用小波变换和最小二乘支持向量机方法预测华南地震区年度最大地震

应用小波变换和最小二乘支持向量机（LSSVM）相结合的方法（小波-LSSVM）预测华南地震区年度最大地震。先用小波变换将地震序列分解成不同尺度水平（频率段）的子序列，再用LSSVM方法分别对各子序列建模预测，最后重构各子序列的预测结果并得到最终预测结果。经与周期图方法和LSSVM预测方法比较研究表明：模型输入量中包含地球自转速率变化的小波-LSSVM方法预测效果很好，可以用于华南地区年度最大地震预测研究，且地球自转变化与华南地震时间序列的低频部分（趋势）和高频部分（短期变化）之间存在很强的、互不相同的非线性关系。     

主成分分析法和遗传算法优化的支持向量机模型在地震伤亡人数预测中的应用

为有效解决地震伤亡人数预测所需影响因子多、 运算量大、 模型训练烦琐等问题, 构建了主成分分析法(PCA)和遗传算法(GA)优化的支持向量机(SVM)模型, 采用PCA对地震伤亡人数影响因子进行降维以去除贡献率较低的主成分, 将贡献率较大的主成分作为支持向量机的输入变量, 以地震伤亡人数作为输出变量, 利用GA对SVM模型性能参数进行优化, 建立基于PCA-GA-SVM的地震伤亡人数预测模型, 并对测试样本进行预测, 结果表明: 与SVM模型、 GA-SVM模型和PCA-GA-BP模型相比, PCA-GA-SVM模型的预测准确率和运行效率分别提高 4.73%、 1.14%、 9.99% 和47.05%、 36.76%、 44.55%。结果显示, PCA-GA-SVM模型预测精度高, 泛化能力强, 能够科学合理地对地震伤亡人数作出预测。     

利用支持向量机和高斯过程回归测定水库诱发的地震(英文)

水库诱发地震震级(M)的预测是在地震工程中的一项重要任务。本文采用支持向量机(SVM)和高斯过程回归(GPR)模型根据水库的参数预测了水库诱发地震震级(M)。综合参数(E)和最大的水库深度(H)作为支持向量机和高斯过程回归模型的输入参数。我们给出一个方程确定水库诱发地震震级(M)。将本文开发的支持向量机和建立的高斯过程回归方法与人工神经网络(ANN)方法相比。结果表明,本文研发的支持向量机和高斯过程回归方法是预测水库诱发地震震级(M)的有效工具。     

基于最小二乘支持向量机的城市桥梁震害预测模型研究

针对地震中城市桥梁震害状态具有较强的非线性、复杂性的特点,采用了具有RBF核函数的最小二乘支持向量机(LS-SVM)算法。在大量收集我国地震中城市桥梁震害资料的基础上,将此算法引入桥梁的震害预测中,选取了地震烈度、上部结构、地基失效程度、支座类型、墩台高度、桥梁跨数和场地类别等因素作为模型的特征输入向量,建立了最小二乘支持向量机的桥梁震害预测模型。通过反复地样本训练及模型参数设置,仿真结果表明,该方法具有一定的准确度和可行性。基于最小二乘支持向量机的桥梁震害预测方法是一种可以用于地震中桥梁震害预测的良好方法。     

基于支持向量机的砂土液化预测分析

将支持向量机方法应用于砂土地震液化预测问题.考虑影响砂土液化的因素,选用震级、标贯击数、相对密实度、土层埋深、地震历时、地面运动峰值加速度和震中距7个影响因子作为液化判别指标,建立了砂土液化预测的支持向量机模型.以砂土液化实测数据作为学习样本进行训练,建立相应函数对待判样本进行分类.研究结果表明:支持向量机模型分类性能良好,是砂土地震液化预测的一种有效方法,可以在实际工程中进行推广.     

地震前兆综合预测支持向量机模型研究

该文介绍了支持向量机算法的原理与回归方法。 采用支持向量机中的非线性回归算法与理论公式产生的多维样本, 对其进行了数值仿真实验。 利用该方法和地震前兆异常建立了最佳地震综合预测模型, 对获得的最佳模型进行了内符检验, 得出最佳模型的预测结果与实际震例的地震震级基本一致。 综合分析认为, 支持向量机无论在学习或者预测精度方面不但具有很大的优越性和具有较强的外推泛化能力, 而且基于支持向量机回归算法建立的地震前兆综合预测模型是可行的, 其获得的知识可较为准确地实现对主震震级的综合预测。     

基于RS与PSO-LSSVR的地震伤亡人数预测

通过对地震伤亡资料的综合考察研究,本文构建了影响地震伤亡人数的指标集,利用粗糙集理论约简此指标结构,建立最小二乘支持向量回归机预测模型预测伤亡人数,并用粒子群优化算法对模型参数进行优化。最后,将模型运用于云南地震伤亡人数预测,结果和RS-BP神经网络预测模型对比分析,验证了该模型预测的有效性。又将模型应用于芦山和玉树地震死亡人数的预测,验证了模型的适用性。实验结果表明该模型能在地震发生后,给决策者提供人员救护、安置以及应急物资供应、统筹调度的有效依据。     

预测华北地区年度地震趋势的支持向量机分类方法

以太阳黑子数、地球自转速率变化数据和全球7级以上地震应变释放量作为预测因子,使用支持向量机分类方法建模预测中国华北地区年度地震强度,预测准确率为0.93,表明该方法具有较好的预测效果.     

基于小波变换和支持向量机的中国大陆强震预测

将小波变换和支持向量机用于中国大陆年度最大地震震级预测。 先用小波变换把中国大陆年度最大地震序列分解成几个不同尺度水平(频率)的子序列, 然后使用支持向量机对分解后的子序列分别进行预测, 最后通过重构几个子序列的支持向量机预测结果得到最终预测结果, 预测次年中国大陆最大地震震级。 与支持向量机和神经网络方法对比, 结果表明小波变换和支持向量机相结合方法具有更高的预测精度, 预测效果很好, 说明此方法可用于地震时间序列预测。     

基于PCA-GSM-SVM的地震伤亡人数预测

针对影响地震伤亡人数的评价指标数量较多且各指标之间存在着复杂的非线性关系,运用机器学习理论,提出了基于支持向量机(Support Vector Machine)的地震伤亡人数预测模型;首先利用主成分分析法(Principle Component Analysis)对7个地震死亡人数影响指标进行数据降维,然后对提取出的主成分进行归一化处理,将归一化的主成分数据作为预测模型的输入向量,将地震伤亡人数作为预测模型的输出向量;以27个地震伤亡实例作为学习样本进行训练,运用网格搜索法(Grid Search Method)寻优获得最优支持向量机参数,最终建立基于PCA-GSM-SVM的地震死亡人数预测模型,并对5组样本进行死亡人数预测。结果表明:PCA-GSM-SVM模型的最小误差、最大误差和平均误差分别为5.12%、15.7%和9.16%,其平均误差相比于GSM-SVM模型和SVM模型分别降低6.51%和7.11%,因此PCA-GSM-SVM模型预测精度较高,可在工程实际中推广。     

地震拟合优度在青海中强地震预报中的应用

运用地震拟合优度的计算公式,对青海省中东部的6个ME≥6．0地震从震前数年开始进行地震拟合优度计算,发现这6个地震震前一段时间地震拟合优度都有一定程度的下降。再对共和7．1级地震震中附近一定区域内的地震进行拟合优度计算,进而提取震中周边300kmME≥5．8以上地震的中期预报指标。并对这一指标进行预报水平评分。结果表明,这一方法对共和地震震中胤边300km ML≥5．8以上地震的中期预报有一定的应用价值。另外,对拟合优度计算参数的选取进行分析,确定了最优的计算参数。     

地球物理探测卫星数据分析处理技术与地震预测应用研究项目及研究进展

地震监测预警和预测预报是当前地球科学及相关学科所面临的最艰巨的问题之一,是关系到人类社会安全与国计民生的亟待攻克的科学难题.为进一步提高地震预测科学研究水平,推进地震监测预测能力建设,我国于世纪之交提出了建立地震立体观测体系的战略发展思路,并希望突破三维地球物理场获取能力瓶颈,发展地球多圈层耦合模型,通过卫星观测获取全...     

提高年尺度地震预报成功率的新思路

通过回顾甘肃省近20多年的地震预报工作,发现年尺度地震预报成功率不足8％。分析了年尺度地震预报成功率低下的原因和提高年尺度地震预报成功率在实现具有减灾实效地震预报的目标中的重要意义。最后提出了在对甘肃及邻区地震构造环境、地球物理场和地震资料搜集、整理和分析的基础上,探讨其与强震活动的关联性,寻找地震发生的时、空、强分布规律,建立具有明确构造物理含义的地震预测模型,先进行长期地震危险性分析,再开展年尺度的地震跟踪预报的新思路。沿用这一思路,预期可以减少虚报,进而提高年尺度地震预报成功率。     

川滇地区地震动预测模型及其对2021年漾濞6.4级地震的适用性

随着川滇地区强震记录的不断增加,为了建立更符合该区域地震动特征的预测模型,文中基于该区域现有的地震动数据,通过随机效应回归模型建立适用于川滇地区的地震动预测模型;2021年5月21日,云南省大理州漾濞县发生6.4级地震,为了分析文中预测模型对漾濞地震的适用性,首先根据预测模型的适用范围选取合适的漾濞地震数据,计算真实记...     

基于MATLAB工具箱的地震预测模型

地震分析和预测对未来地震趋势有一定预见性。本文建立了基于MATLAB工具箱的地震预测模型,通过建模、局限性分析,认为多元线性和非线性回归方法不适合地震预测,基于BP神经网络的方法在地震预报中有一定应用价值。     

历史地震资料与地震的中长期预测

故障诊断模型的基本内容是根据动态系统的外部特征来判断系统内部是否发生故障及确定故障发生的部位、时间和大小。由于故障诊断技术在监测及诊断故障的思路上和地震预报有很多相似之处，因此，把故障诊断技术应用于地震预报是可行的。由于该模型与其他数学模型一样，需要有较多的学习过程，所以历史地震资料在该模型中有重要作用。而其中的鲁棒性故障诊断模型在抑制各子模型的个性，凸现其共性方面有其特有的性质，所以把它作为一种综合模型，能抑制各子模型的个性，突出在地震预测方面的共性，从而提高预测的精确性。本文根据一个实例，说明了这种综合性模型的可行性。在文章的最后，由信息量的分析，说明了模型的鲁棒性特征。     

遗传神经网络在烈度评估中的研究与应用

准确判定极震区烈度是震后应急工作高效开展的重要基础。收集1966—2017年发生在中国大陆地区M_S 5.0以上有详细烈度记录的地震事件322例，选取与极震区烈度有关的7个因子进行主成分分析，将提取的主成分确定为BP神经网络的输入，极震区烈度为输出，在遗传算法优化的基础上，构建用于极震区烈度预测的BP神经网络模型。结果显示，与传统模型相比，神经网络模型在预测误差分布、精度和预测结果正确率等方面都具有明显的优越性。     

基于MATLAB的BP预测模型在地震前兆预测中的应用研究

依据神经网络理论,基于MATLAB的神经网络工具箱建立了一个BP神经网络预测模型,并通过对陕西省地震前兆数据的预测分析来检验模型的效果,实验结果证明该模型用于地震预测的可行性,操作简单灵活,直接面向用户。具有很好的应用价值。     

如何正确使用地震的震级

震级是表示地震自身大小的一个量,是地震的基本参数之一,正确使用震级,对于科学研究、地震预报、地震应急等工作至关重要。本文从震级的发展过程、震级的单色性、震级统一的不可行性、震级转换的危害性、震级优选的科学性等方面,论述了震级的使用方法,以便技术人员和管理人员在实际工作中能够正确地使用地震的震级。