本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的短期地震預(yù)測模型及其應(yīng)用

  更多相關(guān)文章： 地震預(yù)測 神經(jīng)網(wǎng)絡(luò) 遺傳算法 因子分析法

【摘要】：本文結(jié)合江蘇省科技支撐計(jì)劃(社會發(fā)展)項(xiàng)目“基于神經(jīng)網(wǎng)絡(luò)的短期地震預(yù)測方法研究”(No.BE2009663)和國家863計(jì)劃項(xiàng)目“空間數(shù)據(jù)挖掘的神經(jīng)網(wǎng)絡(luò)技術(shù)研究”(No.2007AA12Z228)展開研究。地震是一種給人類社會帶來巨大災(zāi)難的自然現(xiàn)象,世界各國地震學(xué)家經(jīng)過長期不懈的努力,地震預(yù)測、尤其是中長期地震預(yù)測已經(jīng)取得了一些有意義的進(jìn)展。但是地震預(yù)測仍是尚待解決的世界性的科學(xué)難題之一,目前還處于初期的科學(xué)探索階段,總體水平依舊不高,特別是短期與臨震預(yù)測的水平與社會需求相距甚遠(yuǎn)。我國地震活動(dòng)頻度高、分布廣、強(qiáng)度大,災(zāi)害嚴(yán)重。我國境內(nèi)強(qiáng)震與活動(dòng)的大型斷裂帶及其所圍限的斷塊活動(dòng)之間具有一定的關(guān)系,但是這種關(guān)系具有較強(qiáng)的非線性。神經(jīng)網(wǎng)絡(luò)技術(shù)有很強(qiáng)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(shí)間之間的非線性關(guān)系,近年來被廣泛地應(yīng)用于地震預(yù)測領(lǐng)域。本文以神經(jīng)網(wǎng)絡(luò)技術(shù)為基礎(chǔ),嘗試劃分出全國地震預(yù)測區(qū)域分布圖并建立一種區(qū)域性的短期地震預(yù)測模型,實(shí)現(xiàn)對預(yù)測區(qū)域未來3個(gè)月可能發(fā)生的最大地震進(jìn)行較為準(zhǔn)確的量化預(yù)測,主要研究內(nèi)容及結(jié)論如下：(1)經(jīng)過充分研究和總結(jié)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(diǎn)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(dòng)性的統(tǒng)計(jì)單元進(jìn)行地震區(qū)域劃分的方法,并將中國境內(nèi)劃分為40個(gè)地震預(yù)測區(qū)域。(2)由于地震活動(dòng)性參數(shù)較多,目前在地震預(yù)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(yù)測區(qū)域的地震參數(shù)進(jìn)行有效的篩選。因子分析能夠客觀地確定各個(gè)參數(shù)的權(quán)數(shù),避免了主觀隨意性,并輔以相關(guān)性分析各個(gè)參數(shù)間的多重共線性,篩選出若干權(quán)重大并且能反映區(qū)域地震活動(dòng)性特征的參數(shù),用于建立基于多元線性回歸分析與神經(jīng)網(wǎng)絡(luò)技術(shù)的短期地震預(yù)測融合模型。(3)本文地震預(yù)測研究以神經(jīng)網(wǎng)絡(luò)作為技術(shù)支撐,首先對其算法原理、不足及改進(jìn)措施進(jìn)行介紹,然后利用遺傳算法與神經(jīng)網(wǎng)絡(luò)進(jìn)行了融合,為得到優(yōu)化的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)節(jié)省了時(shí)間,提高了效率,并在地震預(yù)測中取得了較好的效果。(4)為了驗(yàn)證基于多元線性回歸分析與BP神經(jīng)網(wǎng)絡(luò)技術(shù)的短期地震預(yù)測融合模型的可靠性與實(shí)用性,結(jié)合劃分出的《全國40個(gè)地震預(yù)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(gè)重點(diǎn)預(yù)測區(qū)域,以3個(gè)月作為預(yù)測周期建立地震預(yù)測融合模型進(jìn)行應(yīng)用研究。地震預(yù)測結(jié)果表明,短期地震預(yù)測融合模型的預(yù)測精度有很大程度的提高,多元線性回歸模型的預(yù)測精度分別為±1.43、±0.83、±1.08及±0.84級,融合模型的預(yù)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(yīng)用效果表明,本文的研究成果具有較大的科研價(jià)值,對以后探索建立一種類似于“天氣預(yù)報(bào)”式的地震預(yù)測進(jìn)行了有益的嘗試。
【關(guān)鍵詞】：地震預(yù)測 神經(jīng)網(wǎng)絡(luò) 遺傳算法 因子分析法
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)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(nèi)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(nèi)研究現(xiàn)狀12-13
• 1.2.3 神經(jīng)網(wǎng)絡(luò)在地震預(yù)測中的應(yīng)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(nèi)容14-15
• 第二章 中國地震預(yù)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(yù)測區(qū)域劃分17-21
• 2.2.1 我國地震區(qū)劃研究進(jìn)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(jié)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(shí)變參量25-26
• 3.1.3 地震參數(shù)和時(shí)變參量的計(jì)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(guān)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(jié)31-32
• 第四章 基于神經(jīng)網(wǎng)絡(luò)的短期地震預(yù)測模型32-40
• 4.1 BP神經(jīng)網(wǎng)絡(luò)的原理與數(shù)學(xué)模型32-35
• 4.1.1 BP算法的思路32-33
• 4.1.2 BP算法的計(jì)算公式33-35
• 4.2 遺傳算法對神經(jīng)網(wǎng)絡(luò)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(shí)現(xiàn)36-38
• 4.3 短期地震預(yù)測的融合模型38-39
• 4.3.1 多元線性回歸預(yù)測模型38
• 4.3.2 神經(jīng)網(wǎng)絡(luò)和多元線性回歸的融合模型38-39
• 4.4 本章小結(jié)39-40
• 第五章 短期地震預(yù)測模型的工程應(yīng)用40-50
• 5.1 示范區(qū)域預(yù)測模型的建立及應(yīng)用40-47
• 5.1.1 二號區(qū)域地震預(yù)測模型及應(yīng)用40-42
• 5.1.2 七號區(qū)域地震預(yù)測模型及應(yīng)用42-43
• 5.1.3 十五號區(qū)域地震預(yù)測模型及應(yīng)用43-45
• 5.1.4 二十號區(qū)域地震預(yù)測模型及應(yīng)用45-47
• 5.2 類似于“天氣預(yù)報(bào)”式的地震預(yù)測47-48
• 5.3 本章小結(jié)48-50
• 第六章 結(jié)論與展望50-52
• 6.1 主要工作與結(jié)論50-51
• 6.2 問題及展望51-52
• 致謝52-53
• 參考文獻(xiàn)53-56
• 攻讀碩士期間發(fā)表的論文與取得的學(xué)術(shù)成果56

【相似文獻(xiàn)】

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(jīng)網(wǎng)絡(luò)的教師評價(jià)模型研究[J];重慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

2 鐘義信;;神經(jīng)網(wǎng)絡(luò):成就、問題與前景[J];科學(xué);1992年02期

3 莫恭佑;;神經(jīng)網(wǎng)絡(luò)及其在英國的應(yīng)用[J];國際科技交流;1992年03期

4 閔志;;神經(jīng)網(wǎng)絡(luò):使計(jì)算機(jī)具有快速學(xué)習(xí)功能[J];國際科技交流;1992年03期

5 馮建峰,錢敏平;神經(jīng)網(wǎng)絡(luò)中的退火——非時(shí)齊情形[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);1993年03期

6 唐功友;離散Hopfield神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性[J];青島海洋大學(xué)學(xué)報(bào);1994年S2期

7 靳蕃;;中國神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)大會在西南交通大學(xué)隆重召開[J];學(xué)術(shù)動(dòng)態(tài)報(bào)道;1996年04期

8 彭宏,張素;帶有時(shí)滯的神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性[J];杭州大學(xué)學(xué)報(bào)(自然科學(xué)版);1997年04期

9 陳新,孫道恒,黃洪鐘;結(jié)構(gòu)分析有限元系統(tǒng)與神經(jīng)網(wǎng)絡(luò)[J];起重運(yùn)輸機(jī)械;1999年06期

10 成宇;神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動(dòng)化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)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(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動(dòng)化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)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(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報(bào);2003年

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報(bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日報(bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報(bào);2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

2 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

3 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

4 胡婷;改進(jìn)QGA-BP模型及其在彌苴河總氮量預(yù)測中的應(yīng)用[D];昆明理工大學(xué);2015年

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

6 劉波;短期風(fēng)電功率預(yù)測方法研究[D];南京信息工程大學(xué);2015年

7 蔡邦宇;人臉識別中單次ERP時(shí)空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

8 鄭川;垃圾評論檢測算法的研究[D];西南交通大學(xué);2015年

9 李菊;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)批量評估中的應(yīng)用研究[D];昆明理工大學(xué);2015年

10 馬亮;降水點(diǎn)分類預(yù)測方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

，

本文編號：520396