High Resolution Seismic Waveform Generation using Denoising Diffusion
Kadek Hendrawan Palgunadi, Andreas Bergmeister, Andrea Bosisio, Laura Ermert, Maria Koroni, Nathanaël Perraudin, Simon Dirmeier, Men-Andrin Meier
地震波形的准确预测和合成对于地震灾害评估和抗震基础设施设计至关重要。 现有的预测方法,如地面运动模型和基于物理的波场模拟,往往无法捕捉到地震波场的全部复杂性,特别是在更高频率的情况下。 这项研究介绍了HighFEM,一种新颖,计算高效且可扩展(即能够同时生成许多地震图)生成高频地震波形生成的生成模型。 我们的方法利用了地震波形数据的光谱图表示,通过自动解码器将其简化为低维流形。 训练了最先进的扩散模型,以关键输入参数为条件,产生这种潜在表示:地震震级,记录距离,现场条件,低中心深度和阿齐穆塔尔间隙。 该模型生成频率含量高达50 Hz的波形。 任何标量地面运动统计量,如峰值地运动振幅和光谱加速度,都可以很容易地从合成的波形中派生出来。 我们使用图像生成研究中常用的地震指标和性能指标来验证我们的模型。 我们的结果表明,公开可用的模型可以在广泛的输入参数中生成逼真的高频地震波形,即使在数据散射区域也是如此。 对于地震灾害和地震工程研究中常用的标量地面运动统计,我们表明,我们的模型准确地再现了真实数据的中位趋势及其可变性。 为了评估和比较这些和类似的生成波形模型(GWM)的数量,我们认为它们应该公开可用,并包含在社区地面运动模型评估工作中。
Accurate prediction and synthesis of seismic waveforms are crucial for seismic-hazard assessment and earthquake-resistant infrastructure design. Existing prediction methods, such as ground-motion models and physics-based wave-field simulations, often fail to capture the full complexity of seismic wavefields, particularly at higher frequencies. This study introduces HighFEM, a novel, computationally efficient, and scalable (i.e., capable of generating many seismograms simultaneously) generative m...