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.

主成分分析及地震活动参数的约简

选择从不同侧面反映地震活动时、空、强特征的地震频次N(ML≥3.0)、b值、η值、A(b)值、Mf值、Ac值、C值和D值8个参量进行主成分分析.通过主成分分析方法可以得到反映地震活动时、空、强异常特征的综合指标W.通常这8个参量之间具有一定的相关性,各参量在不同时段的变化各有所异,预报效果并不理想.但是综合指标W在华北13次5.8级以上地震前出现明显的异常变化.表明综合指标W可以较好地反映地震活动时、空、强异常特征.本文还对主成分分析所得结论的有关问题进行了讨论.

主成分分析法在地震预测中的应用研究

用1979年7月9日江苏溧阳6.0级地震前后震中附近地区的地震资料,选择与地震活动强度有关的3级以上地震的频次N、b值、η值、A(b)值、Mf值和Ac值等6个参量进行主成分分析,实现对上述参量的有效约减。这6个参量之间具有一定的相关性,各参量在不同时段的变化各有所异,预报效果并不理想。但是根据主成分分析可以得到反应地震强度异常特征的综合指标W,发现该指标在2次溧阳地震前出现明显的异常变化,震后异常恢复。表明综合指标W可以较好地反映地震活动异常增强的特征。文章还对与主成分分析所得结论的有关问题进行了讨论。

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。

一种优化地震前兆观测点布设的方法

使用基于主成分分析的优化地震前兆观测点方法,用1998年数据对上海地区的9个水氡观测台站进行优化。结果表明,可以撤消3个信息量较小的台站观测,剩下的6个台所含信息量占全部9个台站信息量的比例为93.0%。表明在地震前兆观测中,如果局部地区的地震前兆观测台站数据具有一定的相关性,那么即使大量增加前兆观测台站的数量,也并不意味着所获取的信息量会同步增多。文中所用的优化方法对于指导地震前兆观测台站的优化具有一定意义。

支持向量机及其在地震预报中的应用前景

统计学习理论(SLT)是研究小样本情况下机器学习规律的理论。支持向量机(SVM)基于统计学习理论,可以处理高度非线性分类和回归等问题,不但较好地解决了小样本、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。本文介绍了支持向量机的分类、回归方法,分析了这一方法的特点,讨论了该方法在地震预报中的应用前景。

模糊分维及其在地震研究中的某些应用

在模糊集理论与分形理论的基础上,引进了模糊分维的概念;给出了模湖容量维D_0与模糊关联维D_2的定义与确定方法;讨论了模糊分维与常用的分维(清晰分维)的关系.给出了模糊分维在地震研究中的应用结果: 1.根据模糊容量维D_0随时间的上升趋势变化,可以划分出大地震活动的高潮期;由模糊容量维D_0与模糊关联维D_2随时间变化的曲线,可以分析识别大地震前的中长期前兆异常. 2.根据模糊容量维D_0随空间和时间的变化,可以划分出未来大震所在的地区,并可发现大震前数年D_0呈现增大或减小的趋势. 3.根据前兆数据的模糊时间分维D_0随时间的变化,可以发现大地震的短期前兆异常.

大地震活动的模糊时间分维特征

本文首先简要介绍了模糊分维的概念与确定方法。然后以中国华北、川滇、甘宁青地区,日本伊豆和日本海地区以及美国加利福尼亚地区的地震活动时间分布为例,研究了大地震活动的模糊时间分维特征,并用模糊分维划分强震活动的高潮期和探索强震前的中长期测震学前兆异常指标。结果表明,模糊分维数D_0呈趋势上升的时期为强震活动的高潮期;此外,据D_0随时间的变化曲线可以发现一些大地震前数年D_0先下降而后回升的中长期前兆异常变化。本文还研究了模糊集“大地震”的λ-截集的分维数D_0(λ),具体取λ=0.65和λ=0.8,并与模糊分维数D_0进行了对比分析。结果表明,D_0(λ)与D_0的总变化趋势相近,但一般说来D_0的应用效果更好。

模糊集理论与灰色系统理论在地震预报中的综合应用

把研究不确定信息的两种理论方法,即模糊集理论与灰色系统理论的方法综合应用于地震预报当中,在以下三方面取得了初步研究结果:(1)地震预测的灰色模糊模型.在灰色系统理论 GM(1.1)模型的基础上,把模糊数学的表达方式和灰色突变预测结合在一起,建立了地震预测的灰色模糊模型,为地震预报实用化提出了一种新的可能的途径,并给出了初步应用实例;(2)地震模糊聚类预测中指标优劣的灰色建模判断.仍以 GM(1,1)灰色建模为基础,在模糊聚类分析之前作指标择优处理,减少了指标选择的盲目性.以1975年以来江苏及其邻区的地震活动资料为例,进行了分析计算,结果比较清晰,比一般模糊聚类结果有所改进:(3)关联度和模糊聚类在地震预报中的联合应用.把灰色系统理论中的关联度方法和模糊集理论中的模糊聚类分析方法,联合应用于地震预报研究当中,以华北地区每年地震强度预测为例进行了初步探讨.本文的初步研究结果表明,地震预报所依据的不少信息和指标都带有灰色模糊的性质,因而,综合使用模糊集理论与灰色系统理论的方法可望取得更为有效的结果.

地下水观测数据拟合与预测的支持向量机方法

影响地下水位变化因素有很多,在正常情况下,地下水位的变化实际上反应了气压、固体潮和降雨这些因素的变化,但是这些影响因子与地下水位之间有着较强的非线性关系。该文使用支持向量机方法建立起崇明中学观测站地下水位与气压、固体潮和降雨这些因素之间的非线性关系模型,并用于地下水观测数据拟合与预测,得到了较理想的结果,明显优于逐步回归方法。研究结果表明,支持向量机方法在地震前兆数据处理中有着广泛的应用前景。文中还对支持向量机方法在实际应用中的有关问题进行了讨论。

地震烈度的两种模糊评定方法

本文进一步研究了地震烈度的两种模糊定量评定方法。 第一种方法是基于具有任意分布形态的模糊指标的烈度评定方法。这是一种不受正态分布假定约束的一般性方法。重点研究了以建筑物破坏为特征指标从Ⅵ度到Ⅺ度的模糊烈度评定。从26份有关地震烈度的报告中收集了约2300个有关建筑物破坏的资料,作出了不同类型建筑物在不同烈度下的分布曲线,并得出了它们的近似解析逼近式。采用模糊模式识别与贴近度方法,具体研究了单点评定和群体评定两种情况。 第二种方法是从模糊烈度出发的地震烈度评定方法,主要是对模糊烈度的清晰化作了简化,省去了清晰化过程中的贴近度运算,而改用量板法,更易于分析处理。 最后给出了两个应用实例。

地震应急工作遵循的准则及其在地震预报中的实现

阐述了地反应急工作应遵循的准则——“社会满意准则”。介绍上海市地震局在1996年11月9日长江口以东海域发生Ms6．0地震时，迅速作出趋势判断的原始依据。由于当时作的趋势判断符合地震应急的科学性和社会性，因而在稳定社会秩序，保障经济活动中取得了较好的经济效益，可供有关方面参考。

使用因子分析方法研究九江5.7级地震前的地震活动异常

使用2005年11月26日江西九江5.7级地震前震中附近地区的地震资料,选择反映地震活动时、空、强特征的地震频次N(ML≥3.0)、b值、η值、A(b)值、Mf值、Ac值、C值和D值参量进行因子分析。这些参量之间具有一定的相关性,各参量在不同时段的变化各有所异,预报效果并不理想。但是根据因子分析可以得到反映地震活动时、空、强特征的综合指标Wfa值,该指标在九江5.7级地震前出现明显的异常变化。表明综合指标Wfa值可以较好地反映地震活动的异常特征。文中还对与因子分析结果的有关问题进行了讨论。

地磁数据处理与地震关系之探

研究了上海崇明、佘山和杭州这3个地磁台的观测资料在2004年4月21日南黄海ML4.0级、5月26日浙江省舟山群岛ML4.3级和11月15日南黄海ML4.6级地震前的异常变化特征,结果表明:杭州台和崇明台数字化地磁观测资料分钟值空间差值于4月14日～17日、4月30日、5月8日出现的异常信息很可能是震磁异常信息;杭州台和佘山台数字化地磁观测资料分钟值、模拟观测21时值Z分量地磁场相关系数R值分别在震前2天、24天和震前5天、15天出现了超出2σ值的震磁异常变化;崇明和佘山地磁台数字化地磁Z分量分钟值的空间差值异常信息在4月21日南黄海ML4.0级地震前后有所显示,但在5月26日舟山群岛ML4.3级地震前不太明显,可能与这两个地磁台站相距较近且震中距较近有关。

1996年11月9日南黄海6.1级地震前的地震活动异常

1996年11月9日在南黄海海域发生了6．1级地震。该地震前自1993年起震中周围区域的地震活动明显增强、小震群活跃，出现孕震空区及一些地震活动指标的中期异常。1995年8月后该区地震活动出现明显平静。这次地震前的地震活动异常是明显的。

地震活动参数约简的因子分析方法

目前地震活动性分析有许多指标参量,各参量在不同时段变化各异,预报效果不理想。由于各参量之间通常具有一定的相关性,本文选择地震频次N(ML≥3.0)、b值、η值、A(b)值、Mf值、Ac值、C值和D值8个参量进行因子分析,得到的反映地震活动时、空、强异常特征的综合指标Wfa。结果表明Wfa在2005年江西九江5.7级地震和华北14次5.7级以上地震前出现明显的异常变化,可以较好地反映地震活动时、空、强异常特征。还对因子分析的有关问题进行了讨论。

数据挖掘及其在地震预报中的应用前景

本文介绍了数据挖掘的产生、任务、特点、过程和方法分类,介绍了数据挖掘的一些主要方法及其在地震预报中的应用前景。数据挖掘在地震预报中有很多应用领域,随着数据挖掘在地震预报应用领域的深入研究,必将进一步推动地震预报的进展。

地震预测的灰色模糊模型

在灰色系统理论GM(1,1)模型的基础上,把模糊数学的表达方式用于灰色灾变预测中,建立了地震预测的灰色模糊模型。用此模型对我国川滇、甘宁青、新疆及华北等地区大地震时间序列进行预测检验,结果表明:灰色模糊预测模型比纯灰色系统理论模型要好,因而可在实际地震预测中试用。最后对所得结果及实际应用中需要注意的问题也进行了讨论。

跟踪式后续显著地震的模糊预测

构思了一种跟踪式后续显著地震的模糊预测方法。以我国1996年以来的127个Ms≥5．0地震序列为原始资料样本，预先对地震类别序列作了模糊化处理，并以模糊聚类软划分为处理方法对样本进行了内检。结果表明，跟踪式报准率可达69％；自然语言含义下的跟踪式报对率达91％，效果比目前常用的方法有所提高，对显著地震发生后的趋势跟踪有一定实用价值。

南黄海地区的地震活动特征与趋势

概述了南黄海地区的地震活动性，介绍了该海区历史地震的分布、时空强特征以及众多地震事件烈度分布的共同特点与地震活动规律等。研究表明，苏北南黄海地区近年内存在发生较强地震的危险性。