于海英，王文斌，解全才，馬迎春

（1.中國(guó)地震局工程力學(xué)研究所地震工程與工程振動(dòng)重點(diǎn)實(shí)驗(yàn)室，黑龍江哈爾濱 150080；2.地震災(zāi)害防治應(yīng)急管理部重點(diǎn)實(shí)驗(yàn)室，黑龍江哈爾濱 150080）

引言

大地震工程震害表明近斷層地面永久位移是建筑物或公路結(jié)構(gòu)物（如大跨橋梁）最終倒塌的主要原因，永久位移的求解是地震工程領(lǐng)域中難解的課題之一，備受關(guān)注。然而，我國(guó)強(qiáng)震動(dòng)臺(tái)網(wǎng)主要利用濾波技術(shù)的傳統(tǒng)強(qiáng)震動(dòng)記錄零基線(xiàn)校正方法，僅能滿(mǎn)足地面運(yùn)動(dòng)沒(méi)有永久位移的情況，難以求解有儀器墩發(fā)生傾斜的大地震近斷層地面永久位移，且目前現(xiàn)有方法依賴(lài)于研究者主管選取儀器傾斜時(shí)刻，難以實(shí)現(xiàn)大規(guī)模的自動(dòng)化基線(xiàn)校正。

在利用近斷層強(qiáng)震加速度記錄計(jì)算位移時(shí)程時(shí)，理論上的理想情況是經(jīng)過(guò)2 次積分后可以得到穩(wěn)定的永久位移，但實(shí)際上由于儀器噪聲和儀器傾斜的因素導(dǎo)致基線(xiàn)偏移的問(wèn)題始終存在。在長(zhǎng)時(shí)間以來(lái)，各國(guó)研究者都對(duì)該項(xiàng)研究提出了獨(dú)創(chuàng)的解決辦法。

Iwan 等［1］、Boore 等［2］對(duì)力平衡式加速度計(jì)進(jìn)行過(guò)廣泛的研究。其基本思想是通過(guò)對(duì)加速度進(jìn)行積分，從而得到速度時(shí)程，利用速度末端直線(xiàn)進(jìn)行擬合，獲取擬合的直線(xiàn)的斜率，再?gòu)募铀俣葧r(shí)程中逐點(diǎn)減去斜率量值，而后對(duì)加速度進(jìn)行2次積分，從而得到永久位移。最后通過(guò)與具有GPS的臺(tái)站數(shù)據(jù)進(jìn)行對(duì)比來(lái)確定方法的可行性。因此此類(lèi)方法會(huì)對(duì)于GPS 數(shù)據(jù)有一定的依賴(lài)性，從而無(wú)法給出唯一的基線(xiàn)校正結(jié)果，無(wú)法準(zhǔn)確確定永久位移。

長(zhǎng)短期記憶模型LSTM（long-short term memory）相比于其他神經(jīng)網(wǎng)絡(luò)模型，更適合處理時(shí)間序列數(shù)據(jù)，已經(jīng)被廣泛應(yīng)用于各類(lèi)信號(hào)處理［3］。由于地震動(dòng)記錄是在一個(gè)時(shí)間維度上，且具有連續(xù)性和相關(guān)性的一組時(shí)間序列數(shù)據(jù)，因此選擇LSTM模型作為文中的基本方法是可行的。

文中基于Iwan、Boore的方法，選擇包含汶川地震，日本311地震，四川廬山地震，臺(tái)灣集集地震獲得的強(qiáng)震動(dòng)記錄作為數(shù)據(jù)集。提出一種基于LSTM模型的近斷層強(qiáng)震動(dòng)記錄的零基線(xiàn)校正方法，通過(guò)對(duì)LSTM進(jìn)行訓(xùn)練，使其對(duì)強(qiáng)震動(dòng)記錄進(jìn)行識(shí)別分類(lèi)。利用噪聲參數(shù)模型修正法對(duì)原有強(qiáng)震動(dòng)記錄進(jìn)行修正，然后交由長(zhǎng)短期記憶模型進(jìn)行判別，如果基線(xiàn)校正完全則作為校正后結(jié)果輸出，反之則調(diào)節(jié)步長(zhǎng)，再次校正。從而克服傳統(tǒng)強(qiáng)震動(dòng)記錄零基線(xiàn)校正方法單一性，突破難以求解大地震近斷層永久位移的瓶頸，解決大地震近斷層地面運(yùn)動(dòng)的研究停留在對(duì)峰值加速度和反應(yīng)譜的研究階段的困惑，滿(mǎn)足建筑物或公路結(jié)構(gòu)物抗震對(duì)地面永久位移的需求。

1 基礎(chǔ)數(shù)據(jù)和預(yù)處理

1.1 數(shù)據(jù)獲取

訓(xùn)練數(shù)據(jù)集由1 214條汶川地震強(qiáng)震動(dòng)記錄，758 條日本311 地震強(qiáng)震動(dòng)記錄，1 011 條四川廬山地震強(qiáng)震動(dòng)記錄，1 000條臺(tái)灣集集地震強(qiáng)震動(dòng)記錄，共計(jì)3 983 條強(qiáng)震動(dòng)記錄組成，國(guó)內(nèi)強(qiáng)震動(dòng)記錄來(lái)源于國(guó)家強(qiáng)震動(dòng)數(shù)據(jù)中心，日本強(qiáng)震動(dòng)記錄來(lái)源于K-net。數(shù)據(jù)集涵蓋了國(guó)內(nèi)外加大規(guī)模的地震的強(qiáng)震動(dòng)記錄，因此訓(xùn)練出的方法應(yīng)具有普遍性。其具體的強(qiáng)震動(dòng)記錄的斷層距占比統(tǒng)計(jì)分布如圖1所示。

從圖1中可見(jiàn)，所用強(qiáng)震動(dòng)記錄的斷層距涵蓋范圍較大，因此數(shù)據(jù)應(yīng)具有比較好的代表性。文中不僅收集了大量的近斷層強(qiáng)震動(dòng)記錄，還收集了大量中遠(yuǎn)場(chǎng)的強(qiáng)震動(dòng)記錄，因此，訓(xùn)練數(shù)據(jù)集可以滿(mǎn)足多次地震中所能得到的強(qiáng)震動(dòng)記錄群訓(xùn)練LSTM模型的需要。

圖1 強(qiáng)震動(dòng)記錄的斷層距占比Fig.1 The proportion of fault distance recorded by strong motion

從上述數(shù)據(jù)中挑選3 000 條數(shù)據(jù)作為訓(xùn)練集，對(duì)模型進(jìn)行優(yōu)化及訓(xùn)練；取距離斷層較近的數(shù)據(jù)500 條作為驗(yàn)證集，從而判斷模型訓(xùn)練的停止時(shí)刻；取剩余383條數(shù)據(jù)作為測(cè)試集，用于衡量整個(gè)方法的結(jié)果好壞。

1.2 數(shù)據(jù)儲(chǔ)存

將同一臺(tái)站強(qiáng)震動(dòng)記錄利用Hashmap存儲(chǔ)，按照EW，US，UD為索引進(jìn)行存儲(chǔ)，從而方便相關(guān)映射操作，提高打入數(shù)據(jù)效率。利用obspy 包中的read 函數(shù)進(jìn)行讀取，將其存儲(chǔ)在trace 里面，從而形成以0.05s 為單位的時(shí)間序列。

1.3 數(shù)據(jù)預(yù)處理

利用梯度積分法對(duì)上節(jié)所述的強(qiáng)震動(dòng)記錄時(shí)程數(shù)據(jù)進(jìn)行積分，得到速度時(shí)程和位移時(shí)程，將其按照對(duì)應(yīng)方向存儲(chǔ)在EW，US，UD的相應(yīng)索引下。

2 基線(xiàn)校正的基本準(zhǔn)則和已有方法

2.1 基線(xiàn)校正的基本準(zhǔn)則

強(qiáng)震動(dòng)記錄出現(xiàn)基線(xiàn)偏移，其原因一般分為2 種，一是由于背景噪聲，即包含了場(chǎng)地噪聲與電磁噪聲。背景場(chǎng)地噪聲即由于周?chē)h(huán)境帶來(lái)的噪聲，包含由于人為活動(dòng)帶來(lái)的振動(dòng)，電磁噪聲即儀器本身工作帶來(lái)的電磁干擾，這一部分往往通過(guò)濾波的方式進(jìn)行過(guò)濾，從而減弱其對(duì)于最終結(jié)果造成的影響。二是基線(xiàn)偏移的主要原因是近斷層強(qiáng)震所導(dǎo)致的儀器傾斜，這也是文中要處理的重點(diǎn)。因此基線(xiàn)校正的基本準(zhǔn)則，是減少由背景噪聲和儀器傾斜帶來(lái)的基線(xiàn)偏移，使所采集到的強(qiáng)震動(dòng)記錄數(shù)據(jù)盡可能貼近實(shí)際的地面的真實(shí)的加速度歷程。如圖2 為集集地震未經(jīng)校正的加速度、速度和位移時(shí)程圖。

圖2 集集地震TCU052 EW向的原始加速度時(shí)程及一次和二次積分得到的速度時(shí)程和位移時(shí)程Fig.2 The original acceleration time history of the Jiji earthquake TCU052 in the EW direction and the velocity time history and displacement time history obtained by the first and second integration

2.2 零基線(xiàn)校正的已有方法

自20 世紀(jì)80 年代起，強(qiáng)震動(dòng)零基線(xiàn)校正已經(jīng)經(jīng)過(guò)40 多年的發(fā)展，零基線(xiàn)校正方法可大體上分為2 類(lèi)，一是由美國(guó)地調(diào)局（USGS）提出的，針對(duì)于低頻誤差的校正方法，由于其在濾波時(shí)會(huì)過(guò)濾掉本應(yīng)求解的永久位移，因此文中不做過(guò)多贅述。二是源于由加州理工大學(xué)Iwan 針對(duì)傳感器磁滯效應(yīng)，于1985年提出的加速度零基線(xiàn)校正方法，以及基于其衍生出來(lái)的，Boore［4-5］、王國(guó)權(quán)等［6］提出的單一段擬合速度末端的方法，于海英等［7-8］提出的多段擬合速度末端的方法。Iwan針對(duì)傳感器的磁滯效應(yīng)提出的方法是，將加速度時(shí)程劃分為初始段、震動(dòng)發(fā)生段和結(jié)束段。Iwan 提出選取2 個(gè)參數(shù)t1和t2，來(lái)分別代表加速度記錄首次到達(dá)50 cm/s2閾值的時(shí)刻和加速度記錄最后一次到達(dá)50 cm/s2閾值的時(shí)刻，隨后基于加速度時(shí)程中后兩段的偏移值對(duì)其進(jìn)行校正。

但隨著力平衡加速度傳感器的技術(shù)進(jìn)步和研究的深入，大多數(shù)情況基線(xiàn)偏移的原因并不是傳感器的磁滯效應(yīng)，因此基于Iwan 的方法，王國(guó)權(quán)在處理我國(guó)臺(tái)灣集集地震的時(shí)候，將Iwan 的校正方法，簡(jiǎn)化為V0校正方法。于海英在V0校正方法的基礎(chǔ)上，對(duì)汶川大地震的近斷層強(qiáng)震動(dòng)記錄進(jìn)行了處理，同時(shí)提出了在發(fā)生兩次或多次震動(dòng)的情況下進(jìn)行多段處理的校正方法。榮棉水［9］則引入“位移尾段均方差”，“時(shí)移斜率比”，“擬合段標(biāo)準(zhǔn)差”3個(gè)參數(shù)，對(duì)上述方法進(jìn)行進(jìn)一步優(yōu)化，從而確定V0校正法中擬合直線(xiàn)與基線(xiàn)交點(diǎn)以及擬合直線(xiàn)的斜率等，從而基線(xiàn)進(jìn)行校正。Wu等［10］在之前研究成果的基礎(chǔ)上，為了選取最佳的t1和t2的取值，引入了判定參數(shù)平坦度的概念，以平坦度最大的一組t1和t2為最佳的校正的取值（WU Y-M，WU C-F，2007）。周寶峰［11］提出利用Hermite插值來(lái)優(yōu)化t1和t2附近的曲線(xiàn)。金明培等［12］多個(gè)輔助參數(shù)，包含tp即P波到達(dá)時(shí)刻，tPGA即峰值加速度時(shí)刻和te即記錄結(jié)束時(shí)刻，構(gòu)建了一種自動(dòng)迭代方法，從而實(shí)現(xiàn)了一種自動(dòng)化基線(xiàn)校正方法，其優(yōu)勢(shì)在于可以實(shí)現(xiàn)自動(dòng)化計(jì)算，程序?qū)崿F(xiàn)簡(jiǎn)單。在2018 年Whitney 博士［13-14］沖識(shí)別和線(xiàn)性基線(xiàn)識(shí)別的方法，優(yōu)勢(shì)在于降低基線(xiàn)校正時(shí)主觀(guān)性和經(jīng)驗(yàn)性。

綜上所述，可以看到基線(xiàn)校正的好壞往往取決于t1和t2的選取，眾多研究者也在這個(gè)問(wèn)題上貢獻(xiàn)出自己的方法，但這些方法首先是普遍依賴(lài)于GPS 位移來(lái)驗(yàn)證，因此上述的各種基線(xiàn)校正方法并不能較好地得到唯一的基線(xiàn)校正結(jié)果［15］，其次是大部分難以實(shí)現(xiàn)自動(dòng)化校正，且具有較強(qiáng)的主觀(guān)性［16-17］。

3 文中零基線(xiàn)校正方法

文中提出一種新方法，基于長(zhǎng)短期記憶模型LSTM 可以很好的解決這個(gè)缺陷，利用大量數(shù)據(jù)的訓(xùn)練從而學(xué)習(xí)強(qiáng)震動(dòng)記錄的特征，準(zhǔn)確預(yù)測(cè)強(qiáng)震動(dòng)記錄時(shí)序數(shù)據(jù)，并以此為分類(lèi)來(lái)將強(qiáng)震動(dòng)記錄分類(lèi)，識(shí)別其是否得到完全校正和是否還存在基線(xiàn)偏移的情況。并以此為導(dǎo)向?qū)ξ葱Ｕ耆臄?shù)據(jù)進(jìn)行再次校正從而進(jìn)一步修正模型。從而唯一確定永久位移開(kāi)展研究，完善零基線(xiàn)校正方法。

3.1 LSTM模型

LSTM 模型是一種源于循環(huán)神經(jīng)網(wǎng)絡(luò)RNN（Recurrent Neural Network）的特殊的RNN，主要是為了解決長(zhǎng)序列訓(xùn)練過(guò)程中出現(xiàn)的梯度下降和梯度爆炸問(wèn)題［18-19］，相比于傳統(tǒng)的RNN 模型只有一個(gè)傳輸狀態(tài)，長(zhǎng)短期記憶模型增加了隱藏層的傳輸概念，因此，針對(duì)一個(gè)時(shí)間序列來(lái)說(shuō)，LSTM 使用當(dāng)前的輸入和上一個(gè)狀態(tài)傳輸下來(lái)的ht-1拼接訓(xùn)練后得到3個(gè)狀態(tài)。因此LSTM模型不像原有的RNN模型只是單純的數(shù)據(jù)疊加，而是可以通過(guò)門(mén)狀態(tài)控制，讓信息選擇性的通過(guò)，從而實(shí)現(xiàn)記住需要長(zhǎng)期記憶的，忘記不重要的信息［20］。

圖3 表示LSTM 單個(gè)記憶單元的結(jié)構(gòu)。如圖所示，LSTM 結(jié)構(gòu)中存在3 個(gè)門(mén)單元：輸入門(mén)、記憶門(mén)和遺忘門(mén)，即當(dāng)前層數(shù)據(jù)Xt和上一層的中間信息組合后，令其通過(guò)Sigmoid 層。Sigmoid 輸出的即是一個(gè)向量，每個(gè)輸出元素都是一個(gè)在0 和1 之間的數(shù)字，給每個(gè)在細(xì)胞狀態(tài)Ct-1中的數(shù)字，其具體數(shù)字代表了每個(gè)部分有多少的量可以通過(guò)，1表示“全部保留”，0則代表了完全舍棄。Ct則代表了在神經(jīng)網(wǎng)絡(luò)中，不斷更新和維護(hù)的一個(gè)參數(shù)，由于每次經(jīng)過(guò)細(xì)胞節(jié)點(diǎn)，需要保留和丟棄的數(shù)據(jù)不一致，故會(huì)在每一個(gè)階段不斷進(jìn)行更新。It為當(dāng)前層需要保留的信息，將其與Ct組合記為nCt，根據(jù)式（1），

圖3 LSTM記憶單元結(jié)構(gòu)【21】Fig.3 LSTM memory cell structure【21】

從而得到Ct?，F(xiàn)有輸出Xt經(jīng)過(guò)tanh 層和sigmod層最終得到ht.

基于以上所述，將基線(xiàn)校正問(wèn)題看作為一個(gè)多分類(lèi)問(wèn)題，對(duì)任一記錄進(jìn)行分類(lèi)，從而對(duì)未校正完全的地震記錄進(jìn)行自動(dòng)化校正。已有的大量研究表明，可以利用神經(jīng)網(wǎng)絡(luò)對(duì)地震記錄進(jìn)行分類(lèi)和識(shí)別［22］，文中主要利用LSTM模型對(duì)地震記錄進(jìn)行分類(lèi)。根據(jù)上文數(shù)據(jù)類(lèi)型對(duì)進(jìn)行數(shù)據(jù)集的劃分，利用訓(xùn)練集進(jìn)行訓(xùn)練，而后利用LSTM 模型對(duì)末尾階段的時(shí)序數(shù)據(jù)進(jìn)行分類(lèi)預(yù)測(cè)，從而對(duì)輸出數(shù)據(jù)進(jìn)行分類(lèi)，從而判斷已有加速度時(shí)程是否存在基線(xiàn)偏移的情況?；陂L(zhǎng)短期記憶模型LSTM零基線(xiàn)校正流程如下圖4所示。

3.2 確定零基線(xiàn)校正參數(shù)

如圖4所示，基于LSTM 的零基線(xiàn)校正方法中確定零基線(xiàn)校正參數(shù)是重要步驟，零基線(xiàn)校正參數(shù)包括兩個(gè)時(shí)間參數(shù)t1和t2。用這2個(gè)參數(shù)來(lái)表征記錄中零基線(xiàn)偏移的開(kāi)始和結(jié)束時(shí)刻，確定t1和t2具體步驟如下：

圖4 長(zhǎng)短期記憶模型LSTM零基線(xiàn)校正流程Fig.4 Long and short-term memory model LSTM zero baseline correction process

（1）從整個(gè)加速度時(shí)程中減去震前部分（0～20 s）的平均值；

（2）計(jì)算參數(shù)tPGA；

（3）對(duì)加速度時(shí)程進(jìn)行積分獲得速度時(shí)程與位移時(shí)程并計(jì)算參數(shù)tPGD和tf；

（4）建立約束條件：t1位于tD0與tPGA之間，t2位于tPGD與tf之間；

（5）取初值，用V（t）=V0+at擬合速度時(shí)程的末尾部分，a為速度時(shí)程零線(xiàn)的斜率，求得a和擬合直線(xiàn)與時(shí)間軸的交點(diǎn)t1，t2則為最后一次到達(dá)該值所對(duì)應(yīng)的時(shí)間；

（6）經(jīng)零基線(xiàn)校正后的數(shù)據(jù)由LSTM 進(jìn)行識(shí)別，若識(shí)別為負(fù)則重新調(diào)整權(quán)重進(jìn)行再次校正直至識(shí)別為正。由于LSTM 主要可以實(shí)現(xiàn)時(shí)序數(shù)列的預(yù)測(cè)，這里預(yù)測(cè)的結(jié)果就是校正結(jié)果是否為正確。確定零基線(xiàn)校正參數(shù)的流程圖如圖5所示。

圖5 確定零基線(xiàn)校正參數(shù)流程圖Fig.5 Flowchart of determining zero baseline correction parameters

參數(shù)說(shuō)明：峰值加速度時(shí)刻為tPGA，未校正位移時(shí)程中位移最后一次經(jīng)過(guò)0值的時(shí)刻為tD0，在tD0前的峰值位移時(shí)刻為tPGD，強(qiáng)震動(dòng)結(jié)束時(shí)刻為tf，記錄結(jié)束時(shí)刻為te。

由上述流程圖中，訓(xùn)練后的長(zhǎng)短期記憶LSTM 模型用于判斷校正結(jié)果，模型的主要作用為分類(lèi)，將校正后的結(jié)果進(jìn)行分類(lèi)，對(duì)分類(lèi)結(jié)果為負(fù)即未校正完全的數(shù)據(jù)根據(jù)步長(zhǎng)調(diào)整t1和t2后進(jìn)行再次校正，從而實(shí)現(xiàn)自動(dòng)化校正，并可使校正結(jié)果達(dá)到相對(duì)準(zhǔn)確。

4 實(shí)例

4.1 模型結(jié)果準(zhǔn)確率

根據(jù)3.2所示步驟，利用已有數(shù)據(jù)對(duì)模型訓(xùn)練后進(jìn)行校正，計(jì)算分類(lèi)準(zhǔn)確率即模型結(jié)果準(zhǔn)確率。文中計(jì)算分類(lèi)準(zhǔn)確率的計(jì)算公式如式（2）：

對(duì)于分類(lèi)結(jié)果正確的定義為所得到的加速度時(shí)程經(jīng)過(guò)一次積分后速度時(shí)程曲線(xiàn)是否發(fā)生偏移，具體的偏移程度是在記錄結(jié)束末尾取10 s的數(shù)據(jù)，利用均值與記錄前10 s進(jìn)行對(duì)比，相差在15%以?xún)?nèi)即為準(zhǔn)確。

在利用數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練后，根據(jù)設(shè)置不同的學(xué)習(xí)率，可以發(fā)現(xiàn)在不同的學(xué)習(xí)率下有著不同的準(zhǔn)確率，具體如表1所示。由于學(xué)習(xí)率為0.003是收斂速度最快，因此，在確定學(xué)習(xí)率為0.003時(shí)，模型結(jié)果準(zhǔn)確率為85.7%。經(jīng)過(guò)諸多參數(shù)的分析整定后，最終采取的模型參數(shù)為隱層神經(jīng)元個(gè)數(shù)為d=150。學(xué)習(xí)率和神經(jīng)元個(gè)數(shù)可以作為模型參數(shù)。

表1 不同學(xué)習(xí)率所對(duì)應(yīng)準(zhǔn)確率Table 1 Accuracy corresponding to different learning rates

4.2 實(shí)驗(yàn)結(jié)果

上文提出了一種基于LSTM 模型的零基線(xiàn)校正方法，理論上地震動(dòng)停止時(shí)，位移時(shí)程末尾的值即為臺(tái)站點(diǎn)在此方向上的位移。因此下文將以此為根據(jù)，將GPS 位移與之對(duì)比。由于在臺(tái)灣集集地震之前，強(qiáng)震動(dòng)臺(tái)站與GPS 臺(tái)站同址，因此實(shí)際實(shí)驗(yàn)結(jié)果將以集集地震為主要分析對(duì)象。根據(jù)上述模型及流程，選取TCU052 臺(tái)站、TCU054 臺(tái)站、TCU056 臺(tái)站、TCU060 臺(tái)站、TCU074 臺(tái)站和TCU078 臺(tái)站強(qiáng)震動(dòng)記錄進(jìn)行處理，校正后結(jié)果如圖6～圖8所示，結(jié)果分別按照臺(tái)站順序呈從左到右排列，圖中呈現(xiàn)了每個(gè)臺(tái)站的校正加速度記錄時(shí)程，速度時(shí)程，位移時(shí)程。

圖6 TCU052臺(tái)站和TCU054臺(tái)站EW方向校正后時(shí)程數(shù)據(jù)Fig.6 Time history data after EW direction correction for TCU052 and TCU054 stations

圖7 TCU056臺(tái)站和TCU060臺(tái)站EW方向校正后時(shí)程數(shù)據(jù)Fig.7 Time history data after EW direction correction for TCU056 and TCU060 stations

圖8 TCU074臺(tái)站和TCU078臺(tái)站EW方向校正后時(shí)程數(shù)據(jù)Fig.8 Time history data after EW direction correction for TCU074 and TCU078 stations

由圖8可見(jiàn)，文中方法可以較好的完成對(duì)近斷層強(qiáng)震動(dòng)記錄進(jìn)行零基線(xiàn)校正，即在二次積分得到位移時(shí)程末端出現(xiàn)明顯的平穩(wěn)性，可以較好的實(shí)現(xiàn)校正。

同時(shí)為了檢驗(yàn)文中所提出的零基線(xiàn)校正方法，文中選取集集地震的6 個(gè)臺(tái)站，即TCU052、TCU060、TCU079、TCU074、TCU078、TCU120 和TCU102。由歷史數(shù)據(jù)可知，強(qiáng)震和GPS 在位移程度較大的時(shí)候，具備比較高的吻合度，因此選取3 類(lèi)位移程度的臺(tái)站。利用Wu&Wu 方法和Whitney 方法計(jì)算，編寫(xiě)程序并參考利用已有方法的公開(kāi)程序，3種方法采取同一數(shù)據(jù)。文中方法分別進(jìn)行零基線(xiàn)校正并進(jìn)行對(duì)比，從而驗(yàn)證文中方法的有效性。實(shí)驗(yàn)結(jié)果如表2所示。

表2 不同方法所得到的強(qiáng)震動(dòng)位移與GPS位移對(duì)比Table 2 Comparison of strong vibration displacements obtained by different methods and GPS displacements

對(duì)于文中方法，主要利用臺(tái)灣集集地震進(jìn)行驗(yàn)證，根據(jù)實(shí)際驗(yàn)證，針對(duì)集集地震多個(gè)臺(tái)站的永久位移處理都能得到很好的校正效果。在上表中選取了6 個(gè)具有典型特征且有相應(yīng)的GPS 臺(tái)站對(duì)應(yīng)的臺(tái)站進(jìn)行參照。由上表對(duì)比可見(jiàn)，相對(duì)于傳統(tǒng)方法，Wu&Wu方法和Whitney方法均可以取得比較好的效果。限于篇幅，選取以上6個(gè)具有典型特征的臺(tái)站為例。

5 結(jié)論

文中提出一種基于長(zhǎng)短期記憶LSTM 模型的近斷層強(qiáng)震記錄零基線(xiàn)校正方法。首先利用選取不同國(guó)家地理和震中的數(shù)據(jù)作為數(shù)據(jù)集，并劃分為訓(xùn)練集，測(cè)試集和驗(yàn)證集，其次利用通過(guò)LSTM 模型對(duì)加速度，速度，位移時(shí)程數(shù)據(jù)進(jìn)行特征提取，使其能夠通過(guò)對(duì)序列數(shù)據(jù)的預(yù)測(cè)從而實(shí)現(xiàn)對(duì)地震數(shù)據(jù)的分類(lèi)，從而判斷是否發(fā)生偏移。利用其實(shí)現(xiàn)自動(dòng)化的調(diào)整偏移開(kāi)始時(shí)刻t1和偏移結(jié)束時(shí)刻t2，從而實(shí)現(xiàn)了對(duì)汶川地震和集集地震的典型近斷層強(qiáng)震動(dòng)記錄的處理。獲得的結(jié)論如下：

（1）在3 000條數(shù)據(jù)的情況下，可以完成訓(xùn)練模型的作用，實(shí)現(xiàn)模型準(zhǔn)確率可以達(dá)到85.7%。

（2）文中的優(yōu)化校正方法可以很客觀(guān)的獲得t1和t2的校正范圍，通過(guò)模型的分類(lèi)反饋，可以很好的評(píng)估校正的準(zhǔn)確性，從而對(duì)t1和t2實(shí)現(xiàn)自動(dòng)化的調(diào)整。

（3）通過(guò)對(duì)汶川地震和集集地震的數(shù)據(jù)處理結(jié)果與實(shí)際GPS 臺(tái)站的數(shù)據(jù)對(duì)比表明，文中的校正方法可以較好地恢復(fù)速度，位移波形，實(shí)際的位移與GPS數(shù)據(jù)差值在合理范圍內(nèi)，是一種可行，合理的優(yōu)化方法。