排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
2.
图象识别是近二十年来发展起来的一门学科,它已广泛应用于许多领域中。盖尔芬德(I.M.Gelfand)、普雷斯(F.Press)等人将它用于地震危险区的划分。本文将图象识别方法用于地震预测中,以识别强震发生的时间。 按一定标准将所研究的全部时间划分为危险时间段D和不危险时间段N。以问题表的形式提出大地震前中等地震活动的特性,然后分两步进行图象识别: 1.学习。对P个时间段m个问题的回答是mp的矩阵,回答以二进制(是或非)表示。通过学习,识别出一个、两个或三个问题组合的新特征,称之为D和N的性质。 2.投票。D和N性质数目的差是△,当△大于或等于某阈值时,则识别为危险段D,否则为N。 结果表明,大地震发生前的一定时期内,中等地震活动增至一定水平、相差半级的中等地震活动水平的比值较正常情况增高以及大震前中等地震活动随时间增强等性质的综合,表明未来时间段內可能发生大地震。 此外还作了控制试验,说明图象识别结果是稳定的。 相似文献
3.
用和达法处理了从1967年至1976年十年内发生在北京区域台网内的千余次地震, 求得各次地震的 Vp/Vs.结果表明:(1)在上述时期内发生在台网内的13次ML≥3.5的地震前, 在主震震中附近地区都有明显的Vp/Vs下降而后回升的现象;(2)主震的大小与Vp/Vs异常区的面积大致成对数线性关系, 而异常持续时间与主震震级之间无明显关系;(3)异常结束后到主震发生之间存在一段等待时间, 等待时间的长短与Vp/Vs异常的情况无明显关系.这似乎暗示了本区地震发震机制的复杂性, 而且也使得用Vp/Vs异常预测发震时间存在困难. 相似文献
4.
模式识别是一门年青的学科。Gelfand、Press和Briggs等人都曾将此方法用于危险区的划分及研究地震与钱德勒颤动等的关系。有关模式识别在地震学中应用的概况,请参看文献[3]。 在“大震前地震活动的图象识别”一文中,我们将模式识别方法用于识别强震发生的时间,我们曾得到:“大震发生前的一定时间内,中等地震活动增至一定水平、相差半级 相似文献
5.
应用模式识别方法综合分析多项震兆 总被引:1,自引:0,他引:1
本文对华北地区公元1400年以来的16次M≥7强震和随机选取的191次“无强震”,研究 了下列一组震兆:地震活动水平;b值:空区;地震的条带分布和地震的集中性。对每项震兆,建立了该震兆为异常的一个或数个定量的准则,然后用模式识别法综合分析了这组震兆。结果表明:强震前地震活动水平增强和中小地震集中在强震震中附近可能是重要的震兆;b值异常在综合预测中也起了较大的作用;空区和地震的条带分布所起作用较弱。一系列控制试验表明结果是稳定的。基于对这组震兆的研究,在计算机上建立了“应用模式识别方法的综合预测方案”,并试用于强震的预测。 相似文献
6.
7.
K—W检验和熵法在单个特征选择中的应用 总被引:1,自引:0,他引:1
本文用K—W检验法和熵法对94个地震活动性特征进行了单个特征的选择。用两种方法分别选出了相对较好的12个特征和10个特征,两者的结果比较一致。对选择出的少量特征所描述的样品,用Fisher方法集群的误识率比用全部94个特征的误识率低。这表明用少数选择出的特征来代替全部特征是有效的。这样既可节约时间和经费还可避免特征较多可能带来的某些问题。 相似文献
8.
Bayes方法及其在地震预报中的应用 总被引:1,自引:0,他引:1
对Bayes方法进行了分析并将其应用于华北地区强震的预测,结果较好。内符合检验、阈值试验、FH检验、时间窗移动试验等一系列控制试验表明识别结果较稳定。 相似文献
9.
本文考察了我国华北及西南 M≥7地震的余震序列, 在M—logt 图上余震活动呈现有交替的高潮期和低潮期;称为准周期性.取高潮期中极大余震发生时间 tn 与周期函数 S(t)=sin[(2πt)/T(t)+(π/2)]的峰值依次拟合, 求得各峰值时的周期 Tn, 各余震序列的结果一致表明 logT=loga+qlogt 的线性关系存在, 即 T=atq.并讨论了 T 随 t 的幂函数增加主要是由于荷载率$ \dot{P}$ 随时间幂函数减小所致.外推 S(t), 可用下一个峰值对应的 t 预测下一个强余震的发震时间.本文还讨论了相邻两强余震的时间间隔与强余震震级的关系. 相似文献
1