• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文学位 >基于人工神经网络和模式识别方法的地震序列类型早期预测研究
【6h】

基于人工神经网络和模式识别方法的地震序列类型早期预测研究

代理获取
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

地震序列的类型判断及其成因机理研究是地震学的基本问题之一，对于揭示地震孕育、发生和发展过程物理本质具有重要理论意义。对于一个完整的地震序列，其类型的判别已有较为成熟的方法和参数。本文研究内容是在地震刚刚发生，序列还极不完整的情况下，对地震的序列类型做出快速判定，也即地震序列类型的早期快速预测问题。
　　 在系统总结地震序列类型研究现状的基础上，详细分析了以往的地震序列类型早期判断的单项和综合方法，包括灰关联分析方法、模式识别的CORA-3算法等等，肯定了它们在震后早期趋势判断工作中发挥的重要作用及存在的不足。分析了人工神经网络和模式识别的支持向量机(SVM)方法在处理复杂的非线性映射问题上的优势，搜集整理了国内180个中强以上地震序列资料，借用BP神经网络和支持向量机(SVM)方法构建两种地震序列类型早期预测模型。
　　 论文取得的主要成果有：①搜集整理了我国大陆地区180个地震序列，并根据能量比和震级差、序列地震次数等经典判别指标，对全序列进行了初始分类，将序列分为主震型、震群型、孤立型三类；②通过不断的研究实验，确定BP网络的结构、选择激活函数、设置各项训练参数等步骤构造了BP神经网络地震序列类型早期预测模型。并用构筑好的模型对训练样本和测试样本分别进行内符和外推检验，得到理想的检验结果，使用1天(24小时)序列资料外推检验的正确识别率可达78％；③通过选择核函数及参数c&g寻优方法等构造了SVM地震序列类型早期预测模型。并进行相应的内符和外推检验。外推检验结果表明，使用第一大震后1天的序列资料正确识别率可达到82.2％，第一次大震后1、2、3、5、7天5个时间段序列，主余型和孤立型正确识别率基本都能保持在较高水平；④通过统计分析等途径对BP神经网络和SVM模型两种方法的的分类识别效果进行了评价，认为这两种方法应用于地震序列类型的早期预测可行、实用，且具有较好的类型早期识别能力，利用震后1天的序列资料就可以较准确地识别序列类型。比较分析认为，构造的SVM模型识别结果略优于BP神经网络模型。
　　 论文创新之处在于：①以较大样本量使用BP神经网络和支持向量机方法进行地震序列类型早期预测研究，涵盖的序列类型更广，使识别结果的普适应用性更强；②以往序列类型早期预测工作大多将序列类型合并为主震型和震群型两类研究，将分类目标划分为主余、震群、孤立三种类型，分类结果更为精细、实用；③将BP神经网络和模式分类支持向量机方法用于地震序列类型早期预测研究，计算方法相对简单，进一步证实，使用主震后1天的序列资料可以较准确的判断序列类型，并对比研究了上述两种方法应用于序列类型早期预测的优劣。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号