本文關鍵詞：基于神經網絡的短期地震預測模型及其應用

  更多相關文章： 地震預測 神經網絡 遺傳算法 因子分析法

【摘要】：本文結合江蘇省科技支撐計劃(社會發(fā)展)項目“基于神經網絡的短期地震預測方法研究”(No.BE2009663)和國家863計劃項目“空間數(shù)據(jù)挖掘的神經網絡技術研究”(No.2007AA12Z228)展開研究。地震是一種給人類社會帶來巨大災難的自然現(xiàn)象,世界各國地震學家經過長期不懈的努力,地震預測、尤其是中長期地震預測已經取得了一些有意義的進展。但是地震預測仍是尚待解決的世界性的科學難題之一,目前還處于初期的科學探索階段,總體水平依舊不高,特別是短期與臨震預測的水平與社會需求相距甚遠。我國地震活動頻度高、分布廣、強度大,災害嚴重。我國境內強震與活動的大型斷裂帶及其所圍限的斷塊活動之間具有一定的關系,但是這種關系具有較強的非線性。神經網絡技術有很強的非線性映射功能,能夠反映地震發(fā)生之出現(xiàn)的各類異常因素與未來地震震級及發(fā)震時間之間的非線性關系,近年來被廣泛地應用于地震預測領域。本文以神經網絡技術為基礎,嘗試劃分出全國地震預測區(qū)域分布圖并建立一種區(qū)域性的短期地震預測模型,實現(xiàn)對預測區(qū)域未來3個月可能發(fā)生的最大地震進行較為準確的量化預測,主要研究內容及結論如下：(1)經過充分研究和總結數(shù)十年來我國地震區(qū)、帶劃分研究工作和成果,借鑒目前我國地震帶的劃分特點及其分布情況,本文嘗試提出一種以地震帶作為研究地震活動性的統(tǒng)計單元進行地震區(qū)域劃分的方法,并將中國境內劃分為40個地震預測區(qū)域。(2)由于地震活動性參數(shù)較多,目前在地震預測中選用哪些參數(shù)存在主觀片面性。本文提出利用因子分析法對預測區(qū)域的地震參數(shù)進行有效的篩選。因子分析能夠客觀地確定各個參數(shù)的權數(shù),避免了主觀隨意性,并輔以相關性分析各個參數(shù)間的多重共線性,篩選出若干權重大并且能反映區(qū)域地震活動性特征的參數(shù),用于建立基于多元線性回歸分析與神經網絡技術的短期地震預測融合模型。(3)本文地震預測研究以神經網絡作為技術支撐,首先對其算法原理、不足及改進措施進行介紹,然后利用遺傳算法與神經網絡進行了融合,為得到優(yōu)化的神經網絡結構節(jié)省了時間,提高了效率,并在地震預測中取得了較好的效果。(4)為了驗證基于多元線性回歸分析與BP神經網絡技術的短期地震預測融合模型的可靠性與實用性,結合劃分出的《全國40個地震預測區(qū)域分布圖》,本文從華北地震區(qū)、西南地震區(qū)以及臺灣地震區(qū)中分別選取了2#、7#、15#和20#四個重點預測區(qū)域,以3個月作為預測周期建立地震預測融合模型進行應用研究。地震預測結果表明,短期地震預測融合模型的預測精度有很大程度的提高,多元線性回歸模型的預測精度分別為±1.43、±0.83、±1.08及±0.84級,融合模型的預測精度分別為±0.82、±0.65、±0.73及±0.64級,精度提高了42.3%、22.7%、31.9%及24.6%。根據(jù)融合模型的應用效果表明,本文的研究成果具有較大的科研價值,對以后探索建立一種類似于“天氣預報”式的地震預測進行了有益的嘗試。
【關鍵詞】：地震預測 神經網絡 遺傳算法 因子分析法
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：P315.7
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-15
• 1.1 研究背景和意義10-11
• 1.2 國內外研究現(xiàn)狀11-14
• 1.2.1 國外研究現(xiàn)狀11-12
• 1.2.2 國內研究現(xiàn)狀12-13
• 1.2.3 神經網絡在地震預測中的應用13-14
• 1.2.4 目前研究中存在的不足14
• 1.3 研究的主要內容14-15
• 第二章 中國地震預測區(qū)域劃分15-22
• 2.1 中國地震帶分布15-17
• 2.1.1 地震帶的定義15
• 2.1.2 地震帶分布情況15-17
• 2.2 中國地震預測區(qū)域劃分17-21
• 2.2.1 我國地震區(qū)劃研究進展17-18
• 2.2.2 基于地震帶的區(qū)域劃分18-21
• 2.3 本章小結21-22
• 第三章 地震參數(shù)篩選的因子分析法22-32
• 3.1 地震參數(shù)22-27
• 3.1.1 地震參數(shù)的定義22-25
• 3.1.2 時變參量25-26
• 3.1.3 地震參數(shù)和時變參量的計算26-27
• 3.2 地震參數(shù)的篩選27-31
• 3.2.1 地震參數(shù)的相關性分析27-28
• 3.2.2 地震參數(shù)的因子分析法28-31
• 3.3 本章小結31-32
• 第四章 基于神經網絡的短期地震預測模型32-40
• 4.1 BP神經網絡的原理與數(shù)學模型32-35
• 4.1.1 BP算法的思路32-33
• 4.1.2 BP算法的計算公式33-35
• 4.2 遺傳算法對神經網絡的優(yōu)化35-38
• 4.2.1 遺傳算法的定義35-36
• 4.2.2 遺傳算法優(yōu)化的實現(xiàn)36-38
• 4.3 短期地震預測的融合模型38-39
• 4.3.1 多元線性回歸預測模型38
• 4.3.2 神經網絡和多元線性回歸的融合模型38-39
• 4.4 本章小結39-40
• 第五章 短期地震預測模型的工程應用40-50
• 5.1 示范區(qū)域預測模型的建立及應用40-47
• 5.1.1 二號區(qū)域地震預測模型及應用40-42
• 5.1.2 七號區(qū)域地震預測模型及應用42-43
• 5.1.3 十五號區(qū)域地震預測模型及應用43-45
• 5.1.4 二十號區(qū)域地震預測模型及應用45-47
• 5.2 類似于“天氣預報”式的地震預測47-48
• 5.3 本章小結48-50
• 第六章 結論與展望50-52
• 6.1 主要工作與結論50-51
• 6.2 問題及展望51-52
• 致謝52-53
• 參考文獻53-56
• 攻讀碩士期間發(fā)表的論文與取得的學術成果56

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉彩紅;唐萬梅;;基于組合神經網絡的教師評價模型研究[J];重慶師范大學學報(自然科學版);2008年04期

2 鐘義信;;神經網絡:成就、問題與前景[J];科學;1992年02期

3 莫恭佑;;神經網絡及其在英國的應用[J];國際科技交流;1992年03期

4 閔志;;神經網絡:使計算機具有快速學習功能[J];國際科技交流;1992年03期

5 馮建峰,錢敏平;神經網絡中的退火——非時齊情形[J];北京大學學報(自然科學版);1993年03期

6 唐功友;離散Hopfield神經網絡的穩(wěn)定性[J];青島海洋大學學報;1994年S2期

7 靳蕃;;中國神經網絡學術大會在西南交通大學隆重召開[J];學術動態(tài)報道;1996年04期

8 彭宏,張素;帶有時滯的神經網絡的穩(wěn)定性[J];杭州大學學報(自然科學版);1997年04期

9 陳新,孫道恒,黃洪鐘;結構分析有限元系統(tǒng)與神經網絡[J];起重運輸機械;1999年06期

10 成宇;神經網絡是怎么搭建的?[J];百科知識;2005年16期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經網絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳少吉;基于神經網絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

2 張韜;幾類時滯神經網絡穩(wěn)定性分析[D];渤海大學;2015年

3 邵雪瑩;幾類時滯不確定神經網絡的穩(wěn)定性分析[D];渤海大學;2015年

4 胡婷;改進QGA-BP模型及其在彌苴河總氮量預測中的應用[D];昆明理工大學;2015年

5 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預測研究[D];昆明理工大學;2015年

6 劉波;短期風電功率預測方法研究[D];南京信息工程大學;2015年

7 蔡邦宇;人臉識別中單次ERP時空特征分析及其快速檢索的應用[D];浙江大學;2015年

8 鄭川;垃圾評論檢測算法的研究[D];西南交通大學;2015年

9 李菊;BP神經網絡在房地產批量評估中的應用研究[D];昆明理工大學;2015年

10 馬亮;降水點分類預測方法研究[D];中國地質大學(北京);2015年

，

本文編號：520396