述的地震动场的预测系统， 其特 征在于， 还 包括： U‑Net网络创建模块， 用于预 先建立U‑Net神经网络模型。 8.根据权利要求7所述的地震动场的预测系 统， 其特征在于， 所述U ‑Net网络创建模块 包括： 模型建立模块； 用于建立具有卷积层、 池化层和上采样层的深度神经网络； 并采用 ReLU函数为激活函数， 采用MS ‑SSIM损失函数和Adam自适应优化函数进行反向传播， 得到U ‑ Net神经网络模型。 9.根据权利要求8所述的地震动场的预测系 统， 其特征在于， 所述U ‑Net网络创建模块 还包括： 模型训练模块， 用于将预先获取的地震动峰值加速度PGA散点分布图作为输入参 数， 使用U ‑Net神经网络模 型进行地震动峰值加速度PGA分布图的预测； 利用MS ‑SSIM损失函 数计算预测地震动峰值加速度PGA分布图和模拟地震动峰值加速度PGA分布图之间的误差， 并利用网络正传过程中所有运算操作的偏导数对误差进 行反向传播； 使用Adam自适应优化 函数， 调整网络中的权值， 进行迭代训练， 当预测结果与标签之间的误差在预定范围内， 完 成U‑Net神经网络模型训练， 得到训练后的U ‑Net神经网络模型。 10.根据权利 要求9所述的地震动场的预测系统， 其特征在于， 利用MS ‑SSIM损失函数计 算预测地震动峰值加速度PGA分布图和模拟地震动峰值加速度PGA分布图之间的误差的计 算公式为： 其中， 表示预测地震动峰值加速度PGA分布图和模拟地震动峰值加速度PGA分 布图之间的误差； 表示不同的尺度；  分别表示预测地震动峰值加速度P GA分布图 和模拟地震动峰值加速度PGA分布图的均值； 表示预测地震动峰值加速度PGA分布图 和和模拟地震动峰值加速度PGA分布图之间的标准差； 表示预测地震动峰值加速度PGA 分布图和和模拟地震动峰值加速度PGA分布图之间的协方差； 表示两项之间的相对 重要性； 为常数项， 防止除数为0 。权　利　要　求　书 2/2 页 3 CN 115438476 A 3