-
公开(公告)号:CN117932907A
公开(公告)日:2024-04-26
申请号:CN202410042857.3
申请日:2024-03-05
Applicant: 兰州交通大学
IPC: G06F30/20
Abstract: 一种基于后处理模式提高地震不稳定性模型精度的方法本方法实施例公开了一种基于后处理提高地震不稳定性模型精度的方法:通过数据清洗和预处理、参数优化和校正、模型集成和修正、预测不确定性评估以及模型验证和评估等后处理方法,可以提高地震不稳定性模型的精度。这有助于提高地震风险管理的效率,增强对地震风险的认知和感知,并有效降低地震灾害的风险。实施本实施例,主要优点如下:(1)提供更准确的结果,可以修正模型中的误差和不确定性,从而提供更准确的结果;(2)改善模型预测能力:地震不稳定性模型通常基于已知的地震事件和地质数据进行构建。但实际情况可能与模型假设存在差异。通过后处理,可以校正模型中的偏差,提高其预测能力。(3)优化资源配置:地震不稳定性模型的精度影响着风险管理资源的配置。通过后处理,可以识别出模型中的不确定性来源,并根据其重要程度进行优化。
-
公开(公告)号:CN118350286A
公开(公告)日:2024-07-16
申请号:CN202410585019.0
申请日:2024-05-13
Applicant: 兰州交通大学
IPC: G06F30/27 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/086 , G06Q50/26
Abstract: 本发明公开一种动态适应式多变量伤亡预测与模拟方法:该方法基于深度学习技术,利用多源参数进行人口伤亡的预测。其中:动态适应式:强调系统能够根据实时数据或情境变化动态调整预测模型,从而增加系统的灵活性和准确性。多变量:暗示该模型不仅基于单一因素进行预测,而是综合考虑了多个影响因素,如震级、烈度、抗震防设烈度、人口密度等。伤亡预测:直接点明了本发明的核心功能,即预测可能发生的伤亡情况。模拟系统:表明该系统不仅可以进行预测,还可以模拟不同情境下的伤亡情况,为决策制定提供参考。该方法的核心是通过融合PSO‑BiLSTM‑Attention模型进行动态适应式多变量输入,实现高精度的人口伤亡预测与模拟。实验结果表明,本发明在预测精度方面,超越了现有的传统算法。因此,本发明显著提升了多源参数预测伤亡人口数量的质量和效率。
-
公开(公告)号:CN117688816A
公开(公告)日:2024-03-12
申请号:CN202410042863.9
申请日:2024-01-11
Applicant: 兰州交通大学
IPC: G06F30/23 , G06F119/02
Abstract: 本发明涉及地震学领域,尤其涉及基于有限元方法构造断裂带模型。旨在提供一种精确预测材料断裂行为的技术方案。本发明利用有限元分析技术,结合断裂力学理论,构建了一种高效、精确的滑动断裂带模型,可用于预测在不同载荷条件下的断裂行为,为地震的预测提供重要参考。实施本发明实施例,主要优点如下:(1)基于有限元的模型构造方法可以实现对地震断裂带内部结构的精细描述,提高了模型的精度;(2)通过收集实际地质数据来赋值材料属性和设定边界条件,使模型更贴近实际地质情况;(3)模型可以模拟地震断裂带的动态响应和损伤演化过程,为地震预测和工程安全评估提供有力支持。
-
-