一种基于Deep learning的地震前兆模式识别及预测方法

地震预测已经成为人类面临的一项非常重要和具有挑战性的任务。传统的地震预测是通过提取不同的测震学指标,将样本空间映射到特征空间,进而构建预测模型对未来的地震发生趋势进行研判。近年来,Deep learning技术通过对海量样本的学习,自动提取其内在特征,构建训练模型,其已经在时间序列,图像分析等领域发挥了重要的作用。因此,本文将Deep learning技术引入地震时间序列的分析,通过对地震历史数据的学习,利用卷积神经网络发现并提取能够反映数据内在特征的内在指标,并将这些内在指标与传统的地震学指标相结合,构建一种基于Deep learning的地震预测模型。通过对华东的历史数据分析,验证了本文所提模型的有效性,并利用该模型对上述区域未来地震发生趋势进行分析和研判,并给出了相关的结论。

近震参数处理程序的研究与应用

根据安徽省地震局规定使用的表面震源《走时表》 ,按其精度要求 ,把震中距分成三个距离段进行程序设计。在数据处理上 ,对 4 6°以内的数据 ,为保证精度 (0误差 ) ,采用数据检索方式 ;而对 4 6°～ 13 5°之间的数据 ,在保证精度的前提下 ,先进行线性拟合 ,解出一系列关于Δ的函数方程 ,再进行程序编制 ,在实际使用中发挥了较好的作用。