基于多层感知器混合模型的地震地面运动替代模型，考虑空间源和地质参数

地震地面运动模拟提供高保真预测，但对于大规模场景分析来说计算成本 prohibitive。基于多层感知器（MLP）或傅里叶神经算子（FNO）的替代模型已被研究，但各自存在局限性：MLP无法捕捉空间相关性，而FNO由于在全分辨率网格上重复进行傅里叶变换造成高昂的成本。为了解决这些问题，我们提出了一种基于MLP-Mixer架构的替代模型，该模型在补丁网格上操作，能够高效提取全局空间相关性。此外，我们引入了多流设计，通过可学习的逐元素多模态混合器融合源和地质输入，实现周期相关的数据驱动模态融合。在南海槽模拟中的实验表明，所提出的方法称为Multi-MLP-Mixer，实现了与最新替代模型相当的准确性，同时减少了训练和推断时间，从而在预测性能和计算效率之间达成平衡。