TimesNet‑Gen: Deep‑Learning‑Modell erzeugt standortspezifische Erdbebenbewegungen

Ein neues Deep‑Learning‑Modell namens TimesNet‑Gen verspricht, die Genauigkeit von Erdbebenrisikobewertungen zu verbessern, indem es Erdbebenbewegungen exakt an lokale Bodenbedingungen anpasst. Durch das Lernen aus aufgezeichneten Beschleunigungsdaten kann das System die charakteristischen Signaturen einzelner Standorte erkennen und reproduzieren.

TimesNet‑Gen arbeitet im Zeitbereich und nutzt einen standortspezifischen latenten Flaschenhals, um die Erzeugung von Erdbebenbewegungen zu steuern. Die Qualität der generierten Daten wird anhand von HVSR‑Kurven (Horizontal‑Vertical Spectral Ratio) und der Verteilung der fundamentalen Standortfrequenz f₀ verglichen. Für jede Station wird ein Score berechnet, der die Übereinstimmung der f₀‑Verteilungen zwischen realen und generierten Aufzeichnungen misst.

Die Ergebnisse zeigen, dass TimesNet‑Gen eine starke standortspezifische Ausrichtung erreicht und sich gegenüber einem spektral‑basierten VAE‑Baseline-Modell in der Synthese von Erdbebenbewegungen deutlich verbessert. Der Quellcode ist öffentlich auf GitHub verfügbar: https://github.com/brsylmz23/TimesNet-Gen.