混沌参数优化RBF算法的震前ENPEMF信号强度趋势预测

发布时间：2021-04-30 02:25

　　提出了一种基于混沌参数优化径向基函数（radial basis function,RBF）神经网络的预测模型.通过混沌理论获得了ENPEMF信号的有效嵌入维数和最优时延,然后利用所获得的参数优化RBF神经网络.采用训练好的参数优化RBF神经网络预测ENPEMF.数值仿真结果表明,改进的RBF算法可以较为准确地预测Rossler混沌时间序列且误差较小.将优化的RBF模型应用于芦山Ms7.0级地震前ENPEMF数据,可以有效预测震前14 d的ENPEMF数据强度趋势,且预测效果及精度优于传统RBF神经网络算法,期望为地质灾害及强震前的电磁监测分析提供支持. 

【文章来源】：东北大学学报(自然科学版). 2020,41(12)北大核心EICSCD

【文章页数】：7 页

【文章目录】：
1 混沌理论
    1.1 假邻近法
    1.2 自相关函数法
2 RBF神经网络算法
3 实验仿真
4 混沌参数优化RBF算法的预测研究
5 结论


【参考文献】：
期刊论文
[1]基于BSWT-DDTFA方法的地球天然脉冲电磁场震前信号时频分析研究[J]. 郝国成,白雨晓,吴敏,王巍,刘辉.  地球物理学报. 2018(10)
[2]基于NSTFT-WVD变换的芦山MS7.0级地震前后地球天然脉冲电磁场信号时频分析[J]. 郝国成,陈忠昌,赵娟,曾佐勋,刘辉,V.G.Sibgatulin,康坊.  地学前缘. 2016(01)
[3]基于聚类经验模态分解的地球天然脉冲电磁场时频与能量谱分析:以芦山MS7.0地震为例[J]. 郝国成,龚婷,董浩斌,V.G.SIBGATULIN,陈忠昌,Alexey KABANOV.  地学前缘. 2015(05)



本文编号：3168656