GSM-SVM在地震震级预测中的应用

针对地震震级影响因子众多且关系重复等问题,为合理预测地震震级,提出了基于网格搜索法优化支持向量机(support vector machine,SVM)的地震震级预测模型。选取地震累积频度、累积释放能量、b值、异常震群个数、地震条带个数、活动周期和相关区震级等7个影响因子,利用主成分分析法(principal component analysis,PCA)去除因子间的冗余信息,降低输入维数,并利用网格搜索法(grid search method,GSM)确定SVM参数C和g,建立震级预测模型,并对测试样本进行预测,与遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm optimization,PSO)预测结果相对比,结果表明:PCA-GSM-SVM模型预测结果平均相对误差为1.29%,具有较高的预测精度。

利用地震震级样本数据验证PCA-GSM-GRNN模型的优越性

针对地震震级与其影响指标之间的非线性问题,提出了基于网格搜索法(GSM)和主成分分析法(PCA)优化广义回归神经网络(GRNN)的地震预测模型。采用PCA对震级影响指标进行维度约简,将降维后的主成分作为模型输入向量,地震震级作为模型输出向量,同时选用GSM寻优GRNN最佳参数,利用学习样本对新模型进行训练,最终构建基于PCA-GSM-GRNN的地震震级预测模型。将PCA-GSM-GRNN模型应用于测试样本,结果显示:PCA-GSM-GRNN模型预测结果准确率相较于GRNN-GSM和GRNN模型分别提高5.03%和5.66%,具有良好的预测效果。

锁固体破裂标志性地震震级与峰值强度点地震震级的统计关系

锁固体变形到膨胀点时,震群事件开始发生,在震群事件中常出现一个或两个震级显著较大的地震,即标志性地震事件.基于孕震断层多锁固段脆性破裂理论与孕震时空区域划分原则,以中国及其边境地区历史强震震例为源数据,得到锁固体破裂标志性地震震级Msc与峰值强度点地震震级Msf之间的统计关系为:Msf≈Msc+0.5.这为依据Msc预测Msf提供了一个简便方法.

龙门山中央断裂分段地震震级及强震复发周期的预测

汶川Ms8.0级地震发生后,对于龙门山发震构造带长期地震危险性评估的研究越来越受到了关注,以定量的、概率性的评估强活动断裂段的地震危险性也成为了近年来国际上研究长期地震预测的方向之一。作者以前人对龙门山中央断裂(映秀-北川断裂)活动构造的研究成果和汶川地震后地表特征的实测数据为依据,在对其进行活动分段的基础上,通过震级-标量参数经验关系式和强震重复间隔计算方法对中央断裂未来地震的可能震级及强震复发周期进行了定量计算,预估了中央断裂的分段地震震级、级联破裂地震震级以及龙门山构造带的强震复发周期。

地震危险性分析中最大地震震级的确定

最大地震的概念被广泛地应用于地震危险性分析研究中．在全球大陆的许多地方，由于缺乏详细的地质调查，已有的地质分析和构造类比等方法的应用面临着困难．本文根据历史地震资料，基于最大历史地震的概念，并引人核函数的基本思想，提出了一种确定最大地震震级的新方法．利用不同的确定最大震级的方法所进行的危险性分析结果的系统对比研究表明，将本文方法应用于地震危险性分析之中是实际可行的．与其他方法相比，该方法不仅适用于地质构造、地表形变等资料缺乏的区域，而且能在一定程度上反映出地震空间上的分形特征．

地震震级预测的相关向量机模型

为了借助容易获取的地震相关因素间接预测地震震级,提出基于相关向量机(Relevance Vector Machine,RVM)方法的地震震级预测模型。通过样本学习建立地震震级与地震累积频度、累积释放能量、平均震级、b值、η值和相关区震级等6个主要影响因素之间的非线性映射关系,利用已知影响因素预测地震震级。结果表明:RVM模型预测结果均优于BP神经网络及SOM-BP神经网络预测结果;通过敏感因子分析比较各因素的敏感程度,b值和η值最为突出,在震级研究中应重点分析。综合分析,RVM模型具有精度高和离散性小等优点,对地震震级预测有较好的推广价值。

基于粘弹库仑应力变化的后续最大地震震级估计及2008、2014年于田2次7.3级地震之间关系的讨论

在前人关于于田地区地壳水平分层模型研究的基础上,结合于田台GPS连续观测资料粗略确定各层的粘滞系数。基于粘弹水平分层模型,分别计算了2008、2014年2次于田7.3级地震的粘弹同震库仑应力变化。基于粘弹库仑应力变化,采用＂直接＂余震频次的计算方法,得到了区域范围内与主震同震库仑应力变化直接相关的理论地震频次。提出了基于理论与实际地震频次对比以及理论与实际地震频次-距离衰减曲线拟合残差对比估计与主震同震库仑应力变化直接相关的后续最大地震震级的方法。不同方法的计算结果显示,与2008年于田7.3级地震同震库仑应力变化直接相关的最大后续地震震级为MS7.2~7.5,而2014年于田7.3级地震的最大后续震级估计为MS6.3。前者与2014年于田地震7.3的震级非常接近。由于震级相同、空间距离较近、时间间隔较短、区域外力作用相同、2次地震构造关联性较强且具有较明确的应力相互作用等,因而认为2008、2014年2次7.3级地震构成一对广义的双震型地震,这与该区域以往序列类型特点相吻合。对震级下限及G-R关系b值对结果的影响进行了初步讨论,结果显示,当粘弹同震库仑应力变化确定之后,震级下限对后续最大地震震级估计影响不大,但G-R关系b值对结果有较大影响。

乌鲁木齐遥测地震台网测定的地震震级偏差初步分析

利用乌鲁木齐台网测定的2001—2003年469次新疆境内的地震,分别与新疆地震局编目结果进行对比,发现乌鲁木齐台网测定的平均地震震级与新疆地震目录给出的地震震级偏差较小,而台网内各子台测定的地震震级与新疆地震目录给出的地震震级相比,有些子台的震级偏差范围较大,有些则相对小些。计算得出乌鲁木齐遥测台网测定的平均震级偏差ΔM=0.104±0.268。

美国地质调查局发布对地震震级的新规定

向政府有关部门和公众提供地震信息是美国地质调查局(USGS)的职责。为了快速发布准确、一致而又便于公众理解的地震大小的估计值,美国地质调查局的地震震级工作组最近宣布了他们对地震震级的规定,所有美国地质调查局的新闻稿。

基于广义帕累托分布的地震震级分布尾部特征分析

大量的地震实际资料分析表明，地震震级一频度关系并非总是满足G—R公式，在许多情况下震级高端或低端出现明显的“掉头”和“摆尾”现象，说明震级分布为负指数分布仅在有限震级区间成立。实际资料特别是强震数据对G-R关系的偏离，一定程度上影响了利用该关系式推测未来强震发生危险性的可信度。

5·12地震震级-累积频度关系的研究

古登堡-李希特提出的震级-累积频度关系，是地震分析统计预报和工程场地地震安全性评价的重要基础理论之一，其合理性被大量实际地震和岩石力学试验所证实。在汶川大地震一周年时，震级-累积频度关系仍是值得深入研究的根本性地震活动问题，本文对其进行了较为深入的研讨。

利用椭圆烈度衰减关系确定历史地震震级与震中

利用地震烈度宏观考察资料即烈度信息点（X，y,I），联立烈度椭圆衰减关系及考虑中心点和方向性的椭圆数学方程，计算地震震中平面坐标（x0，Y0）和震级M，以及椭圆长轴与x轴夹角θ，见方程（1）：

辽宁省及邻近地区较大地震震级的测定方法

本文使用１９８６年至１９９１年期间沈阳遥测地震台网记录到的１４５３次地震的持续时间资料（２．０≤Ｍ＿Ｌ≤６．１级、５ｋｍ＜△＜１０００ｋｍ），求得了辽宁省及其邻近地区多台多幅度持时震级的经验公式，结果表明，这种震级误差小，应用范围为Ｍ＿Ｌ≤６．０级，解决了限幅地震无法计算震级的难题．

基于主成分分析法优化广义回归神经网络的地震震级预测

为科学有效预测地震震级,提出了基于广义回归神经网络(general regression neural network, GRNN)的地震震级预测模型。选取地震累计频度、累计释放能量、b值、异常地震群数、地震条带个数、活动周期、相关区震级等7个指标作为地震震级影响因子,利用主成分分析法(principal component analysis, PCA)对7个影响因子进行降维处理,以新生成的4个主成分作为模型输入变量,地震震级为输出变量,运用粒子群算法(particle swarm optimization, PSO)寻优得到GRNN模型最优光滑因子,最终建立基于PCA-PSO-GRNN的地震震级预测模型,利用建立的模型对训练样本进行回判检验,并对测试样本进行预测,并同传统反向传播(back propagation, BP)神经网络模型和单一GRNN模型预测结果进行对比,结果表明:PCA-PSO-GRNN模型预测结果的平均误差为5.17%,均方根误差为0.100 0,决定系数为0.986 8,均方相对误差为0.007 3,平均绝对误差为0.100 0,运行时间为5.2 s,预测精度和运行效率均优于BP模型和单一GRNN模型。

海南台网地震震级受热带气旋影响程度的初步研究

引言地脉动源自海洋波浪、热带气旋等自然现象,已经得到广泛认同,它是一种具有丰富内涵的地球物理信息。曾祥方等[1]研究汶川地震前,我国及周边台站上记录的地脉动信号显著增强,该增强的地脉动信号是由威马逊台风引起的。海南岛属于亚热带海洋性气候,常年受到热带气旋的影响。热带气旋会带来一定的噪声干扰,台站背景噪声势必受其影响,最直接的影响表现为地震计的震动幅度,因此,本文研究了热带气旋对海南台网地震震级测量的影响因素,以及热带气旋会影响到海南台网的哪块领域。

基于GA-GRNN的地震震级预测模型

为科学描述地震震级与其敏感因子之间复杂的非线性关系,将遗传算法(Genetic Algorithm,GA)与广义回归神经网络(General Regression Neural Network,GRNN)相结合,利用主成分分析法(Principal Component Analysis,PCA)对地震震级敏感因子进行降维处理,然后对提取出的主成分进行归一化,将归一化的主成分数据作为预测模型的输入向量,地震震级作为预测模型的输出向量;以20个地震数据作为学习样本进行训练,运用GA寻优获得最优光滑因子,建立基于PCA-GA-GRNN的地震震级预测模型,并对8个测试样本进行预测。结果表明:PCA-GA-GRNN模型的最小误差、最大误差和平均误差分别为1.5630%、4.8780%和2.6470%,其平均误差相比于GA-GRNN模型和GRNN模型分别降低5.6667%和5.0264%,具有较高的预测精度。

根据峰值地动位移标度无饱和地计算地震震级

全球定位系统测量仪是非惯性的,它直接测量相对于全球参考框架的位移）而惯性传感器受到系统出格（主要因倾斜）的影响,对得到位移的积分有不利影响.我们根据分布在近源到区域距离（约10-1000km）上的高速全球定位系统台网记录,研究了Mw6-9地震的峰值地动位移（PGD）的震级标度性质,得出的结论是：实时全球定位系统的地震波形可用来快速测定震级）通常在破裂开始的第一分钟内,许多情况是在破裂结束前,可定出震级.虽然比用P波初始几秒钟波形的地震预警方法要慢一些,但我们的方法不会遇到地震传感器在大震级时出现的饱和效应.快速震级估算可用于快速生成地震的震源模型、海啸预测和需要长周期位移准确信息的地震动研究.

浅源强震至浅源特大地震震级M_e的快速测定

提出了根据20°～90°距离范围之内的宽频带远震P波信号快速测定浅源地震能量震级Me的新程序。为了完成这项工作,我们根据地球参考模型AK135Q用数字模拟方法计算了不同周期的频谱振幅衰减函数。根据这些函数,我们校正了远震记录频谱的传播路径效应,计算了地震辐射能量Es和震级Me。我们用累积的P波窗模拟实时或近实时的程序,并用61个浅源地震进行验证。结果表明,我们的方法可在地震发震时刻后的7～15min内迅速可靠地测定出震级Me。因此,这一程序适用于快速反应系统的实施。

根据高频振幅峰值的到时快速估算地震震级

提出了一种利用加速度记录图中的体波初动与高频振幅峰值的到时差(T_(op))测量地震震级M的简单方法。用这种方式测量,我们发现,对于5≤M_W≤7的地震M_W与2logT_(op)成正比,如果T_(op)与震源尺度成正比并且应力降量级不变,这与理论结果相一致。使用高频(>2Hz)数据,M_W与M_(T_(op))(根据T_(op)估计的M)之间的均方根(rms)残差约为0.5个震级单位。在2~16Hz通带中高频数据的均方根残差,均匀地小于从较低频数据获得的值。T_(op)的值与震中距弱相关,在震中距<200km范围内可以忽略这种相关性。该算法对2011年日本东北地震的回顾性应用,在该地震发震时刻之后120s内做出M9.0的最终震级估算。我们由此得出结论,高频(>2Hz)加速度记录的T_(op)值,在发生特大地震时对地震预警很有价值。

日本东北地区太平洋近海地震震级更改的理由

2011年3月11日发生的日本东北地区太平洋近海地震震级（M）最终被确定为9．0，其中共变更过3次。即：M7．9（2011年3月l】日，14：49公布）一M8．4（2011年3月11Et，16：00公布）一Mw8．8（2011年3月11日，17：30公布）一Mw9．0（2011年3月13日，12：55公布）。最初发布的M7．9和M8．4称为气象厅震级（Mj）值，M8．8和M9．0是矩震级（Mw）值。