基于BP人工神经网络的潜在震灾预测系统

结合人工神经网络自身的特性和地震灾害预测研究的特点,应用BP人工神经网络模型,建立了潜在地震灾害预测系统。利用大样本数据对网络进行了训练,形成了有识别和记忆功能的非线性预测系统。通过对网络的测试和检验,论证了该系统在预测潜在地震灾害上的可行性和有效性。同时,从测试精度出发,探讨了这种预测网络存在的不足,并给出了相应的改进建议。虽然提出的神经网络模型预测精度还有待提高,但其量化指标仍可为地震灾区政府抗震减灾工作提供参考。     

多层砖房震害预测的人工神经网络方法及实践

应用云南省最近几次地震中多层砖房的震害实例,构造了多层砖房震害预测的人工神经网络方法,并利用这些数据进行了网络训练.结果表明:这种方法对已训练数据有很好的适应性,但如果要将之应用于震害预测,则尚需积累大量的震害数据,并进行大量的网络试验工作.     

城市局部地震灾害危害性指数及其在上海市的应用

本文首先提出的城市局部地震灾害危害性指数 ( UL EDRI)是从一个全新角度去理解和分析城市所面临的地震灾害威胁。它着眼于地震灾害危害性在一个城市内空间分布上的不均匀性 ,以综合的、层次的指数体系给出各局部区域间的地震灾害危害性的相对大小 ,以及组成危害性的各种因素对其危害性的相对影响程度 ,从而为城市的防震减灾规划、资源分配、城市规划和工程选址等各项工作服务。1　ULEDRI的提出一个大城市的地震灾害危害性有着众多影响因素 ,除了普遍重视的危险性和构筑物的易损性以外 ,城市功能、人口、经济等社会因素 ,以及应急资源…     

中国地震灾害预测的研究进展

综述了中国目前震害预测研究的成果，分析了震害预测研究的问题并展望了今后的发展趋势。     

城市震害预测中设定地震的确定问题

提出了一个确定震害预测中设定地震的方法,包括：确定贡献量最大的潜在震源区、潜在震源区内贡献量最大的震级档和设定地震的构造位置等。以福建省泉州市为例,获得５０年超赵概率６３％、１０％和２％等３个概率水平下的设定地震。本文给出的设定地震方法纵使了确定论方法和概率论方法的优点,有助于地震危险性分析方法的发展。     

大庆市东风新村和开发区地震灾害预测与信息管理系统

近年来,地理信息系统（GIS）技术被广泛地应用于城市或区域的防震减灾信息管理系统的建设。本文着重论述了在完成大庆市东风新村和开发区的震害预测工作,依据丰富的现场调查资料和震害预测信息建立了大庆市东风新村和开发区地震灾害预测与信息管理系统,以及建成后的系统所包含的主要内容和所能实现的功能。应用GIS技术建设城市地震灾害预测与信息管理系统不但能在地震应急决策中起到辅助决策作用,而且对于日常城市管理也是十分方便的。该系统的开发对其它城市防灾系统建设有一定的借鉴意义。     

基于GIS的地震灾害损失预测

在地震危险性分析及建筑物和生命等的易损性分析的基础上，预测未来地震造成自然和人工建筑环境的灾害及其损失，这是地震灾害及其损失研究的基本思路。本文基于宏观经济指标的地震灾害损失预测模型，以2000年全国不变价格计算的人均GDP作为地震宏观易损性的分类指标，以某市（A、B县）为例进行未来15年地震灾害损失预测。其预测结果包括两大部分：县行政区预测结果和网格预测结果，其预测结果可以为确定地震重点监视防御区提供参考依据。     

重大地震灾害链的时空有序性及其预测研究

重大地震与地震灾害链预测是当今世界地学前缘课题.本文通过国内外具体实例,重点介绍了重大地震灾害链的时空有序性、地震灾害链网络结构及其预测方法.     

建筑物震害预测在减轻城市地震灾害中的作用

在目前地震频发、地震预报尚不成熟的情况下,人们越来越清醒地认识到震灾防御的紧迫性。通过案例分析,说明建筑物震害预测有助于发现城市抗震性能薄弱的建筑物,并为其加固改造提供依据,进而为减轻城市地震灾害服务。     

城市震害预测虚拟仿真系统研究

研究并提出了利用虚拟仿真技术实现城市震害预测结果展示的技术方法和思路,描述了城市震害预测虚拟仿真系统需求、功能设计及结构框架。为震害预测更好服务于城市减灾、服务于民众防灾避险意识的提升等提供有效的技术支撑,具有较好的应用前景。     

基于OpenGIS的地震信息采集与震灾评估系统

提出一套基于OpenGIS的地震信息采集与震灾评估系统,遵循美国“开放式地理空间协会”提出的GLS、GDAS、WFS-T与WMS等相关服务规范,利用GML规范,建模、传递及储存地理信息作为不同系统之间数据交换的基础,将对数据的共享提升到特征类级的层次。给出了系统的功能结构,系统模型及流程,有效地实现了地震信息采集与灾情评估的目的。     

地震黄土滑坡滑距预测的BP神经网络模型

地震滑坡的滑距与重力滑坡的滑距有着显著的不同,科学预测地震发生时黄土地区滑坡的滑动距离是合理评估黄土地区滑坡风险和减轻滑坡灾害的有效方式之一。基于海原特大地震诱发黄土滑坡的400组野外调查数据,通过引入BP神经网络算法,论证了BP神经网络模型用于预测黄土地震滑坡滑距的适宜性和可行性;建立了地震诱发黄土滑坡滑距的BP神经网络预测模型,并通过67组数据进行了验证。BP神经网络算法和传统多元线性回归、多元非线性回归结果的对比显示,BP神经网络的预测更接近真实情况,具有较为理想的预测效果,可以用于黄土地震滑坡滑距的预测,并为圈定较为可靠的致灾范围提供依据。     

人工神经网络及其在地震研究中的应用

简述了人工神经网络的发展历史,详述了Ｂ－Ｐ神经网络的基本原理,介绍了其在地震研究中的应用,文后对神经网络研究中应注意的问题进行了讨论。．     

镇江地震台网理论监测能力评估

基于近震震级公式,对镇江地震台网理论监测能力进行评估,绘制地震监测能力图,以确定监测区不同地点发生地震时能被台网有效分析和定位的地震最小震级。镇江市句容县在该台网理论监测震级最小,为ML1.2—1.3;在镇江及相邻城市,发生M_L 1.8分析认为,以上地震均能被有效监测。     

黑龙江省测震台网监测能力评估

通过对黑龙江邻省相关台站测震数据共享和近几年台网建设规划的实施发现,该省测震台网监测能力得到进一步提高.     

基于专家知识的神经元网络方法及其在潜在震源区定量划分中的应用

将专家知识和神经元网络方法结合起来，利用专家知识和规则构造规则样本的方法来提高神经元网络学习样本的质量，通过神经元网络对规则样本的学习，形成基于专家知识的神经元网络模型。在潜在震源区划分专家系统中有关规则的基础上，将基于专家知识的神经元网络方法引入到潜在震源区定量划分中，并以首都圈地区为例，对其潜在震源区作了定量划分，结果表明，规则样本能较好的反映专家的知识和规则，利用构造规则样本的方法，可以提高     

人工神经网络模型预测气候变化对博斯腾湖流域径流影响

温室气体排放量增加造成气候变化,对全球资源环境产生重要影响．本文利用人工神经网络模型建立月降水、气温与径流关系,利用开都河流域降水、气温、径流资料对模型进行训练和验证,通过试算法确定网络模型结构,气温升高和降水量增加对径流影响的敏感程度分析表明,气温升高和降水增加对该区域径流影响较大,且气温升高的影响更为显著,径流增加主要集中在夏季,根据区域气候模型（RCMs）推算的CO2加倍情况下西北地区气候的可能变化,预测位于博斯腾湖流域的开都河大山口站年径流量增加38．6％,其中夏季增加71．8％,冬季增加11．4％。     

Statistical Interpretation of Webnet Seismograms By Artificial Neural Nets

We employed multilayer perceptrons (MLP), self organizing feature maps (SOFM), and learning vector quantization (LVQ) to reveal and interpret statistically significant features of different categories of waveform parameter vectors extracted from three-component WEBNET velocigrams. In this contribution we present and discuss in a summarizing manner the results of (i) SOFM classification and MLP discrimination between microearthquakes and explosions on the basis of single-station spectral and amplitude parameter vectors, (ii) SOFM/LVQ recognition of initial onset polarities from PV'-waveforms, and (iii) a source mechanism study of the January 1997 microearthquake swarm based on SOFM classification of combined multi-station PV-onset polarity and SH/PVamplitude ratio (CPA) data. Unsupervised SOFM classification of 497 NKC seismograms revealed that the best discriminants are pure spectral parameter vectors for the recognition of microearthquakes (reliability 95% with 30 spectral parameters), and mixed amplitude and spectral parameter vectors for the recognition of explosions (reliability 98% with 41 amplitude and 30 spectral parameters). The optimal MLP, trained with the standard backpropagation error method by one randomly selected half of a set of 312 mixed (7 amplitude and 7 spectral) single-station (NKC) microearthquake and explosion parameter vectors and tested by the other half-set, and vice versa, correctly classified, on average, 99% of all events. From a set of NKC PV-waveform vectors for 375 events, the optimal LVQ net correctly classified, on average, 98% of all up and 97% of all down onsets, and assigned the likely correct polarity to 85% of the onsets that were visually classified as uncertain. Optimal SOFM architectures categorized the CPA parameter vector sets for 145 January 97 events individually for each of five stations (KOC, KRC, SKC, NKC, LAC) quite unambiguously and stable into three statistically significant classes. The nature of the coincidence of these classes among the stations that provided most reliable mechanism-relevant information (KOC, KRC, SKC) points at the occurence of further seven statistically significant subclassses of mechanisms during the swarm. The ten neural classes of focal mechanisms coincide fairly well with those obtained by moment tensor inversion of P and SH polarities and amplitudes extracted from the seismograms interactively. The obtained results, together with those of refined hypocenter location, imply that the focal area consisted of three dominant faults and at least seven subfaults within a volume of not more than 1 km in diameter that likely were seismically activated by vertical stress from underneath.     

基于主成分分析及BP神经网络分析的地震人员伤亡预测模型研究

影响地震人员伤亡的因素众多,且彼此之间存在着复杂的交互作用。本文在综合考虑各种因素后选取地震发生时刻、人口密度、地震预报与否、建筑物破坏率、设防水准、震级、烈度等因素作为评价指标,首先运用主成分分析算出其主成分,然后运用神经网络分析方法建立预测模型。实例验证预测效果良好。