基于粗糙集理论的地震前兆综合预测研究

以实际震例的异常数据为样本,利用粗糙集理论的离散、约简和推理功能,对地震前兆异常属性进行约简,进而对地震震级进行推理分类.初步结果表明,该方法可以在一定程度上找到异常数据与震级之间的内在联系,是一种可行的地震前兆综合预测方法.     

地震前兆数据异常自动检测报警系统

通过对地震前兆数据的分析与研究,研制了一套地震前兆数据异常自动检测与报警系统.该系统可实现测项分量与检测方法的自由定制,通过利用相关分析、差分检测、固体潮相关检测、方差检测、台阶检测与金日光第四统计力学群子统计理论等多种检测方法,实现了对数据的自动异常检测与报警.试验证明,该系统有效可行,可为地震数据监测人员与地震预报...     

对地震前兆异常的一些再思考

通过研究地震远场前兆异常、超长期(8~20a)前兆异常和前兆异常判别上的差异,进一步揭示远场前兆异常的意义、前兆异常曲线的内涵和地震间的相互关联及地震预报的复杂性。该研究有助于进一步了解前兆异常的实质和深化地震预报。     

基于EMD-LSTM方法的地震前兆数据同化分析

<正>1研究背景傅承义（1963）指出地震预报的直接标志是前兆,而寻找前兆是地震预报研究的一条重要途径。马宗晋等（2014）通过对全球地震演化特征、地震预测预报历史和中国陆区地震预测途径的探索,提出地震前兆观测效能图谱。黄辅琼等（2017）指出发展数值地震预报首先需要对各种观测资料进行同化分析。使用LSTM神经网络预测时间序列数据较为有效,但是该方法在处理强非线性数据时存在不理想情况。EMD-LSTM神经网络是近年发展起来预测时间序列数据的一种有效方法。     

地震前兆综合预测支持向量机模型研究

该文介绍了支持向量机算法的原理与回归方法。 采用支持向量机中的非线性回归算法与理论公式产生的多维样本, 对其进行了数值仿真实验。 利用该方法和地震前兆异常建立了最佳地震综合预测模型, 对获得的最佳模型进行了内符检验, 得出最佳模型的预测结果与实际震例的地震震级基本一致。 综合分析认为, 支持向量机无论在学习或者预测精度方面不但具有很大的优越性和具有较强的外推泛化能力, 而且基于支持向量机回归算法建立的地震前兆综合预测模型是可行的, 其获得的知识可较为准确地实现对主震震级的综合预测。     

利用小波包方法分析新疆南部地震前长波辐射异常

以新疆南部为主要研究区域,选取2003-2010年MS＞5．0典型震例进行分析,将长波辐射日值数值与历年日值数据均值相减,排除年际数据波动干扰,采用小波包方法,对均一化处理后的差值进行分解重构,发现新疆南部地区地震前小波包重构信息均有不同程度的能量衰减现象,且能量衰减时间长短与地震震级之间存在一定对应关系。该现象可以作为地震前兆异常信息参考,为地震预报提供辅助监测手段。     

利用小波包方法分析新疆南部地震前长波辐射异常

以新疆南部为主要研究区域,选取2003—2010年M_S5.0典型震例进行分析,将长波辐射日值数值与历年日值数据均值相减,排除年际数据波动干扰,采用小波包方法,对均一化处理后的差值进行分解重构,发现新疆南部地区地震前小波包重构信息均有不同程度的能量衰减现象,且能量衰减时间长短与地震震级之间存在一定对应关系。该现象可以作为地震前兆异常信息参考,为地震预报提供辅助监测手段。     

祁连山地震带地下流体短期前兆异常特征分析

系统分析了地下流体短期前兆异常变化与中强地震的关系,提出祁连山地震带地下流体资料存在两类短期前兆异常,即转折型和单一型短期前兆异常,结合震例对这两类短期前兆异常的特征进行了分析,认为预报人员应特别注意该区内的这两类群体异常的特点,并把它应用到该区的地震预报中。     

地震活动的灰色预测和地震前兆的灰色判别

本文运用灰色系统理论和方法，对地震活动进行灰色预测，表明河北诏山7.8级强震和江苏常熟5.1级中强震建模预测效果良好，对地震前兆数据作新息模型和等维新息模型的异常判别，以及包络模型判别、拓扑模型群判别，可以鉴别出地震前兆异常，实为地震前兆分析的一种新方法。     

基于LSTM-RNN的地震前兆数据异常检测新方法（英文）

研究地震前兆数据的异常变化是地震短临预测的基础,本文提出一种地震前兆数据的异常智能检测新方法,利用长短期记忆单元的递归神经网络(LSTMRNN)构建数据趋势变化预测模型,通过模型预测的误差来提取数据的异常变化。该方法不需要对原始数据进行预处理,也不需要对异常数据判断的经验积累,适用于各类不同长度的地震前兆数据异常检测。通过使用三类真实的前兆观测数据的进行方法检验,将机器检测结果与人工识别结果进行对比分析,试验结果表明,基于LSTM-RNN的异常检测方法能够准确识别各类异常,可以代替人工用于地震前兆数据的异常检测。