基于支持向量机的地震序列分类

介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法--支持向量机算法。根据支持向量机线性分类和可以具有不同核函数的非线性分类两种算法,建立了地震序列分类模型。通过试算和分析比较得到了地震序列最佳分类模型,最佳模型的分类结果与实际地震序列分类基本一致。综合分析认为支持向量机算法无论在学习或者预测精度方面都具有很大的优越性,其获得的地震序列分类知识库可以较为准确地实现地震序列类型的分类,因此基于支持向量机理论建立的地震序列分类模型应该是可行的。

利用地倾斜固体潮汐资料提取异常的新方法

地倾斜固体潮分析中根据固体潮汐的畸变、趋势、上升、下降、转折等变化特征,提取地震前兆异常信息。本文基于地倾斜固体潮汐可计算的特点和时程变化特征,提出一种新的地倾斜异常提取定量方法和指标。经过对延庆地倾斜固体潮观测资料的初步分析表明,预测误差比特征参量在中强地震前存在明显的前兆变化,说明预测误差比特征参量的计算模型是合理的,结果是有意义的。

基于重复地震的地壳介质参数分析软件

随着数字地震学的快速发展,重复地震在地震学的研究中显得越来越重要。本文首先介绍了重复地震的定义和识别方法,然后基于此研制了重复地震识别与分析软件,最后给出了重复地震在地震预测中的一个实际应用例子。结果表明基于该软件工具可充分利用数字地震波形开展相对高精度的地壳介质动态变化分析。