一种基于Multi-SVM的华东地区地震前兆模式识别及预测方法的研究与探索.pdf
《一种基于Multi-SVM的华东地区地震前兆模式识别及预测方法的研究与探索.pdf》由会员分享,可在线阅读,更多相关《一种基于Multi-SVM的华东地区地震前兆模式识别及预测方法的研究与探索.pdf(6页珍藏版)》请在咨信网上搜索。
1、以华东地区1 9 7 0 年以来的地震目录为研究对象,基于Multi-SVM技术,对原始地震目录的样本空间进行预处理。通过分组,在每个分组上计算测震学指标,将样本空间映射至特征空间,采用多分类SVM技术对其进行相关的前兆模式挖掘,并在测试集上进行了回溯性检验。实验结果表明,当一段时间内的地震频次较为稳定时,前兆模式挖掘的结果将更为准确。关键词:SVM技术;华东地区;地震前兆中图分类号:P315.99文献标识码:A文章编号:1 0 0 5-5 8 6 X(2023)01-0054-060引言近年来,研究结果表明,地震前兆异常与未来地震之间具有较强的非线性关系,很难通过某种解析表达式进行表达。因此
2、,需要从海量地震日志中,综合运用统计学、物理学和计算机科学的方法进行地震前兆模式的挖掘,以此探讨地震前兆异常与未来地震发生之间的关系。支持向量机,作为一种具有高度自适应能力并且能够有效刻画非线性关系的数学模型被引入地震预测研究的领域。此类方法最重要的优势在于能够很好地建立起输人与输出之间的非线性不确定复杂关系,一些地震领域的研究学者就此开展了一系列卓有成效的工作。王炜等首先使用该方法,对我国大陆强震活动的时间序列与全球的强震活动、太阳黑子活动之间的关系等进行了研究。蒋淳等使用该方法在地震综合预测方面进行了有益的探索2 。李志雄等应用该方法对中国西南地区、华北地区年度地震活动强度进行了预测3。武
3、安绪等利用该方法和中国大陆中强地震前兆异常建立了中国大陆中强地震前兆综合预测模型,该模型的内符检验预测结果与实际震例的地震震级基本一致,取得了良好的应用效果4。2 0 1 4年卫定军等人基于支持向量机方法构建了多种地震前兆异常的地震综合预测模型,探讨了该方法在宁夏地震综合预测中的应用5 。鉴于支持向量机在地震预测领域较好的研究基础,在总结华东地区2 0 世纪7 0 年代以来至今的地震目录的基础上,以该区域1 9 7 0 年1 月2006年7 月实际发生的地震实例为训练样本,采取特征提取的方法对地震样例进行预处理,构造Multi-SVM的样本集,以期发现上述研究区域内的地震前兆模式。通过对2 0
4、 0 6.0 7 2 0 2 2.0 8 间该区域实际的震例进行检测,其结果表明使用Multi-SVM挖掘出的华东地区地震前兆模式能够较好地描述该区域地震活动与前兆之间的非线性关系,进一步说明该方法在地震预测领域有较好的应用前景。1支持向量机(SVM)技术1.1SVM技术支持向量机(SupportVectorMachine,S V M)是一种监督学习模式下的数据分类、模式识别、回归分析模型。SVM在统计学习理论的VC维理论和结构风险最小化的基础上,根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精收稿日期:2 0 2 2-1 0-1 5基金项目:安徽省地震局科研合同制项目(项目编号:2
5、 0 2 2 0 1)资助。作者简介:陈锡晶(1 9 8 4一),男,安徽滁州人,工程师,主要从事地震监测预报研究。E-mail:9 5 6 46 2 8 3 q q.c o m。期陈锡晶,等:种基于Multi-SVM的华东地区地震前兆模式识别及预测方法的研究与探索第55度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折衷,以求获得最好的泛化能力。1.2Multi-SVM技术传统的SVM技术只能用于二分类问题,不能直接将其分类思想用到多分类问题中。在地震模式挖掘中,简单的地震数据样本分为二类问题往往掩盖了其中的重要模式结构,因此将地震模式挖掘问题看成是一个多分类问题具有更重要的现实意
6、义,利用SVM技术建立多分类方法是当前SVM领域的一个研究热点。首先,我们对多分类问题做一个统一的描述:给定一组训练样本,这些样本包含了N个类别(x i,y i),(x 2,y),(,y),其中x,R,i=1,.l,且y;E1,2,.N,通过对样本进行训练学习,找到最优的分类函数,进而利用该分类函数对未知的样本所属类别进行判断,使得误差率达到最小。其次,在具体实现Multi-SVM时,我们采用了最常用的Onea g a i n s t o n e(O A O)方法。具体而言,对一个N分类问题,OAO方法在任意两样本类之间学习一个SVM子分类器,总共需要0.5N(N-1)个分类器,每个子分类器的
7、生成依赖于训练样本中对应的两类数据,从而实现对N类问题中任意两类的区分,进而组合所得的所有子分类器就构成一个OAO的Multi-SVM。最后,在完成Multi-SVM分类器构造之后,在决策阶段,一般采用“投票法”对未知样本的类别进行判断。假设未知类别的样本,将其依次放人0.5 N(N-1)个分类器进行预测,如果i,j类对应的子分类器输出结果为f,(x)0,则第i类得一票,否则第j类得一票。在对所有分类器全部遍历完成后,得票数最多的类别确定为未知样本x所属类别。Class1(Ms5.0)Class1Class 2Class 2(5.0=Ms5.5)Class3Class1采用投票法(5.5=Ms
8、6.0)Class3将投票最多的类作为识别结果Class 4(6.0=Ms=6.5)Binary-classclassificationSVM图1Multi-SVM模型2Multi-SVM技术在华东地区前兆将Multi-SVM技术用于对华东地区地震活动的分析,即从该区域较为完整的地震目录中提取能够反应地震活动性的常用指标(特征提取),将震级划分为5 类,如表1 所示,构建一个多分类问题,利用Multi-SVM技术挖掘其中潜在的前兆模式,以期从新的视角去探索该区域地震活动的内在规律,为全省的地震趋势会商提供有价值的决策持。表1震级划分震级区间Ms6.5所属类别12345地原震高第3 5 卷56采
9、用安徽省地震台网的数据,选取华东地区(2937 N,1 1 31 2 4E)1 9 7 0 年1 月 2 0 2 2年8 月地震目录(HD201)作为研究对象,其中最大震级M6.4,由于把2.5 级以下的地震用进来以后效果不理想,所以我们就逐渐提高震级下限,最终找到一个样本量和效果平衡的级别为2.5 级,所以震级下限定为M2.5。实验分以下几个步骤进行。2.1数据预处理及特征提取本文主要探讨华东地区历史地震记录中存在的前兆模式与可能发生的地震之间的关系,为了构建一个用于MultiS V M 的输人训练集,我们以14天为单位对原始的地震目录进行划分,并选取这1 4天中的最大震级作为训练集中的一个
10、样例,并依据图2 将其划分到对应的类别中。考虑可能存在的影响地震的多种因素,并借鉴了众多研究者的工作,结合我们自已大量的实验验证,对这14天中的最大震级,我们选择了b值(6),能量均方差(dE),震级变异系数(C)等三个测震学参数作为特征来刻画,并作为Multi-SVM的输人参数。具体步骤如下:1.对原始地震目录进行分组。以1 4天为一组,为了便于对第一组数据的处理,取前5 0 条记录为初始组,记为Go,以后每1 4天为一组,记为1 Gi,G 2,Gk,总共分为K组。对第i组G;,取其中的最大震级MaxM;,对应的类标签C;,对该组地震记录,我们分别计算对应的b;,能量均方差/dE;,震级变异
11、系数C,等三个测震学参数。2.测震学参数的计算过程。参考Adeli和Florido等人6-7 提出计算公式,如下所示:0.4343(1)二M-Mfinal-finl-5i-1Num(MaxM;)-1dE,=V104.8*10(1.5*SumdE)SumdE=dE,(2)mm=1Std(Mfinal-final-51(3)MNum(MaM,)-.um(MaxM,)-5其中M是原始地震目录中所有震级的平均值,图2 给出上述的计算过程。Group1Group250events4-dayperiod14-dayperiodEmEm+1Em+2Em+3Em+4Em+5EpEp+1Ep+2Ep+3Ep+4
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 基于 Multi SVM 华东地区 地震 前兆 模式识别 预测 方法 研究 探索
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。