(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 202211024975.9 (22)申请日 2022.08.25 (71)申请人 沈阳工业大 学 地址 110870 辽宁省沈阳市铁西区经济技 术开发区沈辽西路1 11号 (72)发明人 王天韵　杨璐　宁宝宽　范鹤　 鲁丽华　刘朋　杨宏旭　郑威　 包金林　江思宋　陈述　刘涛　 倪俊杰　 (74)专利代理 机构 沈阳智龙专利事务所(普通 合伙) 21115 专利代理师 宋铁军 (51)Int.Cl. E02D 33/00(2006.01) E02D 1/00(2006.01)G06F 30/13(2020.01) G06F 30/27(2020.01) (54)发明名称 一种地震预警区域的地下水位及地表沉降 预测方法 (57)摘要 本发明一种地震预警区域的地下水位及地 表沉降预测方法， 属于建模预测技术领域， 尤其 是涉及用于根据地震动实时观测数据和地下水 观测统计抽样数据预测地震预警区域的地震动 场、 地下水水情和地表沉降量分布， 适用于断裂 带附近各类地震预警区域的地震预 警、 地震动场 实时预测、 地下水水情预测与地表沉降量预测。 其特征在于： 它通过对地下水位记录、 地震记录、 地表沉降观测记录， 建立地震动 ‑地下水、 地震 动‑地表沉降关系函数， 在通过这些模型， 输 出地 震预警区域地震动场、 地下水水位分布预测结果 和地表沉降分布预测结果， 本发 明的目的在于解 决现有断裂带附近的地震预警区域在地震动作 用下地震动场、 地下水水位与地表 沉降量的实时 预测问题。 权利要求书5页 说明书11页 附图1页 CN 115182398 A 2022.10.14 CN 115182398 A 1.一种地震预警区域的地下水位及地表沉降预测方法， 其特征在于： 该方法包括如下 步骤： S1： 根据地震监测台网提供的地震记录， 对应不同各地震台站坐标地震观测数据， 按照 时间序列建立一个训练样本集 Z(k)表示第 k个台站1到t时刻地震动记录， 表示第k个台站第i个时间节点的地震动记录， 针对不同参 数的特征同时预测多个地震基本参数用于地震动场的实时预测当中， 非线性动态系统的状 态空间模型为 其中fk表示状态转移函数， 表示k台站第i个时间节点的地震 基本参数预测结果， 表示k台站i ‑1时刻所处的地震基本参数预测结果， 其中hk 表示测量函数， 表示k台站i时刻的地震基本参数观测结果， 表示k台站i ‑1个时间节点 的地震基本参数观测结果； 令N个粒子构成的集合表示t时刻台站k关于地震基本参数的后验概率密函数 抽取N个样本粒子， i＝1 ,2, …,N第i个样本粒子的权值以 表示， 且 根据大量带权粒子， 从采样密度函数 中抽取N个粒子， m表示采用m阶 粒子滤波算法， 其中q表示采样密度函数， x表示地震基本参数预 测结果， z表示 地震基本参数观测结果， t 表示t时刻， k表示第k个台站， i表示第i个粒子； 在标准粒子滤波算法的框架中引入重采样步骤， 拟合地震基本参数同地震动之间的函 数关系， 通过粒子滤波实时预测多个地震基本参数， 对整个目标区域的多个任务同时预测， 通过经验关系可以对地震动场进行实时预测； S2： 基于支持向量回归算法拟合地震动与其对应的地震动 ‑地下水水位关系， 在地震动 和地下水水位样本空间中训练地震动 ‑地下水水位模型函数 引入松弛变量ξ1:t≥0， υ1:t≥0， 在如下约束条件 μ1:t∈{‑1,+1}， 其中Δ为 决策面宽度， b为决策面的法向量， t＝0， 1， 2， ...， tn， t表示第t个时间点， tn表示观测时间点 总数， 损失函数： L1:t表示第1到t个时间节点的 损失函数， 其中c为>0的常数， 满足优化目标损失函数， 得到基于地震动场分布的地下水水 位预测模型函数 其中1： t表示从第1到第t个时间点的时间序列， x表示地 下水观测记 录， K表示地震预警区域地下水水位观测点编号， 估计地震动与其对应观测井的地震动 ‑水 位函数关系， 构建地震动作用下地下 水情预测模型； 通过卡尔曼滤波器(Kalman ‑Filter)实时估计地震动作用下地震预警区域的地下水水 位分布 ， 以E表示地震动作用下t时刻预警区域地下水水位分布的计算过程 ： 以κ 表示卡尔曼滤波 器(Kalman ‑Filter)构建地震 预警区域地下水位 预测模型， 其中 表示当前时刻地震的作用下地 下水水位分布， 表示 下一个时间点前的该区域地下水水位分布， 表示地震动作用下t时刻前一时刻预警区 域地下水水位分布， Δut表示地下水水位在地震的作用下的观测值变量；权　利　要　求　书 1/5 页 2 CN 115182398 A 2S3： 针对震级、 地震动不同参数的特征建立地震动作用下地震预警区域地表沉降量实 时预测模型， 将卷积神经网络算法用于地震预警区域的地表沉降量预测当中， 利用海量观 测数据构建神经网络模型， 拟合 地表沉降量同震 级、 地震动等 参数之间的函数关系； 利用地震动与地表沉降量的历史观测数据资料对卷积神经网络的权重进行拟合， 经过 训练卷积神经网络模型， 对地表沉降量进行训练， 可对未来时刻离散分布在地震预警区域 各个观测点的地表沉降量进行实时预测； S4： 根据地表沉降量监测记录与地震预警区域的地震动场预测结果， 建立地震动作用 下地震预警区域基于长 短期记忆网络的地表沉降量实时预测模型， 将这种集成的算法用于 地震预警区域的地表 沉降量预测当中， 对整个预警区域的地表沉降量预测结果进 行实时更 新； 利用海量观测数据构建神经网络模 型， 拟合地表沉降量同地震动之间的复杂函数关系， 同步骤S3当中地表沉降量在实际地震预警区域当中的预测结果根据不同的区域范围进行 精度对比， 根据震中距划定训练的神经网络模型 的应用范围， 对地震预警区域的地表沉降 量进行实时预测； S5： 根据覆盖全部预警区域的地表沉降量预测区域范围划分网格， 对地震预警区域各 个地表沉降量进行实时模拟， 根据地震预警区域构造的泰森多边形进行赋值， 对地表沉降 量监测点位置坐标的数组进行三角剖分， 生成三角剖分 网对地表沉降量分布预测结进 行地 震区域分布情况数值模拟； 采用高斯平滑函数或三次样条插值函数对预测结果进行平滑， 增加分布在预警区域各个地表沉降量预测结果之间的连续 性； 即便在地震发生过程当中， 在地震动作用的情况下， 无论地表沉降量观测资料是否充 足， 依然可以对地震预警区域内任意位置的地震动、 地下水水位与地表沉降量情况进行实 时预测。 2.根据权利要求1所述的地震预警区域的地下水位及地表沉降预测方法， 其特征在于： S1具体包括如下步骤： S11： 对应不同各地震台站坐标按照时间序列建立一个训练样本集表示各个观测台站 地震记录的历史观测数据， 对应不同各观测台站坐标按照时间序列建立一个训练样本集 Z(k)表示第k个台站1到t时刻地震基本参 数记录； S12： 非线性动态系统的状态空间模 型为 其中fk表示状态转移函数， 表示 k台站i时刻的地震基本参数预测结果， 表示k台站i ‑1时刻所处的地震基本参数预测结 果， 其中hk表示测量函数， 表示k台站i 时刻的地震基本参数观测结果， 表示 k台站i‑1时刻所处的地震基本参数观测结果， 根据地震观测结果递归估计 关于地震基本参 数的后验概率密函数 其中 表示k台站1到t时刻所产生的地 震基本参数预测结果序列， 表示表示k台站1到t时刻所产生的地震基本参数观测结果序 列； 构造一个基于地震基本参数样本的后验概率密度函数 令N个粒子构成的集 合表示t时刻台站k关于地震基本参数的后验概率密函数， 其中 表示从i＝1,2, …,N个权　利　要　求　书 2/5 页 3 CN 115182398 A 3