TimesNet-Gen: Deep Learning per la Generazione di Moto del Suolo Specifico per Sito
Un nuovo modello generativo profondo, chiamato TimesNet-Gen, è stato sviluppato per generare forti movimenti del terreno adattati a siti specifici. Questo framework impiega un metodo di ricampionamento dello spazio latente basato su Dirichlet e ristretto alla stazione, consentendo la generazione diretta specifica per sito senza la necessità di input di condizionamento espliciti o riduzione della dimensionalità. Addestrato sul dataset AFAD tramite apprendimento auto-supervisionato, TimesNet-Gen mostra una forte generalizzazione cross-regionale producendo record NGA-West2 specifici per stazione senza richiedere fine-tuning. La sua efficacia è valutata analizzando le distribuzioni nello spazio log-HVSR e conducendo una valutazione congiunta dell'accelerazione di picco al suolo.
Fatti principali
- TimesNet-Gen è un framework generativo profondo per la generazione di forti movimenti del terreno.
- Utilizza una strategia di ricampionamento dello spazio latente basata su Dirichlet e ristretta alla stazione.
- Non richiede input di condizionamento espliciti o riduzione della dimensionalità.
- Pre-addestrato sul dataset AFAD tramite apprendimento auto-supervisionato.
- Genera record NGA-West2 specifici per stazione senza fine-tuning.
- Valutato utilizzando distribuzioni nello spazio log-HVSR e analisi dell'accelerazione di picco al suolo.
- Dimostra una robusta generalizzazione cross-regionale.
- Affronta la riduzione del rischio sismico attraverso valutazioni specifiche per sito.
Entità
—