Tectonic Ledger

在地震預警系統 (EEW) 中，精確識別 P 波（初達波）是爭取預警時間的關鍵。傳統的 STA/LTA 算法在背景雜訊較高的都市環境中容易產生誤報。震禦工程研發團隊提出了一種基於卷積神經網絡 (CNN) 的深度學習模型，能夠從複雜的背景雜訊中提取微弱的地震信號特徵。

透過對全球超過 500,000 筆強震記錄的訓練，該模型在信噪比 (SNR) 低於 5dB 的環境下，仍能保持 98.5% 的識別準確率。這意味著我們能將預警觸發的延遲縮短至 0.5 秒以內。

基礎隔震 (Base Isolation) 與主動式阻尼 (Active Damping) 是目前結構工程中兩大主流防禦策略。本研究針對不同土質環境（Type I 堅硬土層至 Type IV 軟弱土層）進行了非線性動力時程分析。結果顯示，在軟弱土層中，基礎隔震系統的位移控制能力優於主動式阻尼，但在超高層建築中，主動式質量阻尼器 (TMD) 對於風力誘發振動的抑制效果更為顯著。

震禦工程建議採用「混合式防禦架構」，結合 LRB 隔震支承與半主動式液壓阻尼器，以實現全頻譜的震動控制。

韌性城市 (Resilient Cities) 的定義不僅在於建築物不倒塌，更在於震後功能的立即恢復。我們正在開發「數位孿生 (Digital Twin)」監測系統，透過佈署於結構關鍵節點的感測器，在震後 3 分鐘內自動生成結構安全評估報告，引導救災資源精確投放。