地震动预测模型（GMM）是地震工程与概率地震危险性分析中的基础工具，其预测精度直接关系到工程抗震设防与地震安全评估的可靠性。长期以来，GMM的构建主要依赖强震动加速度记录，但在某些区域，高质量强震动记录仍然相对有限。相比之下，测震速度记录来源更广，并能够提供更丰富的低频信息，因此将加速度与速度记录联合用于地震动建模具有重要潜力。然而，既有融合方法多依赖经验性赋权，尤其在中等周期段往往采用较为粗略的统一权重设定，难以充分反映不同周期、距离、场地条件和记录特征下两类数据贡献的差异。针对这一问题，本研究提出了一种基于加速度与速度记录自适应融合的GMM构建方法。

本研究以美国南加州同台站加速度与速度记录为基础，首先从Southern California Earthquake Data Center下载了同台站的加速度与速度记录，并经过NGA-West2标准流程处理、筛选和参数整理，最终获得8010组可用于建模的加速度-速度记录对，涉及140次地震、256个台站，震级范围为4.0-7.2（图1）。在方法上，构建了一个以权重学习为核心的两阶段自适应融合框架（图2）。第一阶段将权重函数嵌入地震动模型拟合中，在0.01-10 s的105个周期点上，利用贝叶斯优化逐周期搜索最优权重；同时综合考虑震级、震中距、震源深度、V_S30、Z_2.5、以及记录质量等因素，并通过物理约束保证可靠性。第二阶段则以第一阶段获得的优化权重为监督标签，训练可解释机器学习模型，实现权重的快速预测与工程应用。

图1 美国南加州地区选定地震和台站分布(a)、记录的震级-距离分布(b)、台站的V_S30(c)和Z_2.5(d)分布直方图

图2 加速度与速度记录自适应融合地震动预测模型的流程示意图

在第一阶段获得优化权重后，将其嵌入GMM拟合过程中，并进一步将基于该权重构建的GMM与采用经验权重方法（Zhang22）构建的GMM进行对比分析。结果表明，所提出的方法在中长周期段表现出明显优势（图3）。与Zhang22相比，在0.1-3 s范围内，事件内标准差ϕ、事件间标准差τ和总标准差σ分别平均降低10.75%、6.57%和9.28%；在3-10 s范围内，三者进一步平均降低15.94%、12.40%和14.59%。

图3 经验权重方法与本文方法的事件间标准差(a)、事件内标准差(b)及总标准差(c)对比

在第二阶段的权重预测中，基于LSBoost建立了优化权重的预测模型。结果表明，该模型能够有效学习优化权重的分布规律，并在不同输入情形下保持较好的精度与稳定性（图4）。此外，基于SHAP的可解释性分析进一步表明（图5），周期T和震中距R_epi是控制加速度-速度权重分配的主导因素；总体上，随着周期和距离增大，速度记录权重升高，而加速度记录权重降低。场地条件和记录质量相关参数则起到次级但不可忽略的调制作用。

图4 LSBoost在不同输入情景下对贝叶斯优化权重的预测效果

图5 LSBoost权重预测模型中各影响因素的SHAP值分布

为检验权重预测模型的独立事件适用性，进一步将LSBoost预测权重应用于2013年芦山M_S 7.0地震。结果表明，与Zhang22经验权重方案相比，本文方法在多个代表性周期上均表现出更小的残差，且未引入明显的系统偏差（图6）。这说明所提出的融合方法不仅在南加州数据上具有较好的效果，也在独立地震案例中表现出较好的稳定性与可迁移潜力。总体而言，本项研究为GMM中加速度记录与速度记录的联合利用提供了一种可解释、可推广且具有工程实用性的技术框架，也为在强震动记录相对不足条件下充分挖掘宽频带速度观测资料的应用价值、提升地震动预测精度提供了新的思路。

图6 芦山M_S 7.0地震中经验权重方法与本文方法的残差对比

上述研究成果在2026年发表于地震工程领域国际知名权威期刊《Soil Dynamics and Earthquake Engineering》(中科院2区TOP, IF: 4.6)。中国地震局地震预测研究所张斌副研究员（vincent_zhang0322@163.com）为本文通讯作者，北京工业大学荣棉水教授为第一作者，赵庆旭博士研究生为第二作者，合作者包括北京工业大学孔小山博士研究生、李小军教授，地震预测研究所窦爱霞正研级高工、王继鑫助理研究员。本研究得到国家重点研发计划（2023YFC3007400）和教育部城市安全与灾害工程重点实验室重点项目（2023）的联合资助。

论文信息：Rong, M., Zhao, Q., Zhang, B.*, Dou, A., Wang, J., Kong, X., & Li, X. (2026). Adaptive fusion of acceleration and velocity records using machine learning for improved ground motion modeling. Soil Dynamics and Earthquake Engineering, 206, 110259. https://doi.org/10.1016/j.soildyn.2026.110259

撰稿人：张　斌

审稿人：吕晓健