A kernel-based mixed effect regression model for earthquake ground motions

در این مقاله رویکرد رگرسیون چند بعدی به روش نیمه پارامتری برای تحلیل و مدل سازی حرکت زمین زلزله با توجه به همبستگی بین سوابق ارائه شده است. با استفاده از هسته، روش پیشنهادی، معادلات مدل کلاسیک مخلوط را به روابط پیچیده گسترش می دهد. معادله پیش بینی شده شامل پارامترهای و پارامترهای غیر پارامتری است. بخش پارامتریک روابط شناخته شده را به مدل درمی آورد، در حالی که بخش غیر پارامتر روابطی را که نمی توان به یک فرم پارامتری ساده تبدیل کرد، در بر می گیرد. ماشین کمترین مربع برای تخمین بخش غیر پارامتری مدل استفاده می شود. مدل نیمه پارامتری حاصل ترکیبی از نقاط قوت روش های پارامتری و غیر پارامتری می باشد که اجازه می دهد دانش قبلی را به مدل در نظر بگیرد و در عین حال حفظ انعطاف پذیری نسبت به متغیرهای توضیحی که فرم نامطلوب آن نامعلوم است حفظ شود. معادلات برای اعتماد به نفس و فاصله زمانی پیش بینی در اطراف میانگین شرطی ارائه شده است. اعتبار روش پیشنهادی از طریق شبیه سازی های عددی و استفاده از حرکات زمین ثبت شده نشان داده شده است.