Geneticprogrammingforpredictionofearth┐quakesequencetype

The genetic programming for the prediction of earthquake sequence type was studied, and the reliability for a group of samples was tested. The results show that the performance of the genetic programming is good, and therefore it might be referred as an effective technique for the prediction of earthquake sequence type.

应用遗传算法建立地震预报的分类体系初探

本文对模拟自然界生物进化过程的遗传算法和用它所建立的分类体系进行了简要介绍,并将它们应用于地震预报探索研究,建立了初步的地震预报分类体系。结果表明:采用具有自动学习和自相适应的方法,结合现有的研究成果,可以将地震活动性的时空参数结合起来综合考虑,获得较为优化的地震预报规则集。

基于遗传算法的分类体系在地震预报中的应用探索

采用模似自然界生物进化过程的遗传算法的分类体系，并以首都圈地区为例，利用地震活动性资料的8种时空参数在地震预报中进行了应用探索．通过对1967—1992年间信息的学习演化，获得了20条拥有不同适应度的具有层次结构的地震预报规则集．对首都圈地区中等地震活动的预报规则进行了初步的分析讨论，发现了人们以往难于考虑周全的可能具有重要预报意义的异常组配.应用探索表明：在地震预报研究中应用具有自适应和潜在学习能力的基于遗传算法的分类体系，将可能推动人们对地震前兆及其物理机制的研究和探讨．

基于冲量权值的ART神经网络及其在地震预报中的应用

在传统的ART(AdaptiveResonanceTheory)网络结构中忽略了样本属性重要性的不同对分类结果产生的影响。然而实际应用中,需要在网络预测阶段对此予以重视。该文提出了基于冲量权值的ART网络IFWART(ImpulseForceWeightbasedAdaptiveResonanceTheory)。它引入冲量权值表示属性的重要性,通过进化算法的优胜劣汰机制优化冲量权值,并将量化的权值结果分配到网络的比较层中,从而提高网络预测精度。在UCI标准数据集上将IFWART与其他有监督ART网络进行了比较实验,验证了IFWART的有效性。最后,将其应用于地震强震时间序列预报中,取得了很好的效果。

遗传优化神经网络方法在桥梁震害预测中的应用

本文将遗传算法与神经网络相结合,从而建立了一种高效的、实用的桥梁震害预测方法。根据遗传算法具有局部寻优的特点,为避免BP神经网络陷入局部极小值,本文将二者结合起来形成GA-BP混合算法,以GA优化神经网络的初始权值和阈值,对网络进行训练。在大量收集梁式桥震害资料的基础上,将此算法引入桥梁的震害预测中,并与传统的单独BP神经网络相比较,结果表明该方法能够有效、准确地对桥梁结构进行震害预测。

基于遗传算法的广义回归神经网络在地震预测中的应用

提出了利用基于遗传算法结合广义回归神经网络(GRNN)进行地震预测的新方法。利用遗传算法的全局搜索能力、不易陷入局部极小点等优点来优化GRNN的径向基函数中心、宽度以及输出层的权值,使得计算结果全局最优。在实际地震数据中选取了100组样本数据进行仿真实验,并利用MATLAB进行仿真。仿真结果表明,本文提出的方法具有较高的精度和一定的理论指导意义。

基于遗传神经网络的地震综合预测系统研究

提出利用遗传神经网络技术对地震预测建模,其基本思想是利用遗传算法具有全局搜索能力、不易陷入局部极小点的特点优化神经网络的权重和阈值,利用优化的神经网络挖掘地震前兆异常属性和震级之间的潜在的关系,从而实现地震预测.并选取了《中国震例》中的97个样本数据进行实验,震例验证的结果表明,遗传神经网络算法用于大地震综合预测效果较理想.

基于特征加权的Category ART网络及应用

特征加权是特征选择的一般情况,它能更加细致地区分特征对结果影响的程度,往往能够获得比特征选择更好的或者至少相等的性能。该文采用自适应遗传算法来优化Category ART网络的特征权值,提出了一种改进的Category ART网络FWART。在UCI标准数据集上的实验表明,FWART网络获得了比Category ART网络更好的泛化能力。将该网络应用在地震震型预报上,取得了很好的预报效果。

2008年3月21日新疆于田7.3级地震

本文分析了2008年3月21日新疆于田县MS7.3级地震的可能发震构造,介绍了中期地震预测情况以及地震发生时全球、我国大陆地区及周边几个重要地区地震活动所处的状态,并分析了震前出现的可能地震活动异常现象,以期有助于深入认识这次地震的发生。

应用遗传算法研究新疆北天山地震带地震预报规则

依据遗传算法基本原理 ,选用 5种地震学参数 ,对北天山地震带西段 (乌苏—精河地区 )1970～ 1995年地震资料进行拟合迭代演化 ,提取该区具有不同适应度和层次结构的地震学参数预报规则集 ,以此对该区 1996～ 2 0 0 0年发生的地震作回顾性检验。结果表明 ,基于遗传算法建立的北天山地震预报规则 。

基于遗传算法的小波神经网络在地震形变前兆分析中的应用

利用遗传算法来优化小波神经网络,达到提高逼近精度,简化网络结构,并利用优化后的小波神经网络训练地震前兆形变资料,运用MATLAB对拟合和预测过程进行仿真。结果表明,该方法对地震预测有参考作用。

自组织竞争网络模型在地震预报研究中的应用

本文简述了自组织竞争模型的原理,研究了其在地震预报样本分类中的应用。并采用遗传算法对其网络结构参数进行优化,对输入样本参数进行优选。震例检验结果显示自组织竞争网络具有较好的分类效果,经遗传算法优化后的模型分类效果得到进一步改善。

基于遗传算法的地震短期综合预报分类系统研究

简要介绍了基于遗传算法的分类器和在此基础上建立的地震预报分类体系的基本原理.设计出基于遗传算法的地震短期综合预报分类系统的研究思路和方法,即以异常持续时间为编码依据,以遗传算法为优选预报规则的工具,以预报3个月地震为目标,综合测震和前兆多手段进行地震预测.对北天山西段进行多参数初步试算后表明该方法具有很高的学习正确率和较高检验和预测能力.

基于遗传神经网络的地震预测研究

分析遗传算法(GA)及BP神经网络的结构特性,提出利用具有全局搜索能力的遗传算法来弥补BP网络的不足,克服BP(Error Back Propagation)算法收敛速度慢,易陷入局部极小点的缺点,优化神经网络的连接权值和阈值。针对地震预测中,震级预测的困难性等问题,将具有全局搜索能力的遗传算法和具有深度搜索能力的BP算法相结合实现地震震级预测建模。通过实验比较得到了较好的预测结果,该模型是可行、有效的。

主成分分析法和遗传算法优化的支持向量机模型在地震伤亡人数预测中的应用

为有效解决地震伤亡人数预测所需影响因子多、运算量大、模型训练烦琐等问题,构建了主成分分析法(PCA)和遗传算法(GA)优化的支持向量机(SVM)模型,采用PCA对地震伤亡人数影响因子进行降维以去除贡献率较低的主成分,将贡献率较大的主成分作为支持向量机的输入变量,以地震伤亡人数作为输出变量,利用GA对SVM模型性能参数进行优化,建立基于PCA-GA-SVM的地震伤亡人数预测模型,并对测试样本进行预测,结果表明:与SVM模型、GA-SVM模型和PCA-GA-BP模型相比,PCA-GA-SVM模型的预测准确率和运行效率分别提高4.73%、1.14%、9.99%和47.05%、36.76%、44.55%。结果显示,PCA-GA-SVM模型预测精度高,泛化能力强,能够科学合理地对地震伤亡人数作出预测。

基于GA-BP神经网络的地震预报技术

概述遗传算法(GA)和BP神经网络的原理,利用遗传算法具有全局搜索能力且不易陷入局部极小点的特性,优化BP神经网络的连接权值和阈值,使得计算结果全局最优,以弥补BP算法的不足。选取闽粤赣交界及东南沿海地区的地震目录作为研究样本,提取出7个测震学前兆指标作为预报因子,构建GA-BP神经网络进行训练和仿真。震例检验结果显示,该优化方法的震级预测精度较BP神经网络有较大提升,具有对地震震级预测的可行性。

《地壳构造运动·地震·地震预报的新探索》及《地震问题新解》专著内容简介

对两本专著的内容作了简要介绍,对地壳构造运动力源、地震形成要素、成因机理、孕育发生的时空演化机制与过程以及地震物理预报等一系列的研究,提出了不同的新认识,得到了地震实践较普遍的证实及我国多位著名有关院士专家的肯定与高度评价。