共查询到15条相似文献,搜索用时 46 毫秒
1.
2.
中国大陆强震时间序列预测的支持向量机方法 总被引:12,自引:2,他引:12
统计学习理论(Statistical Learning Theory或SLT)是研究有限样本情况下机器学习规律的理论。支持向量机(Support Vector Machines或SVM)是基于统计学习理论框架下的一种新的通用机器学习方法。它不但较好地解决了以往困扰很多学习方法的小样本、过学习、高维数、局部最小等实际难题,而且具有很强的泛化(预测)能力。文中使用支持向量机对中国大陆最大地震时间序列进行预测,预测次年的我国大陆最大地震震级,结果表明该方法具有较好的预报效果。研究结果还表明我国大陆强震活动除了与强震时间序列本身有关外,还与全球的强震活动、太阳黑子活动等有密切的关系。尽管这种关系还不清楚,但是通过支持向量机可以很好地反应出这种非线性关系。 相似文献
3.
统计学习理论是研究小样本情况下机器学习规律的理论. 支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法. 它不但较好地解决了以往困扰很多学习方法的小样本、过学习、高维数、局部最小等实际难题,而且具有很强的泛化(预测)能力,其预测效果通常优于人工神经网络. 我国大陆强震与全球主要板块边界的强震活动之间具有一定的关系,但是这种关系具有较强的非线性. 尽管这种关系还不清楚, 但是通过支持向量机可以很好地进行建模, 并对我国大陆强震进行预测. 相似文献
4.
5.
6.
7.
8.
9.
支持向量机方法是基于统计学习理论提出的一种机器学习方法,在处理小样本、非线性问题方面有着很强的优势。而地震的孕育发生过程是一个复杂的非线性动力学系统,地震数据时间序列的变化更呈现非线性、不规则等特征。本文系统地分析了天津及其周边地区多种前兆现象,选取反映2至3个月短期情况的前兆测项,使用支持向量机分类方法建立地震综合预测模型,初步结果表明这种方法在地震短期预测中有一定的应用前景。 相似文献
10.
王军 《地震地磁观测与研究》2018,39(3):181-188
为研究天然地震事件和爆破事件识别算法,对上海测震台网记录的上海周边区域天然构造地震和爆破事件记录进行小波包分解,并提取特征向量,提出用支持向量机(SVM)识别天然构造地震和人工爆破的算法。结果表明,基于SVM算法的向量识别分类方法,在天然地震和爆破识别中是可用的,准确率预计达85%以上。 相似文献
11.
为有效解决地震伤亡人数预测所需影响因子多、运算量大、模型训练烦琐等问题,构建了主成分分析法(PCA)和遗传算法(GA)优化的支持向量机(SVM)模型,采用PCA对地震伤亡人数影响因子进行降维以去除贡献率较低的主成分,将贡献率较大的主成分作为支持向量机的输入变量,以地震伤亡人数作为输出变量,利用GA对SVM模型性能参数进行优化,建立基于PCA-GA-SVM的地震伤亡人数预测模型,并对测试样本进行预测,结果表明:与SVM模型、 GA-SVM模型和PCA-GA-BP模型相比, PCA-GA-SVM模型的预测准确率和运行效率分别提高4.73%、 1.14%、 9.99%和47.05%、 36.76%、 44.55%。结果显示, PCA-GA-SVM模型预测精度高,泛化能力强,能够科学合理地对地震伤亡人数作出预测。 相似文献
12.
13.
2003年9月27日俄蒙中边界7.9级地震的中期预测及其重要意义 总被引:3,自引:0,他引:3
2003年9月27日在俄罗斯(靠近蒙古、中国边界)发生了7.9级地震。作者在两年前对俄蒙中边界7.9级地震作过中期预测,预测意见和这一巨震的比较表明:这一预测是成功的,预测的依据是清楚和明了的。这显示了12个8级左右巨震的空间有序图象。6对对应地震的迁移速度(v)的平均值为14.50km/a,6个v值的变化范围在10—22km/a之内。从而提出:在地壳深处(甚至上地幔上部)可能存在一种巨型结构,它在控制着这些巨震的有序和重复迁移。 相似文献
14.
地震活动性研究及其应用于地震预测的一些问题 总被引:1,自引:1,他引:1
依据20世纪上半叶的强震资料对全球地震活动性进行的研究结果显示,强震活动呈带状分布,其实质是揭示了全球大尺度地壳介质的非均匀性。地震带与板块的活动密不可分,对认识板块活动做出了应有的贡献。基于悠久的历史地震资料和地质构造活动特征划分了20多条地震带,这是对大陆内部地壳介质非均匀性的一种认识,也是统计预测方法的基础之一。 相似文献