东北印度地区地震动预测方程的混合方法：基于观测与模拟数据的研究

本刊推荐：针对东北印度地区强震记录匮乏制约区域地震动预测方程(GMPE)发展的问题，研究人员创新性地结合有限断层模拟技术与实测数据，建立了覆盖矩震级Mw3.9-8.5和震源距20-560 km范围的混合GMPE模型。该模型通过响应谱、傅里叶谱和峰值地面加速度(PGA)等多参数验证，显著提升了高震级近场地震动预测能力，为喜马拉雅地震高风险区的抗震设防提供关键科学依据。

　　

位于喜马拉雅地震带东北段的印度东北地区，被全球地震学界公认为最具地震危险性的区域之一。该区域不仅历史上发生过1897年阿萨姆8.0级和1950年察隅8.6级等灾难性大地震，近年来的大地测量研究更表明该地区存在孕育特大地震的潜势（Steckler et al., 2016）。然而，与高度活跃的地震活动性形成鲜明对比的是，该地区强地震动观测数据严重匮乏，特别是缺乏大震级（M_w>7.0）和近场（震源距<20 km）的实测记录。这种数据缺失使得发展适用于本地区的可靠地震动预测方程(Ground Motion Prediction Equations, GMPE)面临巨大挑战。

GMPE作为地震危险性评估和工程抗震设计的核心工具，其可靠性直接关系到重大工程设施的抗震安全。虽然国内外学者已为印度地区开发了多个GMPE模型（如Sharma 1998, Nath et al. 2005, Kumar et al. 2017），但这些模型普遍存在局限性：或是基于有限震级范围（通常M_w<7.0）的观测数据，或是依赖其他构造类似区域的数据移植，其在本地区的适用性存疑。特别是对于东北印度这样具有复杂构造背景（包括喜马拉雅主逆冲带、印缅俯冲带和锡金-阿萨姆构造结等）的区域，缺乏量身定制的GMPE已成为精确评估区域地震风险的瓶颈问题。

为破解这一难题，库马尔（Naveen Kumar）等研究人员在《Results in Earth Sciences》上发表了创新性研究成果。研究团队采用混合方法学框架，首次将实测强震记录与基于有限断层模拟技术生成的合成地震动数据相结合，构建了专用于东北印度地区的新型GMPE。该方法不仅充分利用了现有的有限观测数据，还通过物理模拟弥补了高震级、近场数据的缺失，实现了震级范围（M_w3.9-8.5）和距离范围（20-560 km）的全覆盖。

研究过程中，团队首先系统收集整理了东北印度地区的历史强震数据，包括1986-2014年间58次地震的265条记录，震级范围M_w3.5-7.1。数据来源包括印度理工学院鲁尔基分校管理的模拟强震台网（1985-1991年）和数字强震仪器台网（SMIN，2005年后）。为确保数据一致性，所有震级均统一转换为矩震级M_w，采用Das和Meneses（2021）提出的区域特异性转换关系。

针对高震级数据缺失问题，研究采用Motazedian和Atkinson（2005）发展的有限断层随机模拟方法，动态角频率技术有效捕捉了破裂过程的物理特性。关键技术方法包括：1）基于HVSR（水平垂直谱比法）的场地效应评估，使用Nakamura方法计算各台站的场地放大效应；2）区域特异性衰减关系Q(f)=110f^0.9，综合Gupta和Kumar（2002）与Nath等（2008）的研究成果；3）应力降参数设定为100-200 bar，符合该地区地震破裂特性；4）kappa值（高频衰减参数）采用Yadav等（2018）和Kumar等（2020）的实测结果。模拟验证阶段，选取1988年印孟边境M_w7.2、2009年不丹M_w6.1和2012年东北印度M_w5.4三次地震，从加速度时程、傅里叶谱和反应谱三个维度对比模拟与实测数据，确认了模拟方法的可靠性。

4. DEVELOPMENT OF GMPE USING THE RECORDED DATASET

基于265条实测数据，研究首先建立了仅依赖观测数据的GMPE初版。采用Joyner和Boore（1988）的分层回归方法，确定衰减系数b值为1.0312。回归方程形式为Campbell（1981）模型的简化版，包含震级项和震源距项：Log(Y) = -2.5894 + 0.5502M - 1.0312log(X + e^-6.1943M) ± 0.3036。该模型在M_w6.2地震的预测中与Nath等（2005）和Sharma（1998）的模型表现出良好一致性，但受限于实测数据范围（M_w≤7.1，震源距≥22 km），对高震级和近场预测存在明显不足。

5. GROUND MOTION SIMULATION

为扩展数据范围，研究团队模拟了25次M_w5.5-8.5地震的地震动。基于区域构造特征和潜在震源分析（Thingbaijam和Nath, 2008），重点关注科皮利断裂带（Kopli Fault）等具有发生M_w≥8.0地震能力的构造。模拟采用随机有限断层方法，将震源离散化为子断层，考虑破裂传播时间和滑动分布。关键创新在于引入动态角频率技术，使角频率随破裂过程动态变化：f_cij(t) = (4.9×10⁶β/N(t)^1/3)(Δσ/M_0ave)^1/3，其中N(t)表示t时刻已破裂子断层数量。

6. DEVELOPMENT OF GMPE USING RECORDED AND SYNTHETIC DATA

综合174条实测记录和20组模拟数据，研究最终建立了混合GMPE模型。采用非线性回归确定系数：Log(Y) = -2.0941 + 0.4991M - 1.0123log(X + e^-6.4001M) ± 0.2277。与仅基于实测数据的模型相比，新模型在保持原有精度的同时，显著扩展了适用范围（M_w3.9-8.5，震源距20-560 km）。对比验证显示，该模型预测的PGA值与实际记录吻合良好，特别是在高震级段弥补了传统模型的不足。

7. VALIDATION OF THE GMPE

验证分析表明，新开发的GMPE在M_w6.2地震预测中与国际知名模型（如Boore和Atkinson 2008, Abrahamson等2014）具有可比性，同时更适应东北印度地区的构造特点。尽管在极近场（R<20 km）区域因数据缺失存在一定不确定性，但模型整体表现优于现有区域特异性模型。研究还发现，缺乏Vs₃₀（30米等效剪切波速）场地参数是残差的主要来源之一（σ≈0.23），建议未来研究纳入详细场地条件参数以进一步提升预测精度。

本研究成功开发了首个专门针对东北印度地区的混合型地震动预测方程，有效解决了该地区因强震记录匮乏导致的GMPE发展瓶颈问题。通过创新性地结合实测数据与物理模拟，实现了从中等震级到特大地震（M_w3.9-8.5）、从远场到近场（20-560 km）的全范围覆盖，显著提升了区域地震动预测能力。该模型不仅为东北印度地区的地震危险性评估提供了可靠工具，其混合方法学框架也为全球其他强震数据匮乏地区的GMPE发展提供了重要借鉴。研究结果对喜马拉雅地区重大基础设施的抗震设防、地震风险管理和灾害应急预案制定具有直接的科学指导意义。随着该地区强震观测网络的不断完善，未来可通过纳入场地参数Vs₃₀和近场观测数据进一步优化模型性能。