TWI464443B - 人工智慧地震預警方法與地震偵測系統 - Google Patents

Description

人工智慧地震預警方法與地震偵測系統

本發明係指一種人工智慧地震預警方法，尤指一種根據前數秒之地震初達波特徵，並利用支撐向量法回歸方法所建立之地震偵測模型，以早期預測地震之地震動強度參數之人工智慧地震預警方法。

在一地震發生時，區域型強震即時警報技術可以在強震波到達之前數秒至數十秒，預估在各地可能產生的影響(震度)及發生的時間(離震央愈遠，發生時間愈晚)，提前發佈地震警報，以便即時採取必要之應變措施。然而，因為需要多個地震測站及前數十秒的地震初達波資訊，習知區域型強震即時警報技術發佈警報所需的時間約為20秒，以地震波傳遞速度每秒3km估算，即震央半徑至少約60km以內為警報盲區。

另一方面，習知型強震即時警報技術選擇少數地震規模較具代表性之地震記錄，作為驗證所提出偵測方法的資料，僅能驗證該方法在特定地震之使用性，無法得知實際應用時可能獲得之成效，造成實務應用上可能的誤報機率。有鑑於此，習知技術實有改進之必要。

因此，本發明主要提供一種可根據前數秒之地震初達波特徵，並利用支撐向量法回歸方法所建立之地震偵測模型，以偵測地震之 地震動強度參數之人工智慧地震預警方法。

本發明揭露一種人工智慧地震預警方法，用於一地震偵測系統，該人工智慧地震預警方法包含有根據複數個向量，並利用一支撐向量迴歸(support vector regression，SVR)方法建立一地震偵測模型，該複數個向量中之每一向量係由複數個地震資訊組成並對應於一地震動強度參數；當一新地震發生時，偵測該新地震之複數個新地震資訊，並根據該複數個新地震資訊，組成一特定向量；以及根據該特定向量及該地震偵測模型，偵測該新地震之一新地震動強度參數。

本發明另揭露一種地震偵測系統，該地震偵測系統包含有一運算模組，用來根據複數個向量，並利用支撐向量迴歸建立一地震偵測模型，該複數個向量中之每一向量係由複數個地震資訊組成並對應於一地震動強度參數；一地震偵測模組，用來當一新地震發生時，偵測該新地震之複數個新地震資訊，並根據該複數個新地震資訊，組成一特定向量；以及一地震動強度參數計算模組，用來根據該特定向量及該地震偵測模型，偵測該新地震之一新地震動強度參數。

10‧‧‧地震偵測系統

100‧‧‧運算模組

110‧‧‧地震偵測模組

120‧‧‧地震動強度參數計算模組

150‧‧‧地震警報模組

x _new ‧‧‧特定向量

f (x )‧‧‧地震偵測模型

第1圖為本發明實施例一地震偵測系統之示意圖。

第2圖為地震偵測模型所計算之最大地表加速度與實際地震最大地表加速度之比較圖。

第3圖為地震偵測模型所計算之震度與實際震度誤差在正負一級內之比例與觀察垂直向初達波之時間比較圖。

第4圖為本發明實施例一地震偵測流程之示意圖。

請參考第1圖，第1圖為本發明實施例一地震偵測系統10之示意圖。地震偵測系統10包含有一運算模組100、一地震偵測模組110、一地震動強度參數計算模組120及一地震警報模組150。運算模組100根據向量V₁ ~V_n 並利用支撐向量迴歸(support vector regression，SVR)方法建立一地震偵測模型f (x )，接著，將建立完成之地震偵測模型f (x )儲存於地震動強度參數計算模組120，其中向量x₁ ~x_m 中之每一向量x _n (1≦n≦m )由地震資訊Q_n1 ~Q_nk 組成並對應於一震度y _j ，地震偵測模型f (x )之輸入x 為與向量x₁ ~x_m 維度相同之向量。地震偵測模組110於一新地震NE發生時，偵測新地震NE之新地震資訊N₁ ~N_k ，並根據新地震資訊N₁ ~N_k ，組成一特定向量x _new ，再將特定向量x _new 傳輸至地震動強度參數計算模組120。地震動強度參數計算模組120以特定向量x _new 為輸入，代入地震偵測模型f (x )中並計算出新地震NE之一新震度y _new 。地震警報模組150則用來根據新震度y _new ，決定是否發出地震警報。

詳細來說，支撐向量迴歸方法將向量x₁ ~x_m 投射到一高維度特徵空間H，並在高維度特徵空間H進行線性迴歸，故運算模組100假設地震偵測模型f (x )為下列方程式：f (x )=〈w ,g (x )〉+b ：(式1)

其中w 為高維度特徵空間H之一向量，g (x )為一非線性映射將x 投射至高維度特徵空間H，〈 〉為向量內積運算，b 為一常數。運算模組100藉由導入鬆弛變數(slack variable)及迴歸誤差(regression risk)，可得求解式1即為求解以下目標函數：

受限於 其中C 為一常數，ξ ₁ ~ξ _m 、~及b 為該目標函數之變數。運算模組100進一步引入拉格郎奇乘算子(Lagrange multipliers)α ₁ ~α _m 及β ₁ ~β _m ，可將式2轉換成二次規劃(quadratic programming)問題如下：

受限於 其中ε 為一常數。同樣地，運算模組100將拉格郎奇乘算子α ₁ ~α _m 及β ₁ ~β _m 引入式1，即可將式1轉換為下列方程式：

其中b ^＊ 為一常數，函數k 為一核函數(kernel function)如下：k (x _i ,x _j )=exp(-∥x _i -x _j ∥² /2σ ² )：(式5)

其中σ 為一常數，∥ ∥表示歐幾里德長度(Euclidean norm)。運算模組100將向量x₁ ~x_m (即地震資訊Q_j1 ~Q_jk )與其對應之震度y ₁ ~y _m 代入式3及式6，即可求得拉格郎奇乘算子α ₁ ~α _m 、β ₁ ~β _m 。接著，常數b ^＊ 可由將任一組符合α _n ≠0且α _n ≠的x _n 、y _n 代入下列方程式求得：

最後，運算模組100根據向量x₁ ~x_m 決定常數C 、ε 及σ 。

經由上述步驟，運算模組100透過支撐向量迴歸方法並利用向量x₁ ~x_m (即地震資訊Q_j1 ~Q_jk )與其對應之震度y ₁ ~y _m 得出地震偵測模型f (x )(即式4)，並將地震偵測模型f (x )儲存於地震動強度參數計算模組120。當新地震NE發生時，地震偵測模組110偵測新地震NE之新地震資訊N₁ ~N_k ，並根據新地震資訊N₁ ~N_k ，組成特定向量x _new 。接著，地震動強度參數計算模組120將特定向量x _new 代入地震偵測模型f (x )並計算出新地震NE之新震度y _new (即y _new =f (x _new ))。

值得注意的是，在地震偵測系統10中，運算模組100、地震偵測模組110及地震動強度參數計算模組120可能分別位於不同地區，並透過有線或無線網路傳遞資訊。舉例來說，運算模組100可能位於地震資料中心以便取得大量之地震資訊Q_j1 ~Q_jk ，以增加地震偵測模型f (x )之精準度。地震偵測模組110則可能位於容易發生地震之地區，以便迅速偵測新地震資訊N₁ ~N_k 。地震動強度參數計算模組120則可能位於警報中心，以便在計算出新地震NE之新震度y _new 時立即決定是否發佈警報。此外，震度為上述實施例說明之用，非用以限制本發明之範疇。舉例來說，本發明所提供之方法亦可使用於預測最大地表加速度(peak ground acceleration，PGA)、最大地表速度(peak ground acceleration，PGV)、最大地表位移(peak ground displacement,PGD)、累積絕對速度(cumulative absolute velocity，CAV)、愛氏震度(Arias Intensity)、頻譜震度(Spectral Intensity)、地震反應譜(Response Spectra)等任何地震震度與危害度相關參數。

除此之外，支撐向量迴歸方法之解法(即式1~式6)為上述實施例說明之用，非用以限制本發明之範疇。本領域具通常知識者當可使用其他數學公式並配合支撐向量迴歸方法而解得計算新地震NE之新地震動強度參數之公式。

為說明本發明之功效，更進一步地，可經模擬分析而得地震偵測模型f (x )計算新地震NE之新地震動強度參數y _new 與實際新地震NE震度之比較。值得注意的是，一地震之震度(intensity，I)係由其最大地表加速度(PGA)換算而來(本發明使用台灣震度與最大地表加速度之換算公式如下：，不同國家可能使用不同公式，且其他國家之公式亦適用於本發明，故不影響本發明之功效)，故最大地表加速度之比較亦可說明本發明之功效。請參考第2圖，第2圖為地震偵測模型f (x )所計算之最大地表加速度與實際地震最大地表加速度之比較圖。第2圖之測試條件如下：中華民國中央氣象局之地震記錄共91142筆資料組成向量x₁ ~x₉₁₁₄₂ 與其對應之震度y ₁ ~y ₉₁₁₄₂ ，其中向量x ₁ ~x ₉₁₁₄₂ 向量中之每一向量x _n (1≦n≦91142 )包含有加速度極值、速度極值、位移極值、主要週期、累積絕對速度及速度平方積分(取自垂直向初達波前3秒)。如第2圖所示，地震偵測模型f (x )所計算之最大地表加速度與實際地震最大地表加速度相當接近，且震度誤差正負一級以內之比例高達99.22%。請進一步參考第3圖，第3圖為地震偵測模型f (x )所計算之震度與實際震度誤差在正負一級內之比例與觀察垂直向初達波之時間比較圖。考慮觀察垂直向初達波之時間的範圍由0.1秒開始逐漸增加至10秒，間隔為0.1秒，如第3圖所示，發現地震偵測模型f (x )所計算之震度與實際震度誤差在正負一級內之比例隨著觀察垂直向初達波之時間的增加而降低，顯示運用垂直向初達波越長的資訊所得地震偵測模型f (x )所 計算之震度與實際震度越接近實際值，反之，使用越少量資訊所得地震偵測模型f (x )所計算之震度與實際震度越不可靠。然而，即使觀察垂直向初達波之時間僅為0.1秒時，地震偵測模型f (x )已有非常高之準確率，地震偵測模型f (x )所計算之震度與實際震度誤差在正負一級內之比例已高達91.24%。再者，當觀察垂直向初達波之時間僅為0.4秒時，地震偵測模型f (x )所計算之震度與實際震度誤差在正負一級內之比例已增加至97.19%。因此，運用本研究所提之方法所需之觀察垂直向初達波之時間值非常小，應可大幅縮小警報盲區，並爭取寶貴之反應時間。

上述關於地震偵測系統10之運作可進一步歸納為一地震偵測流程40，如第4圖所示。地震偵測流程40包含以下步驟：

步驟400：開始。

步驟402：根據複數個向量，並利用一支撐向量迴歸方法建立一地震偵測模型，該複數個向量中之每一向量係由複數個地震資訊組成並對應於一新地震動強度參數；

步驟402：當一新地震發生時，偵測該新地震之複數個新地震資訊，並根據該複數個新地震資訊，組成一特定向量。

步驟404：根據該特定向量及該地震偵測模型，偵測該新地震之一新地震動強度參數。

步驟406：結束。

地震偵測流程40之詳細運作及相關變化可參考前述，於此不贅述。

在習知區域型強震即時警報技術中，因為需要多個地震測站及前數秒的地震初達波資訊，習知區域型強震即時警報技術發佈警報所 需的時間約為20秒，以地震波傳遞速度每秒3km估算，即震央半徑至少約60km以內為警報盲區。另一方面，習知強震即時警報技術選擇少數地震規模較具代表性之地震記錄，作為驗證所提出偵測方法的資料，僅能驗證該方法在特定地震之使用性，無法得知實際應用時可能獲得之成效，造成實務應用上可能的誤報機率。相較之下，本發明之人工智慧地震預警方法僅根據前數秒之地震初達波特徵，並利用支撐向量法回歸方法所建立之地震偵測模型，即可準確偵測地震之震度。

綜上所述，本發明透過支撐向量迴歸方法並利用既有地震資訊與其對應之震度得出地震偵測模型，並利用地震偵測模型，於新地震發生時，僅根據前數秒之地震初達波特徵，早期偵測新地震之震度。

以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。

10‧‧‧地震偵測系統

100‧‧‧運算模組

110‧‧‧地震偵測模組

120‧‧‧地震動強度參數計算模組

150‧‧‧地震警報模組

x _new ‧‧‧特定向量

f (x )‧‧‧地震偵測模型

Claims (18)

1. 一種人工智慧地震預警方法，用於一地震偵測系統，該人工智慧地震預警方法包含有：根據複數個向量，並利用一支撐向量迴歸(support vector regression，SVR)方法建立一地震偵測模型，該複數個向量中之每一向量係由複數個地震資訊組成並對應於一地震動強度參數；當一新地震發生時，偵測該新地震之複數個新地震資訊，並根據該複數個新地震資訊，組成一特定向量；以及根據該特定向量及該地震偵測模型，偵測該新地震之一新地震動強度參數。
2. 如請求項1所述之人工智慧地震預警方法，其中根據該複數個新地震資訊及該地震偵測模型偵測該新地震之該新地震動強度參數係符合下列方程式： 其中y _new 為該新地震之該新地震動強度參數，x₁ ~x_m 為該複數個向量，x _new 為該特定向量，α ₁ ~α _m 、 β ₁ ~β _m 及b ^* 為根據支撐向量迴歸、該複數個向量及該複數個向量所對應之該地震動強度參數推得之常數，以及函數k為對應於一高維度特徵空間之一核函數。
3. 如請求項2所述之人工智慧地震預警方法，其中該核函數如下：k (x _i ,x _j )=exp(-∥x _i -x _j ∥² /2σ² )，其中σ為一常數。
4. 如請求項2所述之人工智慧地震預警方法，其中α ₁ ~α _m 、 β ₁ ~β _m 係根據求解一二次規劃(quadratic programming)問題而得，該二次規劃問題如 下： 受限於 其中y ₁ ~y _m 為該複數個向量所對應之該地震動強度參數，以及ε、C 為常數。
5. 如請求項4所述之人工智慧地震預警方法，其中該二次規劃問題係經由一目標函數並導入拉格郎奇乘算子(Lagrange multipliers)而得，該目標函數如下： 受限於 其中w為該高維度特徵空間中之一向量，ξ₁ ~ξ _m 、ξ₁ ^* ~及b 為該目標函數之變數。
6. 如請求項1所述之人工智慧地震預警方法，其中該複數個向量中之每一向量對應之該複數個地震資訊係為複數個地震初達波之特徵數值。
7. 如請求項1所述之人工智慧地震預警方法，其中當該新地震發生時，於一特定時間內偵測該新地震之該複數個新地震資訊，並根據該複數個新 地震資訊組成該特定向量。
8. 如請求項1所述之人工智慧地震預警方法，其中地震動強度參數及該新地震動強度參數為震度、最大地表加速度(peak ground acceleration，PGA)、最大地表速度(peak ground acceleration，PGV)、最大地表位移(peak ground displacement,PGD)、累積絕對速度(cumulative absolute velocity，CAV)、愛氏震度(Arias Intensity)、頻譜震度(Spectral Intensity)、地震反應譜(Response Spectra)中之一者。
9. 如請求項1所述之人工智慧地震預警方法，另包含有根據該新地震動強度參數，決定是否發出地震警報。
10. 一種地震偵測系統，包含有：一運算模組，用來根據複數個向量，並利用支撐向量迴歸方法建立一地震偵測模型，該複數個向量中之每一向量係由複數個地震資訊組成並對應於一地震動強度參數；一地震偵測模組，用來當一新地震發生時，偵測該新地震之複數個新地震資訊，並根據該複數個新地震資訊，組成一特定向量；以及一地震動強度參數計算模組，用來根據該特定向量及該地震偵測模型，偵測該新地震之一新地震動強度參數。
11. 如請求項8所述之地震偵測系統，其中該地震動強度參數計算模組根據該特定向量及該地震偵測模型，偵測該新地震之該新地震動強度參數係符合下列方程式： 其中y _new 為該新地震之該新地震動強度參數，x₁ ~x_m 為該複數個向量，x _new 為該特定向量，α ₁ ~α _m 、 β ₁ ~β _m 及b ^* 為根據支撐向量迴歸、該複數個向量及該複數個向量所對應之該地震動強度參數推得之常數，以及函數k為一核函數。
12. 如請求項10所述之地震偵測系統，其中該核函數如下：k (x _i ,x _j )=exp(-∥x _i -x _j ∥² /2σ² )，其中σ為一常數。
13. 如請求項10所述之地震偵測系統，其中α ₁ ~α _m 、β ₁ ~β _m 係根據求解一二次規劃問題而得，該二次規劃問題如下： 受限於 其中y ₁ ~y _m 為該複數個向量所對應之該地震動強度參數，以及ε、C 為常數。
14. 如請求項13所述之地震偵測系統，其中該二次規劃問題係經由一目標函數並導入拉格郎奇乘算子而得，該目標函數如下： 受限於 其中w為該高維度特徵空間中之一向量，ξ₁ ~ξ _m 、ξ₁ ^* ~及b 為該目標函數之變數。
15. 如請求項10所述之地震偵測系統，其中該複數個向量中之每一向量對應 之該複數個地震資訊係為複數個地震初達波之特徵數值。
16. 如請求項10所述之地震偵測系統，其中當該新地震發生時，於一特定時間內偵測該新地震之該複數個新地震資訊，並根據該複數個新地震資訊組成該特定向量。
17. 如請求項10所述之地震偵測系統，其中地震動強度參數及該新地震動強度參數為震度、最大地表加速度(peak ground acceleration，PGA)、最大地表速度(peak ground acceleration，PGV)、最大地表位移(peak ground displacement,PGD)、累積絕對速度(cumulative absolute velocity，CAV)、愛氏震度(Arias Intensity)、頻譜震度(Spectral Intensity)、地震反應譜(Response Spectra)中之一者。
18. 如請求項10所述之地震偵測系統，另包含有一地震警報模組，用來根據該新地震動強度參數，決定是否發出地震警報。