时间序列的投影寻踪自回归在新疆地震预报中的应用

选取新疆各分区一年和半年最大震级时间序列资料 ,运用投影寻踪自回归方法 ,建立相应的中、短期预测模型。并把预测模型应用于新疆年中和年度地震趋势分析 ,其预测结果是可信的 ,有一定的现实意义。     

四种方法对四川九寨沟7级地震的初步回顾预测

对2017年8月8日四川九寨沟发生的7级地震,基于四种非传统预测地震的方法进行回顾分析。这四种方法分别为:准静中动地震法,三性法预测,异年倍九法,震兆共迁法。在进行回顾性预测之后,发现其结果都有一定程度的符合性。     

线性合成概率方法在华北地区地震趋势研究中的应用

华北地区历史地震频繁,2000年以来出现地震平静现象,为了更好地对这一现象进行分析,我们利用基于地震周期谱分析的线性合成概率预测方法,针对晋冀蒙交界地区、冀鲁豫交界地区、唐山老震区、阴山燕山地震带进行研究。研究结果表明,这一方法对这些地区的地震活动有一定的预测能力,并给出了R值评分检验效果。     

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。     

中长期地震预测中的PI算法改进研究及应用

图像信息学PI(Pattern Informatics)算法是一种基于统计物理学的地震预测新方法, 近年来得到了较大发展。 本文探索把此方法与地震活动性网格点密集值方法相结合, 并尝试用于华北地区中长期地震预测。 在预测中, 使用1970—2011年M_L≥3.0区域地震目录, 针对M_S≥5.0预测“目标震级”, 采用15年尺度的地震目录滑动时间窗, 均为3年尺度的地震活动“异常学习”时段和“预测时间窗”, 结合一定时空及震级范围内地震的数量和震中分布因素, 进行地震危险性概率计算。 对该方法的预测效果使用Molchan图表法进行统计检验。 结果表明, 此方法在某些方面优于PI算法, 且在地震趋势分析和中长期预测方面有较好的应用潜力。     

基于整形正则化非平稳回归技术的匹配滤波压制单道地震鬼波方法及应用

受海平面及水下观测方式的影响,海洋地震资料中普遍发育鬼波.作为一种虚假干扰信号,鬼波的存在会给地震解释造成一定的困难,因此在数据处理环节需要将其消除.目前,虽然鬼波压制方法多种多样,但大部分是针对多道地震发展起来的,并不适用于单道地震鬼波处理.预测反褶积一直是压制单道地震鬼波的主要方法,然而由于野外资料通常不能满足该方法的假设条件,导致应用效果不佳.针对单道地震资料鬼波压制问题,本文结合预测反褶积鬼波压制思路和整形正则化非平稳回归技术在自适应匹配滤波方面的优势,提出了一种基于整形正则化非平稳回归技术的匹配滤波压制单道地震鬼波方法,通过模型试验和实际数据处理分析表明该方法能够有效地压制鬼波,并且在计算过程中不会产生虚假延续相位,应用效果良好.     

基于支持向量机回归的宁夏地震前兆综合预测模型研究

将支持向量机方法应用于宁夏及其邻近区域的地震综合预测研究中,通过建立基于多种地震前兆异常的地震综合预测模型,初步探讨了支持向量机方法在宁夏地震综合预测中的应用情况。研究结果表明利用支持向量机形成的地震综合预测模型对宁夏及周边地区可能发生的地震震级具有一定的预测能力。     

汶川中强余震发展节律及其精确多项式对6级以上强余震趋势的预测研究

对汶川地震序列分析,发现该序列中Ms≥4.7级余震活动有一定的可数节律,且强余震发生在节律节点上有重复特征。基于上述现象,对该节律建立了一个数学模型,为定量地预测震区6级以上强余震趋势提供了一个预测研究的方法。     

山西地区地震综合概率预测模型及回溯性检验

概率地震危险性分析是对相关区域地震活动水平的估计,是量化地震危险性的有效手段。基于泊松分布模型获得山西地区背景地震概率,结合每个单项方法预测效能获取的指标权重,采用综合概率法得到山西地区基于多种单项预测方法的地震综合概率模型。对 1985年以来山西地区 M_S ≥ 5.0地震进行回溯性检验,结果表明：异常点受控于统一应力场,震前各类（包括测震、形变、电磁以及流体学科）预测指标均存在且表现出准同步性;震级大小与异常数量呈一定正相关性,震级越大,异常指标越多,综合概率值越大。     

地震影响空间危险度及危险区预测方法研究

根据地震目录统计分析一次强震对外围地区所产生的地震影响空间危险度,在此基础上结合区域地震背景空间危险度及其先发生的若干次强震,通过对研究区域开展地震综合空间危险度空间扫描计算对未来地震危险区进行预测。华北和西南地区地震危险区的实例预测表明,该方法具有一定预测效果,对于分析判定地震危险区可能具有一定的实际意义。     

基于MATLAB神经网络方法的多层砖房震害预测

提出利用MATLAB人工神经网络工具箱建立基于贝叶斯正则算法的BP神经网络模型,以地震区多层砖房震害调查数据为因子的震害预测方法.神经网络模型输入震害因子包括建筑的层数、施工质量、房屋整体性等,输出值为建筑物在地震作用下的破坏程度.结果表明,本方法可以对多层砖房的震害样本进行预测并达到较理想的效果.     

基于MATLAB的BP预测模型在地震前兆预测中的应用研究

依据神经网络理论,基于MATLAB的神经网络工具箱建立了一个BP神经网络预测模型,并通过对陕西省地震前兆数据的预测分析来检验模型的效果,实验结果证明该模型用于地震预测的可行性,操作简单灵活,直接面向用户。具有很好的应用价值。     

基于MATLAB工具箱的神经网络在地震预报中的应用

概述了人工神经网络的原理及MATLAB语言神经网络工具箱。编写了BP神经网络训练程序，并用两个实际例子进行验算。结果表明，网络经训练后具有较高的识别能力，在地震预报中有一定的应用价值；同时也表明利用MATLAB工具箱进行神经网络的设计和应用，可以极大地提高解决问题的效率和质量。     

辽西地震重点监视区桥梁震害预测

采用统计回归方法，对辽西地震重点监视防御区内４条国家级公路的桥梁１３３座、４次国有铁路的桥梁３３１座，以桥梁震害等级划分原则，求取其震害指数、判定震害等级。     

川滇地区地震动预测模型及其对2021年漾濞6.4级地震的适用性

随着川滇地区强震记录的不断增加,为了建立更符合该区域地震动特征的预测模型,文中基于该区域现有的地震动数据,通过随机效应回归模型建立适用于川滇地区的地震动预测模型;2021年5月21日,云南省大理州漾濞县发生6.4级地震,为了分析文中预测模型对漾濞地震的适用性,首先根据预测模型的适用范围选取合适的漾濞地震数据,计算真实记...     

基于人工神经网络的地震经济损失评估

地震经济损失估计是涉及多方面、多级次的复杂指标体系的非线性动力问题。其指标体系的选取以具有代表性、可靠、易获取、易于定量化为原则。应用MATLAB6.5神经网络工具箱,建立了适用于震后经济损失快速评估的三层BP神经网络地震灾害经济评估模型。     

江宁台地电阻率异常震例的中短期预报回归方程的建立

本文研究了１９８３年以来江宁台３００ｋｍ范围内Ｍｓ＞４．５地震的５０ｋｍ范围内地方小震的地电阻率异常震例的中、短期前兆异常特征，分析统计了异常参量与地震三要素之间的关系，并初步建立起中短期预报回归方程，大体给出江宁台所能监控的不同强度地震的最大范围和一般距离；研究表明江宁地电前兆异常有其自身的特征。充分研究单台单手段的前兆异常对地震综合预报水平的提高是有益的。     

Performance assessment of genetic programming (GP) and minimax probability machine regression (MPMR) for prediction of seismic ultrasonic attenuation

The determination of seismic attenuation (s) (dB/cm) is a challenging task in earthquake science. This article employs genetic programming (GP) and minimax probability machine regression (MPMR) for prediction of s. GP is developed based on genetic algorithm. MPMR maximizes the minimum probability of future predictions being within some bound of the true regression function. Porosity (n) (%), permeability (k) (millidarcy), grain size (d) (μm), and clay content (c) (%) have been considered as inputs of GP and MPMR. The output of GP and MPMR is s. The developed GP gives an equation for prediction of s. The results of GP and MPMR have been compared with the artificial neural network. This article gives robust models based on GP and MPMR for prediction of s.