共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
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。 相似文献
5.
《地震工程与工程振动》2015,(6)
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。 相似文献
6.
7.
8.
9.
10.
介绍了神经网络的一些基本概念,BP神经网络及其算法,使用地震强度因子Mf值,地震空间集中度C值,地震危险度D值对华北地区1972 ̄1992年期间进行空间扫描的中期和短期异常资料,通过BP神经网络进行学习并进行地震短期预测。研究结果表明:利用这3类资料的多项因子进行短期预测的效果较为理想。文章还对使用BP神经网络的一些具体问题进行了讨论。 相似文献
11.
为对大洋钻探计划(ODP)1148A井岩性收获率低的层位和涂片分析之外的井段进行岩性预测,得到更全面的岩性信息,设计出了一个以"morlet"小波为隐含层传递函数的三层小波神经网络.将总样本中的一部分作为学习样本,用于小波神经网络的训练,另一部分作为测试样本,用于检验小波神经网络预测岩性正确与否以及预测结果的误差评价.经过对该小波神经网络反复测试和调整,最终得到了一个误差最小的神经网络,其测试结果显示岩性预测符合率60%以上的占总体的60%以上.在没有岩心资料或取芯收获率低的层段,可将其用于粗略的岩性参考.将经测试后较满意的小波神经网络应用于整口井的岩性预测,得到该井的详细岩性信息.该岩性预测结果弥补了岩心涂片分析数椐较少,以及该井岩心收获率低的层位的岩性空白.本文将小波神经网络应用于测井岩性预测方法的探讨可为人工智能与地球物理测井相结合提供新的思路. 相似文献
12.
13.
针对如何选取合适的影响因素进行砖木结构房屋地震破坏合理评估的问题,提出了一种基于主成分分析与BP神经网络相融合的云南砖木结构房屋地震破坏评估方法,通过灰色关联度模型剔除对砖木结构房屋发生地震破坏影响较小的因素得到关键因子,采用主成分分析法从关键因子中提取主要成分,最后利用BP神经网络模型对处理后的主要成分进行训练,建立砖木结构房屋地震破坏比例预测模型,并利用实际震例进行验证。结果表明:本文方法相较于传统脆弱性曲线拟合方法和BP神经网络模型,其预测的砖木结构房屋地震破坏比例的预测精度更高、普适性更好。 相似文献
14.
在地震储层预测中,可采用的地震属性种类繁多,但太多地震属性常常会起到干扰作用,影响储层的预测精度,因此,为提高地震储层预测精度,把粗糙集理论融入到地震属性的优化中,利用粗糙集理论所具有的提取有用属性、简化信息处理的能力,优选出地震属性中的敏感属性是本文的研究目的,本文采用了一种基于属性方差的自组织神经网络量化方法,并运用基于区别矩阵的属性频率约简算法对地震属性进行优选,实例分析表明:该方法可行有效,可以最大限度地删除冗余地震属性,用优选出的敏感属性组合对多种储层参数进行预测均已取得了较好的效果. 相似文献
15.
本文从地震道的奇异属性出发,利用连续小波变换求取地震道的小波变换模极大值曲线,并沿此曲线提取地震道的小波变换系数,称之为小波变换模极大值连线振幅.此属性不仅可以代表信号本身,而且可以最大程度的区别于相邻道,并且具有地震道多尺度的特征,即兼具时频域的特征.由此结合自组织神经网络,我们提出了一种新的地震相分析方法.通过模型合成地震记录实验分析,证明此方法是可行的,且对地质层位的解释误差具有一定的容许度.最后,将此方法应用于了实际资料,取得了良好的效果. 相似文献
16.
本文在多年对东北地震大形势研究基础上,根据1900年以来东北地区地震目录资料,按年最大震级、地震频度和地震活动度分别建立三个时间序列f(t),利用离散小波变换对其进行分解,结果发现三个序列的小波变换细节系数均显示平均约20年周期的时序特征,并与该区地震活跃期符合得较好。依此,对该区地震活动发展趋势作了预测,认为当前地震活跃期大约在2008年结束。 相似文献
17.
地震相分析技术是储层预测的一种重要方法,可以用来描述有利沉积相带的分布规律.传统的地震相聚类分析方法对大数据的处理运算速度较慢,且容易陷入局部极小值,造成聚类分析的结构不准确.本文提出基于自组织神经网络(SOM)和粒子群优化方法(PSO)相结合的地震相分析技术,利用自组织神经网络能够保持原始地震数据的拓扑结构特性的特点,将大量冗余样本压缩为小样本数据,再通过粒子群的全局寻优能力改善K均值聚类的效果.理论模型和实际应用表明该方法能既有效实现数据压缩,又能提供较为准确的全局解,在地震相预测中兼顾计算效率和计算精度. 相似文献
18.
地震储层预测是油气勘探的重要组成部分,但完成该项工作往往需要经历多个环节,而多工序或长周期的研究分析降低了勘探效率.基于油气藏分布规律及其在地震响应上所具有的特点,本文引入卷积神经网络深度学习方法,用于智能提取、分类并识别地震油气特征.卷积神经网络所具有的强适用性、强泛化能力,使之可以在小样本条件下,对未解释地震数据体进行全局优化提取特征并加以分类,即利用有限的已知含油气井段信息构建卷积核,以地震数据为驱动,借助卷积神经网络提取、识别蕴藏其中的地震油气特征.将本方案应用于模型数据及实际数据的验算,取得了预期效果.通过与实际钻井信息及基于多波地震数据机器学习所预测结果对比,本方案利用实际数据所演算结果与实际情况有较高的吻合度.表明本方案具有一定的可行性,为缩短相关环节的周期提供了一种新的途径. 相似文献
19.