基于热异常信息与BP神经网络的中强地震预测试验

地震预测是地震科学研究的主要领域之一。震前热异常现象(地表温度异常升高)普遍存在并且与地震三要素有复杂的非线性关系。文中结合神经网络的优点,提出将热异常信息作为地震预测的信息源,通过构建神经网络,进行地震预测的思路,并进行了试验。基于8d合成的1km分辨率的MODIS数据,利用RST算法提取震前热异常信息,在分析震前热异常信息时空变化的基础上,确定出BP神经网络的结构,利用该网络对中国及周边100个5级以上震例,以及70个随机无震样本进行训练和仿真。试验结果表明,通过RST算法提取的震前热异常指数值,用于BP神经网络地震预测是可行的,其预测的试验结果刻画出了地震要素与热异常值间的非线性相关性。未来预测区域范围的选取以及神经网络中隐层神经元的数量将对地震预测效果产生较大的影响。     

基于粗糙集的BP神经网络在震例中的应用研究

采用《中国震例》作为数据源,通过初步整理分析和预处理,构建了较完备的震例研究样本集。尝试将粗糙集与BP神经网络相结合的方法引入到震例研究中,用基于粗糙集的属性约简算法从众多复杂的地震异常指标中筛选出对最终分类起决定作用的核心异常作为输入,震级作为输出,构建了泛化能力强的BP神经网络模型来模拟异常与地震之间的不确定关系。仿真测试结果表明:地震震级预测精度误差基本控制在-0.5～0.5级之间。     

基于《中国震例》的地震空区和地震条带统计特征

基于《中国震例》(1970—2013年), 系统清理了246次M≥5.0震例前的地震活动图像异常, 并结合区域差异进行地震空区和地震条带的统计特征研究。 结果显示: ① 在246次震例中, 震前出现地震空区、 地震条带的震例数分别为105次、 51次, 占震例总数的42.7%和20.7%; ② 随着主震震级的增大, 地震空区和地震条带出现的比例逐渐增大, 尤其是7级以上地震, 震前出现地震空区的震例数占同类震例总数的83.3%, 出现地震条带的震例数占同类震例总数的66.7%, 可见地震空区和地震条带可能是7级以上强震的重要异常判据; ③ 针对整个中国大陆及近海, 地震空区和地震条带的持续时间、 展布尺度、 起始震级与主震震级存在一定线性关系, 相关系数能够通过95%置信水平的阈值检验; ④ 各主要构造分区的统计结果差异较大, 青藏高原北部除地震空区持续时间外, 其余地震空区和地震条带参数与主震震级之间的线性关系均通过阈值检验, 南北带中南段和华北地区有个别参数通过检验, 天山地区所有参数均未通过检验。     

BP神经网络在地震综合预报中的应用

ＢＰ神经网络具有很强的非线性映射功能,它可以很好地反映震前出现的各类异常与未来地震震级及发震时间之间的较强非线性关系。在“地震预报智能决策支持系统”中使用了ＢＰ神经网络。介绍了该系统中的ＢＰ神经网络构成及其在地震预报中的应用,系统通过对实际震例的检验取得了较为理想的预报效果。     

模糊聚类方法在湖北西部地震综合预测的应用

以近２３年来源北西部地区ＭＬ≥４．０级地震前内符检验有一定震兆异常显示的６项地震活动性参数作为指标,估计样本有震或无震类型（１－０）的从属度,判定预报样本所属类别。根据模型类分析方法对鄂西地区的地震进行综合预测研究,统计结果认为：模型聚类方法对鄂西地区ＭＬ≥４．０级地震的预测具有一定的效能。     

延寿地震台竖直摆倾斜异常变化

选取延寿地震台竖直摆倾斜资料中应震效果明显的4组震例,通过对震例资料进行异常形态判别及固体潮调和分析,发现:震前M2波潮汐因子出现低值异常,并伴有倾斜扰动及固体潮畸变现象。EW、NS分向震前的异常指向与未来地震的发生位置存在一定关系。     

北天山地区部分中强震前小震震源深度变化特征

利用双差定位法修订后的新疆北天山地区地震目录, 以1990年以来该区发生的8次7组5级以上中强地震作为震例样本, 分析研究主震前震源附近区域小震震源深度的变化特征。 研究结果显示, 在研究时段内7组地震中6组地震前出现小震震源深度趋深变化的异常图像。 类似异常图像共出现9次, 异常对应率66.7％。 这种异常图像可为地震预测综合判定提供参考依据。     

地壳体应变异常及其映震效能分析

本文分析了几个体应变观测台站的资料，通过数学方法，提取可能与地震孕育有关的中短期应变趋势变化，计算了潮汐因子，然后选取一定的判别标准，识别其中的异常。通过震例检验表明，体应变异常变化与地震有一定的相关性。本文的数据处理方法在识别震前异常方面有一定效果，所提取的异常信息与地震发生在时间上有较好的对应关系。     

基于样本增强的卷积神经网络震相拾取方法

为了快速、高效地从地震数据中识别地震事件和拾取震相,本文利用基于样本增强的卷积神经网络自动震相拾取方法,将西藏林芝地区L0230台站3个月数据作为训练集,该区内另外6个台站连续1个月的波形数据作为测试集,采用高斯噪声、随机噪声拼接、随机挑选噪声、随机截取地震事件等4种样本增强的方法扩增训练集,以提高自动震相拾取技术的准确率。结果显示:样本增强前模型在测试集上的地震事件识别准确率为80%,样本增强后提升至97%,表明样本增强有效地提高了模型的泛化性能和抗干扰能力;在0.5 s误差范围内,震相自动拾取准确率高于81%,在1.0 s误差范围内,准确率高于95%;利用基于样本增强的卷积神经网络震相拾取方法能够检测出人工拾取震相中误标和漏检的震相。      

拜城Ms 5.4地震前地磁逐日比异常及其预报效能分析

2021年3月24日 拜城Ms5.4地震前乌什地震台和喀什地震台地磁垂直分量逐日比出现超阈值异常.针对震前识别异常使用的阈值与预测期,梳理历史震例,并采用R值检验预测效果,讨论不同阈值、预测期对R值检验结果的影响,逐日比异常中高值、低值与地震对应的关系.结果显示,乌什地震台和喀什地震台地磁垂直分量逐日比异常R值较小,预...     

神经网络方法在地震预报研究中的初步应用

本文把神经网络方法引进地震预报研究当中。使用地震频次，最大震级，平均震级，等价地震次数等多项地震活动性指标作为神经网络的输入，未来时段内的最大地震震级作为其输出，可以对某一固定地区的最大地震震级作出中近期预报。选用的神经网络模型为含两个中间层的前向模型，并采用ＢＰ算法。所得结果表明，用神经网络方法可以在一定精度范围内使震级预报的内检符合率达到１００％，在本文的例子中，外推预报准确率达到６０％以上。     

震情过程追踪与发震时间的综合概率预报

基于大震前主破裂潜在变化的过程中产生出小震活动、地壳形变异常以及伴随地壳形变而产生出的地下水、水化学、地电阻率等前兆现象随时间变化显示出的动态异常图象,依据河北省及周围地区１９７０年至１９８８年的中强震前的前兆异常资料的研究,提取出了９个前兆异常因子的异常变化规律及特征,并建立了务因子的概率预报模型,同时计算出相应的前兆发生后不同时段内地震发生的概率。最后在多个因子随时间推移而逐次出现前兆异常的情     

苍山5.2级地震的磁异常特征

应用地磁Ｚ２１差值法，日变空间相关系数法及幅相法，对１９９５年９月２０日山东苍Ｍｓ５．２级地震江苏地磁台网记录的综合磁异常特征进行了初步分析，其结果对利用江苏地磁台网预测５．０级以上地震具有一定的现实意义。     

高七井水温映震规律浅析

通过对高七井水温多年资料的整理,在总结以往震例的基础上,分析水温异常与地震预报的对应规律,对高七井水温映震效能进行初步探讨.高七井水温异常为阶跃上升型,异常形态具有继承性,水温异常对地震短临预报具有指导意义.     

大规模宏观异常的双重性及其在地震预报中的意义

宏观异常的大规模出现是地壳强烈活动的重要标志 ,常与其后的强震活动相关。中国多次强震短临预测的成功 ,在一定程度上依赖于大规模的宏观异常。然而 ,宏观异常也具有二重性 ,一方面可作为重要的地震短临前兆 ,另一方面也可能是由构造活动引起的 ,不具有前兆的性质。因此 ,在地震预报的科学探索中 ,应大力加强宏观异常的观察、观测、分析与研究 ,识别地震前兆与构造活动异常的区别 ,使宏观异常在地震预报中发挥积极的作用     

Prediction of the spatial distribution of the modified mercalli intensity using neural networks

This paper presents the development of an adaptive, non-parametric forecast model for the direct prediction of the spatial distribution of the Modified Mercalli Intensity (MMI) corresponding to an earthquake scenario. The model is based on recent advances in neural networks computation, and is constructed through supervised learning using historical earthquake and regional geological data as training sets. A MMI forecast model for moderate earthquakes with magnitudes between 6 and 7 was developed based on data from the Loma Prieta, Coalinga and Morgan Hill earthquakes. For these data sets, the neural networks forecast model is shown to have excellent data synthesis capability; multiple sets of data can be encapsulated by a relatively simple network architecture. Limited comparison of forecasts made by the neural networks model and conventional models demonstrates that improved accuracy can be achieved. Implementation and operational advantages of the neural networks approach such as general input features, minimum preconceived knowledge of the data sets, the ability to learn and to adapt incrementally and the autonomous and automatic synthesis of the structure underlying the data sets, have been illustrated.     

神经网络在短期地震跟踪预报中的应用

本文研究了神经网络方法在基于地震活动性指标的中短期地震预报和基于非测震学前兆异常从属函数的短期地震预报中的应用。选用含一个或两个中间层的前向神经网络模型，并采用与之相适应的ＢＰ算法。以华北地区多年的地震活动性资料和首都圈及其邻近地区的短水准、地电阻率、地磁总强度、水位、水氡含量等前兆观测手段的８０余个台项的多年测资料为基础，对神经网络方法以上两方面的应用作出了实际计算、分析与检验。对一些大地震的发     

1989年大同6.1级地震前山西带小震活动时间分布结构多重分形维数的变化特征

本文应用多重分形理论研究了1989年大同6.1级地震前山西地震带(简称山西带,下同)小震活动时间分布结构的变化特征,发现震前各D_q值均有降维异常出现,且D_(+q)(q>0,下同)的异常尤为突出,取不同层次的地震样本进行计算其异常形态基本一致,表明震前小震活动时间分布从无序向有序转变所显示的内在结构异常变化是真实可靠的,这对我们今后地震分析预报的研究或许是有所裨益的.