中国西南地区强震预测的支持向量机方法

以太阳黑子数、地球自转速率变化数据和全球7级以上地震个数作为预测因子,使用支持向量机分类方法建模,预测了中国西南地区年度地震强度,预测效果较好,说明此方法有一定的实用性。     

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。     

中国大陆强震时间序列预测的支持向量机方法

统计学习理论（Statistical Learning Theory或SLT）是研究有限样本情况下机器学习规律的理论。支持向量机（Support Vector Machines或SVM）是基于统计学习理论框架下的一种新的通用机器学习方法。它不但较好地解决了以往困扰很多学习方法的小样本、过学习、高维数、局部最小等实际难题，而且具有很强的泛化（预测）能力。文中使用支持向量机对中国大陆最大地震时间序列进行预测，预测次年的我国大陆最大地震震级，结果表明该方法具有较好的预报效果。研究结果还表明我国大陆强震活动除了与强震时间序列本身有关外，还与全球的强震活动、太阳黑子活动等有密切的关系。尽管这种关系还不清楚，但是通过支持向量机可以很好地反应出这种非线性关系。     

我国大陆强震预测的支持向量机方法

统计学习理论是研究小样本情况下机器学习规律的理论. 支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法. 它不但较好地解决了以往困扰很多学习方法的小样本、过学习、高维数、局部最小等实际难题,而且具有很强的泛化（预测）能力,其预测效果通常优于人工神经网络. 我国大陆强震与全球主要板块边界的强震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. 尽管这种关系还不清楚, 但是通过支持向量机可以很好地进行建模, 并对我国大陆强震进行预测.      

基于EMD的中国大陆强震活动特征分析

利用EMD方法对中国大陆年度最大地震时间序列进行逐级分解, 得到5个本征模态函数(IMF)项和1个趋势项, 分析了各个IMF分量不同的周期成分同地球自转速度变化、 太阳黑子活动和潮汐运动等环境因子之间的相关关系, 初步探讨了各个IMF分量的物理机理及其对中国大陆地震活动的影响。     

全球及中国大陆强震时序活动特征

基于强震目录,讨论了全球、中国大陆西部及周边“大三角地区”和中国大陆地区强震活动时序特征。依据8级地震分段活动特征分析认为,20世纪60年代前后全球特大地震活动状态存在显著差异;利用最优分割统计分析认为,自1800年以来“大三角地区”经历了持续时间为100余年的8级地震活动过程;进一步分析认为全球和“大三角”地区强震活动可能具有至少百年尺度的地震“周期”,而且具有一定的准同步性。中国大陆地区MS≥7.0浅源地震活动明显受控于“大三角”地区和全球更大空间尺度的地震活动,地震活动时序上表现为十几年和近百年不同时间层次上的活动特征。     

中国大陆强震组的预测研究

地震活动图象无论在时间上还是在空间上都具有层层嵌套的自相似结构。我国大陆地区强震预报的基本程式是，在空间上由大到小，在时间上由长到短，逐步逼近地进行。与地震系统的层次结构大体相应。但是当对各个重点危险区作判定时却是彼此孤立进行的。对于已发生的强震的意义缺乏足够分析。本文根据强震成组的基本特点及前兆异常中存在地震组异常的基本事实，提出了地震组预测的原则和基本方法。     

中国大陆7级强震预测

１９８８年以来,中国大陆发生了４次７级强震,作利用可公度性计算和评估函数及川滇强震特征等方法,对这４次强震作出了较好的预测,长期的研究实践表明,地震发生的时间,地点在一定区域内呈现出某种韵律特征,地震的可公度性能表述这种韵律特征,特别在活动期间,利用内可公度计算预报６－７级的地震应是一种较好的方法。     

应用全球九个区域的大震预测中国大陆强震

在一年尺度内,全球有九个区域的大震(M_s≥7 3/4)与中国大陆强震(M_s≥7.0)对应的次数较高,总的大震对应率达85.5％,二者相关性较好,因此,可根据这九个区域发生的大震预测中国大陆将要发生强震的概率,作为预报中国大陆地震趋势的一种方法。文中对一些现象做了定性解释。     

Support vector machine method for forecasting future strong earthquakes in Chinese mainland

Statistical learning theory is for small-sample statistics. And support vector machine is a new machine learning method based on the statistical learning theory. The support vector machine not only has solved certain problems in many learning methods, such as small sample, over fitting, high dimension and local minimum, but also has a higher generalization （forecasting） ability than that of artificial neural networks. The strong earthquakes in Chinese mainland are related to a certain extent to the intensive seismicity along the main plate boundaries in the world, however, the relation is nonlinear. In the paper, we have studied this unclear relation by the support vector machine method for the purpose of forecasting strong earthquakes in Chinese mainland.     

中国大陆强震时空关联特征及应用

根据我国大陆强震成组活动的特征,以强震诱发和成组孕育理论为基础,对我国近30年以来的强震进行At值扫描,并对其作出了系统分析和R值评分,据此对我国地震大形势进行了一定程度的预测。     

支持向量机方法在地震短期预测中的应用

支持向量机方法是基于统计学习理论提出的一种机器学习方法,在处理小样本、非线性问题方面有着很强的优势。而地震的孕育发生过程是一个复杂的非线性动力学系统,地震数据时间序列的变化更呈现非线性、不规则等特征。本文系统地分析了天津及其周边地区多种前兆现象,选取反映2至3个月短期情况的前兆测项,使用支持向量机分类方法建立地震综合预测模型,初步结果表明这种方法在地震短期预测中有一定的应用前景。     

支持向量机方法在地球物理学中的应用与展望

支持向量机方法是基于统计学习理论的新一代学习算法,在解决小样本、非线性和高维模式识别中表现出很多特有的优势。通过支持向量机分类的原理,以及在地震勘探、油气储层预测、大地电磁和地震监测中的应用现状进行简要的综述,说明此方法在地球物理学研究中是有效的。随着支持向量机方法不断完善和改进,在地球物理学中的应用前景将更加广泛。     

支持向量机在地震综合预测中的初步应用

统计学习理论是一种专门研究小样本情况下机器学习规律的理论,在其基础上发展的支持向量机学习方法能较好地解决小样本、非线性、高维数、局部极小点等实际问题,并已在函数逼近、模式识别、信号处理、时间序列分析和预测等领域得到了广泛应用.本文将支持向量机方法引入具有非线性特征和复杂孕震系统的地震综合预测领域,以华北地区(30°～42°E,108°～125°N)为例,基于地震活动参数研究从有限的地震样本中挖掘更多有效的地震信息,探索地震统计综合预测的新途径.     

印尼MS8.7地震对中国大陆3次后续中强地震的动应力触发研究

印尼8.7级地震发生后,在不到2个月时间内,在中国大陆相继发生了3次后续中强地震(2004年12月26日云南双柏MS5.1地震、2005年1月26日云南思茅MS5.1地震、2005年2月15日新疆乌什MS6.2地震),印尼地震和这3次后续地震是否存在触发关系?计算了印尼地震在3次后续地震破裂面上的动库仑应力变化和静库仑应力变化。静应力变化量小,低于一般认为的触发阈值(0.01 MPa);动应力变化峰值为10-1MPa,可能是这3次后续地震的触发因素。     

中国大陆地区强震活动特征统计

从时空展布和应变积累释放角度,对中国大陆及大陆西部和东部地区地震活动进行分析,认为青藏高原地震区是中国大陆强震活动主体区域,在目前空间格局不发生改变的情况下,巴颜喀拉地块区及边界、川滇地区是强震活动主要场所的可能性较大;其次为新疆地震区,其强震主体区域依次为南天山与西昆仑交汇区、阿尔泰地区、南北天山地区;中国大陆东部目前可能处于第2轮回后剩余释放阶段或可能已进入第3个轮回的应变积累阶段,总体应变积累水平较低,发生强地震的可能性较小,若进入活跃期,华北地震区应是M≥6.0地震活动的主体区域。     

印尼苏门答腊8.7级大震对中国陆区的影响

发生在2004年12月26日的印尼苏门答腊8．7级地震，是全球有地震台网以来100多年中记录到的少数几次特大地震之一。初步汇集了在中国陆区观测到的地震活动、地壳形变、地下流体等多学科震时和震后效应的异常变化，包括地震活动性（特别是云南地区）的显著增强；地壳形变观测，尤其是钻孔应变观测记录到地壳应力-应变的震时和震后显著变化，以及地下水温度、化学成分、特别是水位的突出变化。同时，还从库仑破裂应力触发、动态应力触发以及下地壳和上地幔流动变形机制等方面，对这些大震效应作了一些成因机理讨论。     

Assessment of strong earthquake risk in the Chinese mainland from 2021 to 2030

The long-term earthquake prediction from 2021 to 2030 is carried out by researching the active tectonic block boundary zones in the Chinese mainland. Based on the strong earthquake recurrence model, the cumulative probability of each target fault in the next 10 years is given by the recurrence period and elapsed time of each fault, which are adopted from relevant studies such as seismological geology, geodesy, and historical earthquake records. Based on the long-term predictions of large earthquakes throughout the world, this paper proposes a comprehensive judgment scheme based on the fault segments with the seismic gap, motion strongly locked, sparse small-moderate earthquakes, and apparent Coulomb stress increase. This paper presents a comprehensive analysis of the relative risk for strong earthquakes that may occur in the coming 10 years on the major faults in the active tectonic block boundary zones in the Chinese mainland. The present loading rate of each fault is first constrained by geodetic observations; the cumulative displacement of each fault is then estimated by the elapsed time since the most recent strong earthquake.