TimesNet-Gen: 딥러닝 기반 현장 특화 강진동 생성

초록

효과적인 지진 위험 감소는 정확한 현장 특화 평가에 기반합니다. 이는 현지 지반 조건이 지진동 특성에 미치는 영향을 나타낼 수 있는 모델을 필요로 합니다. 이러한 맥락에서 기록된 지진동으로부터 지반 조건에 의해 제어되는 특징을 학습하는 데이터 기반 접근법은 유망한 방향을 제시합니다. 본 연구는 시간 영역 가속도계 기록으로부터 강한 지진동 생성을 다루며, 시간 영역 조건부 생성기인 TimesNet-Gen을 소개합니다. 이 접근법은 관측소 특화 잠재 병목 구간을 사용합니다. 생성 결과는 관측소별 실제 기록과 생성된 기록 간의 HVSR 곡선 및 기본 지반 주파수(f_0) 분포를 비교하여 평가하며, f_0 분포 혼동 행렬을 기반으로 한 점수로 관측소 특이성을 요약합니다. TimesNet-Gen은 강력한 관측소 단위 정렬 성능을 달성하며, 현장 특화 강한 지진동 합성을 위한 스펙트로그램 기반 조건부 VAE 기준 모델과 비교하여 유리한 결과를 보입니다. 우리의 코드는 https://github.com/brsylmz23/TimesNet-Gen 에서 이용 가능합니다.

English

Effective earthquake risk reduction relies on accurate site-specific evaluations. This requires models that can represent the influence of local site conditions on ground motion characteristics. In this context, data driven approaches that learn site controlled signatures from recorded ground motions offer a promising direction. We address strong ground motion generation from time-domain accelerometer records and introduce the TimesNet-Gen, a time-domain conditional generator. The approach uses a station specific latent bottleneck. We evaluate generation by comparing HVSR curves and fundamental site-frequency f_0 distributions between real and generated records per station, and summarize station specificity with a score based on the f_0 distribution confusion matrices. TimesNet-Gen achieves strong station-wise alignment and compares favorably with a spectrogram-based conditional VAE baseline for site-specific strong motion synthesis. Our codes are available via https://github.com/brsylmz23/TimesNet-Gen.

TimesNet-Gen: 딥러닝 기반 현장 특화 강진동 생성

TimesNet-Gen: Deep Learning-based Site Specific Strong Motion Generation

초록

Support