融合XGBoost和SHAP的地表峰值加速度预测分析模型

摘要：

为建立一种不依赖土体本构模型,只依靠地震动和场地主要特征的地表加速度峰值预测方法,以日本KiK-net强震台网搜集到的3104组基岩和地表地震动记录为基础,通过特征选择筛选出6个特征参数,以输入地震动加速度峰值和输入地震动卓越频率表征输入地震动特性,以剪切波速达800 m/s时的土层埋深、场地基本周期、基岩剪切波速和地表剪切波速表征场地特性.采用XGBoost模型,构建基于6 个特征参数的地表峰值加速度(PGA)预测模型.通过对比实测记录和一维数值模拟计算结果,表明本文建立的XGBoost模型预测结果稳定,能较好的预测PGA,训练集和测试集的决定系数均大于0.925,平均绝对百分比误差均在20%左右.同时引入SHAP对输入特征与预测结果之间的影响和依赖性进行分析,增强了模型的可解释性,同时也为预测结果提供了可靠性支撑.

关键词：机器学习、XGBoost、PGA预测、SHAP、可解释性

所属期刊栏目：45

分类号：P315(大地（岩石界）物理学（固体地球物理学）)

资助基金：中国地震局工程力学研究所基本科研业务费专项项目;黑龙江省自然科学基金联合引导项目

在线出版日期：2023-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1934-1943