共查询到19条相似文献,搜索用时 172 毫秒
1.
时间序列的投影寻踪自回归在新疆地震预报中的应用 总被引:8,自引:0,他引:8
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。 相似文献
2.
3.
4.
5.
中长期地震预测中的PI算法改进研究及应用 总被引:4,自引:0,他引:4
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ML≥3.0区域地震目录, 针对MS≥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。 相似文献
6.
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. 相似文献
7.
8.
9.
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 MS ≥ 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。 相似文献
10.
11.
12.
13.
14.
辽西地震重点监视区桥梁震害预测 总被引:1,自引:0,他引:1
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。 相似文献
15.
16.
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... 相似文献
17.
18.
江宁台地电阻率异常震例的中短期预报回归方程的建立 总被引:3,自引:0,他引:3
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。 相似文献
19.
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. 相似文献