以模式识别方法提取后续最大地震预测的综合指标

以模识别的ＣＯＲＡ－３方法对４２具有较大后续余震的序列分两类进行识别。从中提取了使用Ｍ１后１ｄ的序列资料判断２－６０ｄ内是否有可能发生后续大震的综合指标，经检验，该指标正确识别率可达９５％，且按为简单实用，可用于大震现场的地震趋势估计，同时给出了在Ｍ１以后２－６０ｄ不同时间段内最大后续地震的发生概率。     

地震序列类型早期判断的可能性

详细讨论利用地震现场提供的１天、３天和７天观测资料，预测地震序列类型和最大强余震震级的可能性和现实性。４７个Ｍ≥６．０地震的地震序列实例检验表明，利用７天内的观测资料，准确率可达到８５．１％。因此，使用ｂ值横截距法有可能在早期预测最大强余震的震级并判断地震序列的类型。     

地震序列类型预测的遗传程序设计方法

提出预测地震序列类型的遗传程序设计方法,并选取一组实例作为研究对象,验证了该方法的可靠性．结果表明,遗传程序设计方法性能良好,可望成为地震序列类型预测的有效工具．     

分形方法在地震序列类型早期判别中的应用

着重讨论了地震序列的空间分布随时间变化的特性，利用分形方法提取大震后余震的空间分维信息，从而达到早期判别地震序列类型的目的。以１９６６年以来定位精度较好、余震记录较全的１２个７级以上大震和大同６级强震序列为资料，计算了震后１个月内余震随时间变化的空间分维数。结果发现，不同类型的地震序列分维数不同。一般震后５－６天，主震型序列的分维数在１．１－１．２之间，多震型序列的分维数在１．３以上。利用前７天的     

新疆中强地震序列类型及其早期判断

地震发生后,首先是尽早地判断震型,以判断未来大震发生的可能性及地震活动的发展趋势。本文对1970—1987年新疆大部分中强地震的序列进行了震型判断和震型的早期判断,以求找出新疆地震序列类型的判断指标,为快速判定震型,预报震后序列发展趋势提供依据,并通过震型判断的分析研究找出新疆地震序列类型的基本特征。     

基于SVM的地震序列类型早期预测研究

在Matlab环境下,通过构造SVM,建立地震序列特征参数与序列类型之间的一种非线性映射关系对地震序列类型进行早期分类预测。依据我国1970年以来的MS≥5.0地震序列资料,使用SVM对震后1、2、3、5、7天5个时间尺度的地震序列类型进行早期预测,识别效果较好,处理速度快,具有较强的实用性。     

地震序列的后续显著地震的预测研究

研究了我国大陆37次6级以上地震序列的后续显著地震的时间分布特点及其跟踪预测方法．结果表明:跟踪地震序列应变释放随时间的变化是预测后续显著地震的一个重要途径；而对于超晚期强余震的预测，则需要从区域地震活动性分析着手．      

不同地震序列类型的早期特征

本文研究了不同地地震列类型的早期特征。得到了利用地震序列第一天特征来判别地震类型的两个指标：地震频度Ｎ和震级级差△Ｍ。研究结果表明，这两项指标简单明了，使用方便，且具有较好的判别效果，对地震现场工作具有一定的意义。     

利用模式识别方法进行地震短期综合预报的初步探讨

以乌鲁木齐及其附近地区多项前兆监测手段的系统性震例总结资料为基础,根据地震短期综合预报的特点,对利用模式识别方法进行地震短期综合预报的可能性做初步探讨。结果表明,利用模式识别方法进行地震短期综合预报具有明显的现实意义。     

震级变异系数与地震序列类型、 性质的统计物理特征和早期判定方法的研究

根据G-R公式和非线性动力学观点, 在分析不同类型地震序列震级分布细结构基础上, 提出用震级变异系数δ_m、 b值和震级熵H(m)、 马尔柯夫链理论值h和信息量维数D₁等统计量, 来综合描述和界定不同类型、 性质的地震序列; 同时对截止震级问题、 b值、 平均震级m、 h和D₁等统计物理含义进行了探讨。 认为δ_m、 b值和H(m)及其与理论指数分布的震级熵H(∞)的差值ΔH(m)相结合将有助于区分前震序列、 前兆性震群和各种不同类型(主-余震型、 震群型、 孤立型)地震序列, 并且可以对这些类型进行早期判断。     

地震序列震级结构的特征研究

通过对严格选取的我国大陆1965年以来的108个地震序列震级结构特征的研究,分析了大多数地震序列震级结构不符合古登堡-李克特(G-R)关系的原因,提出了分段拟合地震序列震级结构的方法,并着重研究了分段拟合震级结构在大震级段的特征值．其中特征震级百分比 f 和大震级段斜率b2的特征意义最为显著,它们对于不同类型的地震序列是有差别的．结果表明,有52.8%的地震序列震级结构的N-M图象在不到80%最大震级处开始不符合G-R关系,而且只有18.5%的地震序列震级结构在大震级段N-M关系呈下降趋势．当b2＜0或0b2＜3.0而 f 又较小时,地震序列除主震外强震发生得较少;当b23.0时,地震序列往往伴有多次强震发生;当0b2＜3.0而 f 又较大时,地震序列除主震外,比主震小一些的中等地震发生得较多．      

以模式识别方法提取南黄涨地区中强地震前地震学综合异常信息

以模式识别的ＣＯＲＡ－３修改算法,使用历史有感地震和现代相应的地震资料,对南黄海地区中、强地震前地震学异常信息进行了尝试性提取,初步确定了其综合预报指标和规则。结果表明,该方法内符和外推检验效果较好,可试用于该区中、强地震发生时间的中期预报。     

模式识别在强余震等早期综合判别中的应用研究

本文利用所收集到的２９个６级以上地震序列，探讨将模式识别ＣＯＲＡ－３算法用于５级以上强余震或震群或再发生更大地震的前震－主震－余震型地震序列早期综合判断的可能性及具体方法。文中参与学习和训练的２５个地震序列中，８个Ｉ类序列全部被正确识别，１７个ＩＩ类序列中有１６个被正确识别，只有１个被误判为Ｉ类，预报评分Ｖ值达０．９２。对于留作外推的４个地震序列中，２个ＩＩ类序列全部被正确识别，２个Ｉ类序列，１个     

唐山和澜沧地震序列震源区应力场的对比分析

以唐山地震序列167次MS4地震的震源机制和澜沧地震序列163次中小地震的震源机制为基本资料，系统分析了各自震源区应力场的状况．结果表明，震源区应力场的方向稳定，没因发生强震序列造成显著的改变．余震机制解的优势空间取向与主震机制解相近，受主震及强余震影响，部分余震机制解有所偏离，但偏离程度随时间减小．唐山和澜沧序列中优势取向的机制解占全部解的比例相当，暗示构造应力场对强震序列的控制作用大体相同．经震源机制的聚类分析发现，唐山较澜沧序列类型多、取向分散，分析认为是唐山地区参与活动的构造比澜沧地区参与活动的构造复杂所致．      

地震序列类型预测的人工神经网络方法

本文提出预测地震序列类型的人工神经网络方法，并选取一组实例作为研究对象，验证了该方法的可靠性。结果表明，人工神经网络方法性能良好，可望成为地震序列类型预测的有效工具。     

以模式识别方法提取南黄海地区中强地震前地震学综合异常信息

以模式识别的 CORA— 3修改算法 ,使用历史有感地震和现代相应的地震资料 ,对南黄海地区中、强地震前地震学异常信息进行了尝试性提取 ,初步确定了其综合预报指标和规则。结果表明 ,该方法内符和外推检验效果较好 ,可试用于该区中、强地震发生时间的中期预报     

震后趋势早期判断的初步研究

本文系统清理了云南及邻近地区1965年以来106个地震序列,对h、b、K、U、等值的震后趋势早期(7天以内)判断指标和预报能力;双震型序列中h、b值的联合早期判断;前震、多震型序列的地震波特征等方面进行了初步研究,并将权重集成法应用于地震序列的早期综合判断中,提取了各单项方法的权重系数和权重集成值的临界阈值。     

青海东北部中强地震序列类型及特征研究

１９７０～１９９９年青海东北部发生Ｍｓ≥５．０地震序列２２个。通过分析发现,主一余型地震序列９个,约占序列占总数的４１％,孤立型序列８个,约占序列总数的３６％,前－主－余型序列３个,约占序列总数的１３％,双震（前－双主－余）型序列２个,约占序列总数的１０％。这些序列分属３个不同的地震带,地震的频率,强度及序列类型在各个地震带表现不一,各具犍色,此外还分析了序列早期（０．５、１、２、３、４、５、７天）及全序列的特征参数ｂ值、ｕ值、ｈ值、ρ值的变化过程,认为ｂ值和ｕ值的变化对该地区震序列类型的早期判断有一定参考价值。     

2010年玉树7.1级地震序列时空演化特征及早期趋势判断

本文利用青海地震台网获得的观测资料对玉树地震序列的时空演化特征进行分析和研究, 结果认为M_c选取M_L1.1能较好的刻画玉树地震序列的时空特征, 其地震序列在时间上呈现三个密集和衰减阶段, 在空间上具有分段集中分布的特征, 并主要分布在主震震中的西北端、 主震震中附近和主震震中东南端。 采用类比、 b值和h值等探讨了早期趋势判定问题。