Application of neural networks to obtain the site response in mexico city

Abstract

Hemos implementado una red neuronal de tres capas escondidas con 40 neuronas por capa para ser usada como funciones de trasferencia suelo/roca en dos estaciones acelerométricas en Ciudad de México. La red fue entrenada con entrenamiento supervisado por medio de vectores de aceleración de entrada y salida (doce registros de cinco eventos sísmicos localizados en la costa de Guerrero y uno al sur de Puebla, 5, 8 M 7, 3), y probada con tres registros no tornados en cuenta en el entrenamiento de la red. Los resultados obtenidos en el dominio de la frecuencia son bastante buenos, encontrándose una amplificación sísmica entre 0,2 a 5 Hz para la zona de Lago (estación RMCS). En el dominio del tiempo obtuvimos resultados que no son coincidentes.Debido a los datos y a la complejidad del fenómeno, es necesario aplicar esta herramienta usando más registros de movimientos fuertes para entrenar la red neuronal, así el fenómeno puede ser aprendido mejor mediante una base de datos confiable.

We have implemented a neural network of three hidden layers with 40 neurons each layer to be used as soil/rock transfer functions for two stations in Mexico City. The net was trained with supervised learning through input and output vectors of accelerations (twelve records, from five seismic events from Guerrero and Puebla, 5.8 M 7.3), and tested with three records not taken in account in the training. The results in the frequency domain are good, finding a seismic amplification between 0.2 to 5 Hz for the Lake zone. In the time domain we obtain results that are not coincident. Due to the data and the complex of the phenomena, it is necessary to apply this tool using more records for the training net, so the phenomena can be learned better through reliable database.