發(fā)布時(shí)間：2021-06-27 18:26

　　地震是一種能給人類社會(huì)帶來(lái)災(zāi)難的自然現(xiàn)象,極具破壞性的地震會(huì)給國(guó)家和地區(qū)帶來(lái)嚴(yán)重的經(jīng)濟(jì)損失和人員傷亡。地震預(yù)測(cè)雖然是一個(gè)科學(xué)難題,但是研究人員并未停下探索的腳步。短臨地震預(yù)測(cè)目前還處于探索階段,其預(yù)測(cè)水平與社會(huì)需求相距甚遠(yuǎn)。為此我國(guó)自二十世紀(jì)八十年代開始建設(shè)地震臺(tái)網(wǎng),到現(xiàn)在已經(jīng)積累大量高精度前兆觀測(cè)數(shù)據(jù),涵蓋形變、地電、地磁、重力、流體等學(xué)科。本文通過研究分析前兆觀測(cè)數(shù)據(jù),考慮到地震的孕育和發(fā)生之間高度的非線性特點(diǎn)以及人工選取地震活動(dòng)性參數(shù)的主觀性,同時(shí)受到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的啟發(fā),以地震較多的川滇地區(qū)為研究區(qū)域,基于形變、電磁、水位等歷史觀測(cè)數(shù)據(jù),提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的短臨地震預(yù)測(cè)模型,并與基于BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)的地震預(yù)測(cè)算法的結(jié)果進(jìn)行了對(duì)比研究。結(jié)果表明,本研究提出的預(yù)測(cè)模型在地震震級(jí)和區(qū)域預(yù)測(cè)中具有更高的準(zhǔn)確率和召回率,分別能達(dá)到95.0%和84.1%,這為地震預(yù)測(cè)研究供了一種新的地震預(yù)測(cè)方法。本文的主要研究工作及成果如下:1)提出了一種基于聚類算法的地震預(yù)測(cè)區(qū)域劃分方法位置預(yù)測(cè)是地震預(yù)測(cè)的一個(gè)重要組成部分。本文選取川滇地區(qū)中26.50°N³0.00... 

【文章來(lái)源】：防災(zāi)科技學(xué)院河北省

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)示范圖

防災(zāi)科技學(xué)院工程碩士學(xué)位論文9對(duì)一幅圖像的一個(gè)完整的卷積運(yùn)算過程為：卷積核以一定的間隔滑動(dòng)，并對(duì)所覆蓋的區(qū)域進(jìn)行卷積運(yùn)算得到值，直至遍歷完整幅圖像，如圖2.2所示。圖2.2卷積運(yùn)算一個(gè)標(biāo)準(zhǔn)的卷積運(yùn)算過程為：其卷積核每次覆蓋原圖像的9個(gè)像素，共滑動(dòng)4次，得到了一個(gè)2*2的二維數(shù)據(jù)。對(duì)于一個(gè)大小為4*4的原圖像，經(jīng)過大小為3*3的卷積運(yùn)算后，其輸出圖像的尺寸為2*2，如圖2.3所示。圖2.3標(biāo)準(zhǔn)的二維卷積運(yùn)算2.1.2BatchNormalization層批量標(biāo)準(zhǔn)化（BatchNormalization，BN）層與卷積層，下文提到的池化層一樣屬于網(wǎng)絡(luò)的一層。通常情況下，為了更好的訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，防止像Sigmoid類似的非線性激活函數(shù)過早飽和，我們會(huì)對(duì)輸入的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化、規(guī)范化，使其數(shù)據(jù)分布類似于正態(tài)分布。但是在網(wǎng)絡(luò)的訓(xùn)練過程中，因?yàn)槊恳粚佣急仨殞W(xué)會(huì)

防災(zāi)科技學(xué)院工程碩士學(xué)位論文9對(duì)一幅圖像的一個(gè)完整的卷積運(yùn)算過程為：卷積核以一定的間隔滑動(dòng)，并對(duì)所覆蓋的區(qū)域進(jìn)行卷積運(yùn)算得到值，直至遍歷完整幅圖像，如圖2.2所示。圖2.2卷積運(yùn)算一個(gè)標(biāo)準(zhǔn)的卷積運(yùn)算過程為：其卷積核每次覆蓋原圖像的9個(gè)像素，共滑動(dòng)4次，得到了一個(gè)2*2的二維數(shù)據(jù)。對(duì)于一個(gè)大小為4*4的原圖像，經(jīng)過大小為3*3的卷積運(yùn)算后，其輸出圖像的尺寸為2*2，如圖2.3所示。圖2.3標(biāo)準(zhǔn)的二維卷積運(yùn)算2.1.2BatchNormalization層批量標(biāo)準(zhǔn)化（BatchNormalization，BN）層與卷積層，下文提到的池化層一樣屬于網(wǎng)絡(luò)的一層。通常情況下，為了更好的訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，防止像Sigmoid類似的非線性激活函數(shù)過早飽和，我們會(huì)對(duì)輸入的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化、規(guī)范化，使其數(shù)據(jù)分布類似于正態(tài)分布。但是在網(wǎng)絡(luò)的訓(xùn)練過程中，因?yàn)槊恳粚佣急仨殞W(xué)會(huì)

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)殘差網(wǎng)絡(luò)模型的地震和爆破識(shí)別[J]. 隗永剛,楊千里,王婷婷,蔣長(zhǎng)勝,邊銀菊.  地震學(xué)報(bào). 2019(05)
[2]人工智能在拾取地震P波初至中的應(yīng)用——以汶川地震余震序列為例[J]. 蔡振宇,蓋增喜.  北京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(03)
[3]基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的地震波形自動(dòng)分類與識(shí)別[J]. 趙明,陳石,Dave Yuen.  地球物理學(xué)報(bào). 2019(01)
[4]斷層帶土壤氣中H2觀測(cè)——探索地震短臨預(yù)報(bào)的新途徑[J]. 車用太,劉耀煒,何钄.  地震. 2015(04)
[5]大數(shù)據(jù)時(shí)代對(duì)地震監(jiān)測(cè)預(yù)報(bào)問題的思考[J]. 張晁軍,陳會(huì)忠,李衛(wèi)東,許洪華,彭遠(yuǎn)黔.  地球物理學(xué)進(jìn)展. 2015(04)
[6]地震的位置、震級(jí)和發(fā)生時(shí)間的預(yù)報(bào)方法[J]. 高歌.  前沿科學(xué). 2015(02)
[7]基于熱異常信息與BP神經(jīng)網(wǎng)絡(luò)的中強(qiáng)地震預(yù)測(cè)試驗(yàn)[J]. 宋冬梅,時(shí)洪濤,單新建,劉雪梅,崔建勇,沈晨,屈春燕,邵紅梅,王一博,臧琳,陳偉民,孔建.  地震地質(zhì). 2015(02)
[8]地震預(yù)測(cè)方法Ⅰ:綜述[J]. 趙永紅,楊家英,惠紅軍,徐少川,曹露青,盧倩云,李嘉琪,李進(jìn)武.  地球物理學(xué)進(jìn)展. 2014(01)
[9]中國(guó)地震前兆臺(tái)網(wǎng)觀測(cè)技術(shù)系統(tǒng)整合[J]. 周克昌,趙剛,王晨,王方建,劉高川.  中國(guó)地震. 2013(02)
[10]2010年青海玉樹7.1級(jí)地震的前震識(shí)別及短臨預(yù)報(bào)可能性研究[J]. 劉蒲雄,呂曉健.  地震. 2012(03)

博士論文
[1]地震電離層前兆短期預(yù)報(bào)研究[D]. 王若鵬.武漢大學(xué) 2012

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的短期地震預(yù)測(cè)模型及其應(yīng)用[D]. 付杰.東南大學(xué) 2016



本文編號(hào)：3253371