基于PCA-PSO-SVM的地震死亡人数预测模型研究

为准确预测地震死亡人数,提出了基于主成分分析法(PCA)和粒子群算法(PSO)优化的支持向量机(SVM)模型。首先利用主成分分析法对地震死亡人数7个影响因子中的6个进行数据降维,同时对第7个发震时刻因子单独进行区间分类,然后对提取出的主成分进行归一化处理,将归一化的主成分数据作为支持向量机的输入向量,通过粒子群算法寻优获得最优支持向量机模型参数,最终建立基于PCA-PSO-SVM的地震死亡人数预测模型,并对5组样本进行死亡人数预测,同时对比分析包含和不包含发震时刻因子的2种情况下的模型预测效果。结果表明:在不考虑发震时刻因子的情况下,使用PCA-PSO-SVM模型的最小误差、最大误差和平均误差分别为0.85%、20%、10%,其平均误差相比PSO-SVM、SVM模型分别降低2.08%、2.28%;输入向量加入发震时刻因子分类数据后,PCA-PSO-SVM模型的最小误差、最大误差和平均误差分别为0.25%、20%、7.18%,其平均误差相比PSO-SVM、SVM模型分别降低3.34%、3.50%。因此,加入发震时刻因子后3种模型的平均误差明显降低,同时由于PCA-PSO-SVM模型进行主成分降维处理,能够明显提高运行效率和预测精度,故降低了模型复杂度。     

基于PCA-GSM-SVM的地震伤亡人数预测

针对影响地震伤亡人数的评价指标数量较多且各指标之间存在着复杂的非线性关系,运用机器学习理论,提出了基于支持向量机(Support Vector Machine)的地震伤亡人数预测模型;首先利用主成分分析法(Principle Component Analysis)对7个地震死亡人数影响指标进行数据降维,然后对提取出的主成分进行归一化处理,将归一化的主成分数据作为预测模型的输入向量,将地震伤亡人数作为预测模型的输出向量;以27个地震伤亡实例作为学习样本进行训练,运用网格搜索法(Grid Search Method)寻优获得最优支持向量机参数,最终建立基于PCA-GSM-SVM的地震死亡人数预测模型,并对5组样本进行死亡人数预测。结果表明:PCA-GSM-SVM模型的最小误差、最大误差和平均误差分别为5.12%、15.7%和9.16%,其平均误差相比于GSM-SVM模型和SVM模型分别降低6.51%和7.11%,因此PCA-GSM-SVM模型预测精度较高,可在工程实际中推广。     

基于RS-PCA-GA-SVM的砂土液化预测方法研究

砂土液化是一种危害性比较大的自然灾害,对砂土液化进行判定预测在地质灾害防治领域中有重要的研究意义。通过粗糙集理论(Rough Set,RS)对影响砂土液化的6个初始评价指标(包括震级、土深、震中距、地下水位、标贯击数和地震持续时间)进行属性约简,去掉冗余或干扰信息,得到基于4个核心预测指标的数据集。通过主成分分析法(Principal Component Analysis,PCA)从核心评价指标中提取出主成分,采用支持向量机(Support Vector Machine,SVM)对数据集进行训练,用遗传算法(Genetic Algorithm,GA)优化参数,建立砂土液化的RS-PCA-GA-SVM预测模型。并结合砂土液化实际数据将预测结果与基于Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测结果做比较。实例计算表明:基于RS-PCA-GA-SVM模型得到的砂土液化预测结果精度较LM-BP神经网络有很大的提高,判别结果与实际情况比较吻合,可在实际工程中应用。     

基于连续限制玻尔兹曼机的支持向量机岩性识别方法

基于测井数据分析的岩性识别是油气地球物理勘探的基础性问题之一.支持向量机(SVM)是目前分辨能力最高的岩性识别方法,特征优化可提高SVM的识别正确率,该方法采用主成分分析(PCA)进行目标特征提取,易受特征选取的影响.针对诸如白云岩和灰岩的区分等测井响应差别不明显,岩性区分困难而又必须进行的问题,本文引入概率生成模型连续限制玻尔兹曼机(CRBM)进行测井数据岩性特征提取,然后再运用SVM在提取特征上进行岩性识别.运用所发展的CRBMSVM进行川西海相灰岩及白云岩的识别,正确率达到了81.9%.基于同样的支持向量机,CRBM提取特征识别正确率要高于PCA提取特征.     

基于RS与PSO-LSSVR的地震伤亡人数预测

通过对地震伤亡资料的综合考察研究,本文构建了影响地震伤亡人数的指标集,利用粗糙集理论约简此指标结构,建立最小二乘支持向量回归机预测模型预测伤亡人数,并用粒子群优化算法对模型参数进行优化。最后,将模型运用于云南地震伤亡人数预测,结果和RS-BP神经网络预测模型对比分析,验证了该模型预测的有效性。又将模型应用于芦山和玉树地震死亡人数的预测,验证了模型的适用性。实验结果表明该模型能在地震发生后,给决策者提供人员救护、安置以及应急物资供应、统筹调度的有效依据。     

基于粒子群优化最小二乘向量机的地震预测模型

为解决地震预测中最小二乘向量机(LSSVM)模型的参数难以确定的问题,利用粒子群算法(PSO)的收敛速度快和全局优化能力,优化LSSVM模型的惩罚因子和核函数参数,建立了PSO-LSSVM地震预测模型.通过对地震实例的预测仿真及其相关分析表明该方法的有效性.该方法优于传统的神经网络和支持向量机的地震预测方法,可以有效提高预测效能.     

利用支持向量机和高斯过程回归测定水库诱发的地震(英文)

水库诱发地震震级(M)的预测是在地震工程中的一项重要任务。本文采用支持向量机(SVM)和高斯过程回归(GPR)模型根据水库的参数预测了水库诱发地震震级(M)。综合参数(E)和最大的水库深度(H)作为支持向量机和高斯过程回归模型的输入参数。我们给出一个方程确定水库诱发地震震级(M)。将本文开发的支持向量机和建立的高斯过程回归方法与人工神经网络(ANN)方法相比。结果表明,本文研发的支持向量机和高斯过程回归方法是预测水库诱发地震震级(M)的有效工具。     

基于支持向量机的砂土液化预测分析

将支持向量机方法应用于砂土地震液化预测问题.考虑影响砂土液化的因素,选用震级、标贯击数、相对密实度、土层埋深、地震历时、地面运动峰值加速度和震中距7个影响因子作为液化判别指标,建立了砂土液化预测的支持向量机模型.以砂土液化实测数据作为学习样本进行训练,建立相应函数对待判样本进行分类.研究结果表明:支持向量机模型分类性能良好,是砂土地震液化预测的一种有效方法,可以在实际工程中进行推广.     

基于不同核函数的2010年玉树地震滑坡空间预测模型研究

基于统计学习理论与地理信息系统(GIS)技术的地震滑坡灾害空间预测是一个重要的研究方向,其可以对相似地震条件下地震滑坡的发生区域进行预测.2010年4月14日07时49分(北京时间),青海省玉树县发生了M_w6.9级大地震,作者基于高分辨率遥感影像解译与现场调查验证的方法,圈定了2036处本次地震诱发滑坡,这些滑坡大概分布在一个面积为1455.3 km²的矩形区域内.本文以该矩形区域为研究区,以GIS与支持向量机(SVM)模型为基础,开展基于不同核函数的地震滑坡空间预测模型研究.应用GIS技术建立玉树地震滑坡灾害及相关滑坡影响因子空间数据库,选择高程、坡度、坡向、斜坡曲率、坡位、水系、地层岩性、断裂、公路、归一化植被指数(NDVI)、同震地表破裂、地震动峰值加速度(PGA)共12个因子作为地震滑坡预测因子.以SVM模型为基础,基于线性核函数、多项式核函数、径向基核函数、S形核函数等4类核函数开展地震滑坡空间预测研究,分别建立了玉树地震滑坡危险性指数图、危险性分级图、预测结果图.4类核函数对应的模型正确率分别为79.87%,83.45%,84.16%,64.62%.基于不同的训练样本开展模型训练与讨论工作,表明径向基核函数是最适用于该地区的地震滑坡空间预测模型.本文为地震滑坡空间预测模型中核函数的科学选择提供了依据,也为地震区的滑坡防灾减灾工作提供了参考.     

基于混沌算法的地震信息网络入侵检测研究

为改善传统的基于机器学习的网络入侵检测方法只能检测已知入侵行为,对于未知入侵行为的检测存在误警率高、时效性差的不足,提出一种基于混沌算法的地震信息网络入侵检测方法。创建候选地震信息网络特征-混沌变量映射模型,实现变量之间的转化;采用混沌变量迭代演化算法进行地震信息网络特征选择;使用支持向量机对最优特征进行学习,为提高地震信息网络入侵检测精度,利用柯西蜂群算法对支持向量机参数进行寻优,建立网络入侵检测优化模型。仿真实验证明,基于混沌算法的地震信息网络入侵检测方法能有效实现高检测率、低误报率的入侵检测,具有很高的应用优势。     

基于地区差异性修正因素的川滇地区地震人员伤亡动态评估方法研究

基于建筑物破坏的地震人员伤亡快速评估方法是一种静态评估方法,具有较大的局限性,因此迫切需要建立地震人员伤亡动态评估方法以提高评估结果的有效性。以川滇地区为例,基于历史震例人员伤亡资料和相关科研成果,利用统计分析、案例对比法以及大数据分析等方法,从影响人员易损性因素的地区差异性角度研究地震人员伤亡动态修正方法。为此提出了人口动态分布、建筑物抗震能力及其致死率、地震地质灾害致死率等3类地区差异性因子,并建立了川滇地区的人员伤亡动态评估修正因子表。通过对川滇地区2008—2019年发生的6次强震进行动态评估试算,结果表明,通过动态评估模型评估的人员伤亡数量能够与实际伤亡人数保持数量级一致,评估结果准确性优于传统评估方法。     

Modeling spatially correlated spectral accelerations at multiple periods using principal component analysis and geostatistics

Regional seismic risk assessments and quantification of portfolio losses often require simulation of spatially distributed ground motions at multiple intensity measures. For a given earthquake, distributed ground motions are characterized by spatial correlation and correlation between different intensity measures, known as cross‐correlation. This study proposes a new spatial cross‐correlation model for within‐event spectral acceleration residuals that uses a combination of principal component analysis (PCA) and geostatistics. Records from 45 earthquakes are used to investigate earthquake‐to‐earthquake trends in application of PCA to spectral acceleration residuals. Based on the findings, PCA is used to determine coefficients that linearly transform cross‐correlated residuals to independent principal components. Nested semivariogram models are then fit to empirical semivariograms to quantify the spatial correlation of principal components. The resultant PCA spatial cross‐correlation model is shown to be accurate and computationally efficient. A step‐by‐step procedure and an example are presented to illustrate the use of the predictive model for rapid simulation of spatially cross‐correlated spectral accelerations at multiple periods.     

地震震级预测的相关向量机模型

为了借助容易获取的地震相关因素间接预测地震震级,提出基于相关向量机（Relevance Vector Machine,RVM）方法的地震震级预测模型。通过样本学习建立地震震级与地震累积频度、累积释放能量、平均震级、b值、η值和相关区震级等6个主要影响因素之间的非线性映射关系,利用已知影响因素预测地震震级。结果表明:RVM模型预测结果均优于BP神经网络及SOM-BP神经网络预测结果;通过敏感因子分析比较各因素的敏感程度,b值和η值最为突出,在震级研究中应重点分析。综合分析,RVM模型具有精度高和离散性小等优点,对地震震级预测有较好的推广价值。     

基于公里网格单元的地震滑坡人员死亡率评估模型——以2014年鲁甸MS6.5地震为例

为提高地震人员伤亡预评估的准确性,完善地震灾害损失评估模型,科学评估地震地质灾害可能造成的人员伤亡数量,以2014年鲁甸MS6.5地震滑坡人员死亡数据为样本,建立了一种基于公里网格单元的地震滑坡人员死亡率logistic回归模型。采用F检验法对所建模型的合理性进行检验,计算得到的F值无限接近于1,表明模型无限接近于完全模型,具有极好的数学统计意义。根据模型评估的死亡率反演得到鲁甸地震灾区滑坡致死人数为233人,比实际少17人,总精确度为93.20%,实际死亡人数与模型识别人数在空间上也有很好的一致性,说明计算得到的地震滑坡人员死亡率是实际死亡人数的良好指标。     

Joint multivariate statistical model and its applications to synthetic earthquake predic-tion

IntroductionSeismologistsinChinahaveestablishedmanyseismologicalmethodsandearthquakepredic-tionfactorsintheearthquakeforecastpracticesinthelastthirtyyears.Atpresent,morethanonehundredseismometricfactorsareusedinthemedium-termandmedium-short-termearthquakepredictions,suchastheb-valuetomirrorthestressstateandthedistributiondegreeofthemedium,themf-valuetoexpressiftheseismicactivityisincreasedornot(WANG,etal,1994),thequanti-tativeparameterA(b)todescribetheseismicactivitiesinadistrict(WU,CAO,19…