基于神经网络的短期地震预测模型及其应用

发布时间：2017-07-05 04:02

  本文关键词：基于神经网络的短期地震预测模型及其应用

  更多相关文章： 地震预测 神经网络 遗传算法 因子分析法

【摘要】：本文结合江苏省科技支撑计划(社会发展)项目“基于神经网络的短期地震预测方法研究”(No.BE2009663)和国家863计划项目“空间数据挖掘的神经网络技术研究”(No.2007AA12Z228)展开研究。地震是一种给人类社会带来巨大灾难的自然现象,世界各国地震学家经过长期不懈的努力,地震预测、尤其是中长期地震预测已经取得了一些有意义的进展。但是地震预测仍是尚待解决的世界性的科学难题之一,目前还处于初期的科学探索阶段,总体水平依旧不高,特别是短期与临震预测的水平与社会需求相距甚远。我国地震活动频度高、分布广、强度大,灾害严重。我国境内强震与活动的大型断裂带及其所围限的断块活动之间具有一定的关系,但是这种关系具有较强的非线性。神经网络技术有很强的非线性映射功能,能够反映地震发生之出现的各类异常因素与未来地震震级及发震时间之间的非线性关系,近年来被广泛地应用于地震预测领域。本文以神经网络技术为基础,尝试划分出全国地震预测区域分布图并建立一种区域性的短期地震预测模型,实现对预测区域未来3个月可能发生的最大地震进行较为准确的量化预测,主要研究内容及结论如下：(1)经过充分研究和总结数十年来我国地震区、带划分研究工作和成果,借鉴目前我国地震带的划分特点及其分布情况,本文尝试提出一种以地震带作为研究地震活动性的统计单元进行地震区域划分的方法,并将中国境内划分为40个地震预测区域。(2)由于地震活动性参数较多,目前在地震预测中选用哪些参数存在主观片面性。本文提出利用因子分析法对预测区域的地震参数进行有效的筛选。因子分析能够客观地确定各个参数的权数,避免了主观随意性,并辅以相关性分析各个参数间的多重共线性,筛选出若干权重大并且能反映区域地震活动性特征的参数,用于建立基于多元线性回归分析与神经网络技术的短期地震预测融合模型。(3)本文地震预测研究以神经网络作为技术支撑,首先对其算法原理、不足及改进措施进行介绍,然后利用遗传算法与神经网络进行了融合,为得到优化的神经网络结构节省了时间,提高了效率,并在地震预测中取得了较好的效果。(4)为了验证基于多元线性回归分析与BP神经网络技术的短期地震预测融合模型的可靠性与实用性,结合划分出的《全国40个地震预测区域分布图》,本文从华北地震区、西南地震区以及台湾地震区中分别选取了2#、7#、15#和20#四个重点预测区域,以3个月作为预测周期建立地震预测融合模型进行应用研究。地震预测结果表明,短期地震预测融合模型的预测精度有很大程度的提高,多元线性回归模型的预测精度分别为±1.43、±0.83、±1.08及±0.84级,融合模型的预测精度分别为±0.82、±0.65、±0.73及±0.64级,精度提高了42.3%、22.7%、31.9%及24.6%。根据融合模型的应用效果表明,本文的研究成果具有较大的科研价值,对以后探索建立一种类似于“天气预报”式的地震预测进行了有益的尝试。
【关键词】：地震预测 神经网络 遗传算法 因子分析法
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P315.7
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-15
• 1.1 研究背景和意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 国外研究现状11-12
• 1.2.2 国内研究现状12-13
• 1.2.3 神经网络在地震预测中的应用13-14
• 1.2.4 目前研究中存在的不足14
• 1.3 研究的主要内容14-15
• 第二章 中国地震预测区域划分15-22
• 2.1 中国地震带分布15-17
• 2.1.1 地震带的定义15
• 2.1.2 地震带分布情况15-17
• 2.2 中国地震预测区域划分17-21
• 2.2.1 我国地震区划研究进展17-18
• 2.2.2 基于地震带的区域划分18-21
• 2.3 本章小结21-22
• 第三章 地震参数筛选的因子分析法22-32
• 3.1 地震参数22-27
• 3.1.1 地震参数的定义22-25
• 3.1.2 时变参量25-26
• 3.1.3 地震参数和时变参量的计算26-27
• 3.2 地震参数的筛选27-31
• 3.2.1 地震参数的相关性分析27-28
• 3.2.2 地震参数的因子分析法28-31
• 3.3 本章小结31-32
• 第四章 基于神经网络的短期地震预测模型32-40
• 4.1 BP神经网络的原理与数学模型32-35
• 4.1.1 BP算法的思路32-33
• 4.1.2 BP算法的计算公式33-35
• 4.2 遗传算法对神经网络的优化35-38
• 4.2.1 遗传算法的定义35-36
• 4.2.2 遗传算法优化的实现36-38
• 4.3 短期地震预测的融合模型38-39
• 4.3.1 多元线性回归预测模型38
• 4.3.2 神经网络和多元线性回归的融合模型38-39
• 4.4 本章小结39-40
• 第五章 短期地震预测模型的工程应用40-50
• 5.1 示范区域预测模型的建立及应用40-47
• 5.1.1 二号区域地震预测模型及应用40-42
• 5.1.2 七号区域地震预测模型及应用42-43
• 5.1.3 十五号区域地震预测模型及应用43-45
• 5.1.4 二十号区域地震预测模型及应用45-47
• 5.2 类似于“天气预报”式的地震预测47-48
• 5.3 本章小结48-50
• 第六章 结论与展望50-52
• 6.1 主要工作与结论50-51
• 6.2 问题及展望51-52
• 致谢52-53
• 参考文献53-56
• 攻读硕士期间发表的论文与取得的学术成果56

【相似文献】

中国期刊全文数据库 前10条

1 刘彩红;唐万梅;;基于组合神经网络的教师评价模型研究[J];重庆师范大学学报(自然科学版);2008年04期

2 钟义信;;神经网络:成就、问题与前景[J];科学;1992年02期

3 莫恭佑;;神经网络及其在英国的应用[J];国际科技交流;1992年03期

4 闵志;;神经网络:使计算机具有快速学习功能[J];国际科技交流;1992年03期

5 冯建峰,钱敏平;神经网络中的退火——非时齐情形[J];北京大学学报(自然科学版);1993年03期

6 唐功友;离散Hopfield神经网络的稳定性[J];青岛海洋大学学报;1994年S2期

7 靳蕃;;中国神经网络学术大会在西南交通大学隆重召开[J];学术动态报道;1996年04期

8 彭宏,张素;带有时滞的神经网络的稳定性[J];杭州大学学报(自然科学版);1997年04期

9 陈新,孙道恒,黄洪钟;结构分析有限元系统与神经网络[J];起重运输机械;1999年06期

10 成宇;神经网络是怎么搭建的?[J];百科知识;2005年16期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

2 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

3 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

4 胡婷;改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D];昆明理工大学;2015年

5 刘俊辉;基于数据清洗方法的河道水位预测研究[D];昆明理工大学;2015年

6 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年

7 蔡邦宇;人脸识别中单次ERP时空特征分析及其快速检索的应用[D];浙江大学;2015年

8 郑川;垃圾评论检测算法的研究[D];西南交通大学;2015年

9 李菊;BP神经网络在房地产批量评估中的应用研究[D];昆明理工大学;2015年

10 马亮;降水点分类预测方法研究[D];中国地质大学(北京);2015年

，

本文编号：520396