径向基函数(RBF)神经网络及其应用

介绍了径向基函数(RBF)神经网络的原理、 学习算法及其在地震预报专家系统ESEP 3.0中的应用。 实际应用结果表明, 该神经网络可以很好地克服BP神经网络学习过程的收敛过分依赖于初值和可能出现局部收敛的缺陷, 具有较快的运算速度、 较强的非线性映射能力和较好的预报效能。     

地震序列类型的确定与现场预报规则的获取

论述了“震后趋势决策支持系统PTDSS”中的知识学习问题。以某些地震参数与序列类型的关系为例,介绍了如何确定地震序列类型以及系统通过FAM模型进行机器学习的方法。通过学习系统得到了一批非常有用的早期判断序列类型的知识。     

华北几次大震前的地震空间集中度C值的异常变化

本文在文献[2]的基础上,进一步证实了华北地区单位面积中的地震次数K的频数分布服从幂函数关系:N(K)=A/(1+K)~c,K=0,1,2,……K_(max),这里N(K)为所取区域中含有K次地震的单位面积数。等式中的C值表征了地震在空间分布上的集中程度,称之为地震空间集中度。文中研究了1970—1983间华北地区共发生的九次M_S≥5.8级地震震例,发现震前在震中周围较大范围内的C值都有一个明显的异常上升过程,表明较大地震前中小地震在空间上的集中过程是明显的。文章还就C值变化与实际地震空间分布的关系,C值的物理意义、C值的四种估计方法及其优劣、C值的统计分布等问题进行了讨论。     

华东地区五次中强震前地震危险度D值的异常变化

当前在地震时、空、强三个方面的研究中,人们对震级所服从的统计规律以及表征其特征的b值研究较多,而对时、空两个方面的研究较少。另外,在地震预报的实践中,尚缺乏一些描述地震活动在时、空两方面特征的定量参数。关于地震时间统计分布的问题,部     

地震时间间隔的统计分布及其地震危险度 D 值在华北大震前的异常变化

本文探讨了华北小震时间间隔的统计分布规律,并且经过统计检验认为,它服从韦布尔(Weibull)分布,f()=-1exp[-(/)].实际计算表明,地震发生方式参数一般小于1,说明华北小震活动呈续发性方式.本文利用可靠性理论中的一些成果,引入地震危险度函数D(t)=1-exp[-(t/)],它表示 t 时刻内发生地震的概率.本文取 t=1d,将 D(1)称为地震危险度 D 值.得到自1970-1984年期间华北共发生的九次 Ms5.8地震前,震中周围区域的地震危险度 D 值,都出现一个明显的异常上升过程.文中还就,和 D 值与实际地震活动的关系,以及 D 值变化的稳定性等问题进行了讨论,认为 D 值是应力的函数.同时,可靠性理论中的其它一些参数,也有着与 D 值相类似的变化.      

1979年3月2日固镇5.0级地震

本文对1979年3月2日固镇5.0级地震的主震参数、震前的地震活动以及地震序列的特征进行了一些研究。结果表明:震前在震中附近区域存在小震活动的空区。空区形成后,小震的频度、b值、应变释放等参量出现了异常变化。一定区域的波速比在震前也有异常显示。同时,临震前于空区的边缘发生了一组具有某些临震信息的地震。文中也对余震序列的概况作了介绍,指出该序列具有机制稳定、b值较低等与一般余震序列不同的特征。     

使用人工神经网络判断未来我国地震形势

使用BP神经网络研究全球强震活动与我国大陆强震活动的关系，检验结果表明该方法具有较好的预报效果。     

气候变暖对典型草原区降水时空分布格局的影响

立足于全球变暖对内蒙古典型草原区降水时空变化影响的研究，预测全球变化可能带来的后果，为良性的生态系统服务提供理论依据。基于1971—2000年锡林浩特市和阿巴嘎旗两个气象台站的平均温度和锡林郭勒盟境内16个气象站点的降水资料，结合地理信息系统技术，系统分析了气候变暖对典型草原区降水时空分布格局的影响。初步研究结果表明：气温变化过程和全球变暖的趋势相一致,特别是20世纪90年代变暖趋势最为强烈。在全球气候变暖的背景下，研究区的降雨量受东南季风的影响呈现由东南向西北递减的分布规律。但区域降雨存在明显的年代际变化特征,各区域降水变化差异显箸，从东南到西北变化的幅度减小。30年来研究区的降雨量变化表现出时间、空间上的不规则性，表明全球气候变化对草原区过去30年的降雨影响不显著，没有达到可识別的程度。     

Support vector machine method for forecasting future strong earthquakes in Chinese mainland

Statistical learning theory is for small-sample statistics. And support vector machine is a new machine learning method based on the statistical learning theory. The support vector machine not only has solved certain problems in many learning methods, such as small sample, over fitting, high dimension and local minimum, but also has a higher generalization （forecasting） ability than that of artificial neural networks. The strong earthquakes in Chinese mainland are related to a certain extent to the intensive seismicity along the main plate boundaries in the world, however, the relation is nonlinear. In the paper, we have studied this unclear relation by the support vector machine method for the purpose of forecasting strong earthquakes in Chinese mainland.     

地震活动参数约简的因子分析方法

目前地震活动性分析有许多指标参量,各参量在不同时段变化各异,预报效果不理想。由于各参量之间通常具有一定的相关性,本文选择地震频次N(ML≥3.0)、b值、η值、A(b)值、Mf值、Ac值、C值和D值8个参量进行因子分析,得到的反映地震活动时、空、强异常特征的综合指标Wfa。结果表明Wfa在2005年江西九江5.7级地震和华北14次5.7级以上地震前出现明显的异常变化,可以较好地反映地震活动时、空、强异常特征。还对因子分析的有关问题进行了讨论。