【摘要】：地震預(yù)報作為當(dāng)今世界十大難題之一,對防震減災(zāi)有著非常重要的作用。一次準(zhǔn)確的地震預(yù)報不但能降低人們的傷亡,還能減少國家的財產(chǎn)損失。目前研究發(fā)現(xiàn)誘發(fā)地震的因素眾多且因素之間存在非線性的關(guān)系,神經(jīng)網(wǎng)絡(luò)理論在解決一些復(fù)雜的、非線性問題方面表現(xiàn)出明顯的優(yōu)勢。本文基于這一認(rèn)識,借助MATLAB平臺,將神經(jīng)網(wǎng)絡(luò)應(yīng)用于地震震級預(yù)報中。本文首先分析了傳統(tǒng)地震預(yù)報方法的局限性,提出了克服其缺點的方案,即將兩種神經(jīng)網(wǎng)絡(luò)相結(jié)合,同時說明利用遺傳優(yōu)化算法來優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的必要性。選定四川省為研究區(qū)域,南北地震帶中的龍門山斷裂帶穿過其中,導(dǎo)致四川成為國內(nèi)地震最多發(fā)地區(qū)之一。神經(jīng)網(wǎng)絡(luò)對輸入因子極為敏感,本文分析現(xiàn)有相關(guān)文獻后,選取了部分測震學(xué)前兆指標(biāo)作為輸入,引入將地電阻率幅度值作為一項輸入,通過分析震級同輸入指標(biāo)的相關(guān)性,得到地電阻率同震級相關(guān)系數(shù)為0.65,相關(guān)性較好,這驗證了可將地電阻率作為一種可靠的前兆這一結(jié)論,而其他相關(guān)輸入指標(biāo)與震級呈現(xiàn)弱相關(guān),這說明綜合利用多方面前兆指標(biāo)進行地震預(yù)報是未來的一個發(fā)展方向。然后利用自組織特征映射神經(jīng)網(wǎng)絡(luò)(SOM)對選取的震例進行分類處理,填補了反向傳播神經(jīng)網(wǎng)絡(luò)(BP)在樣本越相似,輸出結(jié)果越好這一特點,通過聚類能增加BP神經(jīng)網(wǎng)絡(luò)的抗噪性能和泛化能力,加快神經(jīng)網(wǎng)絡(luò)的收斂速度,這從輸入數(shù)據(jù)上面解決了BP神經(jīng)網(wǎng)絡(luò)進行地震預(yù)報的缺陷。從聚類的結(jié)果來看,可以粗略的分為七大類,每一類中都有一些特征,對于聚類結(jié)果為震例在同一斷層上面的樣本,這對預(yù)測未來的時間及位置有一定幫助,而對于震級較為相似的樣本,對未來預(yù)測震級有一定的幫助。但這也說明目前的地震預(yù)測方法都帶有局限性,即任何方法總有一定的適用范圍,在選擇時可根據(jù)實際情況進行合理的選擇。BP神經(jīng)網(wǎng)絡(luò)雖然具有較好的預(yù)測未來的能力,但是BP神經(jīng)網(wǎng)絡(luò)權(quán)值對輸出結(jié)果影響較大,得到一個較好的權(quán)值對輸出結(jié)果是至關(guān)重要的,遺傳算法(GA)能進行全局搜索,具有很強的魯棒性。利用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值進行優(yōu)化處理,得到一個最優(yōu)的初始權(quán)值和閾值,這是從神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)上改善了輸出結(jié)果。最后將組合神經(jīng)網(wǎng)絡(luò)(SOMGABP)的輸出結(jié)果反歸一化處理,同時比較常用的神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果,得到幾種神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果誤差曲線圖,輸出結(jié)果一方面說明了將神經(jīng)網(wǎng)絡(luò)理論應(yīng)用于地震預(yù)報是可行的;另一方面,本文提出的方法應(yīng)用于地震震級預(yù)報中,得到的驗證樣本預(yù)報準(zhǔn)確率達到93.75%,高于其他的神經(jīng)網(wǎng)絡(luò)輸出結(jié)果,認(rèn)為本文的方法能夠協(xié)助進行地震震級的預(yù)測。此外,本文雖然只是對地震三要素中的震級進行了預(yù)測,這也是本文的局限性所在,而實際上在已經(jīng)使用的前兆數(shù)據(jù)中隱含了發(fā)震時間和位置,由于那是另一個復(fù)雜問題,本文未做討論。
【學(xué)位授予單位】：中國地震局蘭州地震研究所
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：P315.75

【相似文獻】

相關(guān)期刊論文 前10條

1 蔣進;;基于神經(jīng)網(wǎng)絡(luò)的風(fēng)功率組合預(yù)測[J];工程技術(shù)研究;2017年10期

2 余z緩，

本文編號：2615186