发明名称 利用地震参量进行短期地震预测的神经网络方法
摘要 利用地震参量进行短期地震预测的神经网络方法是一种利用回归分析和神经网络融合技术进行地震预测的方法,具体为:1)确定研究区域、2)地震目录的收集及其预处理、3)利用地震目录求取地震参量和时变参量、4)信息整理、5)回归分析、6)神经网络模拟、7)计算地震预测的震级。使用该方法可实现区域短期地震预测,预测时间在6个月之内;可实现地震震级量化预测,计算结果稳定,预测精度较高;本地震预测方法具有可操作性,实用性较强;区域短期地震预测结果,可为“防灾减灾”提供服务,社会效益和经济效益明显。
申请公布号 CN101699317A 申请公布日期 2010.04.28
申请号 CN200910185422.X 申请日期 2009.11.09
申请人 东南大学 发明人 胡伍生;张金华;王浩
分类号 G01V1/00(2006.01)I;G06N3/02(2006.01)I;G06N3/08(2006.01)I 主分类号 G01V1/00(2006.01)I
代理机构 南京经纬专利商标代理有限公司 32200 代理人 叶连生
主权项 1.一种利用地震参量进行短期地震预测的神经网络方法,其特征在于,该方法包括以下步骤:a.确定研究区域:确定区域的经度范围和纬度范围,b.地震目录的收集及其预处理:1)收集该区域的地震目录:要求时间为15年及15年以上,2)按照规定的数据格式要求整理地震目录,3)地震主余震的筛选:删除余震,4)删除余震之后,将主震目录保存;c.利用地震目录求取地震参量和时变参量:首先,利用中国地震局监测预报司研制的《基于GIS的地震分析预报系统》软件对区域地震主震目录进行处理,从而获得相应的地震参量,其中,系统参数“时间步长”和“时间窗长”取值为“6个月”,计算6个地震参量,分别为b值,C值,D值,Mf值,YH值,N值;地震参量说明如下:b值反映大小地震的比例关系,C值为地震空间集中度,D值为地震危险度,Mf值为地震强度因子,YH值为地震活动演化指数,N值为地震的频度;补充说明如下:如果不用软件,可根据各地震参量的具体计算公式直接求取,然后,再计算6个时变参量,分别为<img file="F200910185422XC0000011.GIF" wi="217" he="108" /><img file="F200910185422XC0000012.GIF" wi="225" he="107" /><img file="F200910185422XC0000013.GIF" wi="199" he="103" /><img file="F200910185422XC0000014.GIF" wi="207" he="103" /><img file="F200910185422XC0000015.GIF" wi="218" he="109" /><img file="F200910185422XC0000016.GIF" wi="224" he="107" />其中t为“计算时间段的最终时刻”至“整个地震目录的起始时刻”的累计天数;d.信息整理:将计算得到的地震参量和其他信息一起,按照规定格式整理,每行信息包括15个数据,分别为:序号,时间,当前6个月的6个地震参量b值,C值,D值,Mf值,YH值,N值,当前6个月的6个时变参量<img file="F200910185422XC0000017.GIF" wi="219" he="109" /><img file="F200910185422XC0000018.GIF" wi="226" he="110" /><img file="F200910185422XC0000019.GIF" wi="195" he="104" /><img file="F200910185422XC00000110.GIF" wi="206" he="103" /><img file="F200910185422XC00000111.GIF" wi="218" he="108" /><img file="F200910185422XC00000112.GIF" wi="225" he="108" />未来6个月内最大震级,e.回归分析:用多元线性回归方法建立地震震级与地震参量之间的关系,建立方案如下:取当前6个月的6个地震参量b,C,D,Mf,YH,N值,6个时变参量<img file="F200910185422XC00000113.GIF" wi="217" he="110" /><img file="F200910185422XC00000114.GIF" wi="223" he="109" /><img file="F200910185422XC00000115.GIF" wi="198" he="102" /><img file="F200910185422XC00000116.GIF" wi="206" he="103" /><img file="F200910185422XC00000117.GIF" wi="216" he="109" /><img file="F200910185422XC00000118.GIF" wi="204" he="110" />作为线性回归的自变量,将以上12个自变量依次记为x<sub>1</sub>、x<sub>2</sub>、...、x<sub>12</sub>;取未来6个月的最大震级Ms作为因变量,将因变量记为y,具体回归模型公式如下:<maths num="0001"><![CDATA[<math><mrow><msub><mi>M</mi><mi>S</mi></msub><mo>=</mo><msub><mi>a</mi><mn>0</mn></msub><mo>+</mo><msub><mi>a</mi><mn>1</mn></msub><mo>&CenterDot;</mo><mi>b</mi><mo>+</mo><msub><mi>a</mi><mn>2</mn></msub><mo>&CenterDot;</mo><mi>C</mi><mo>+</mo><msub><mi>a</mi><mn>3</mn></msub><mo>&CenterDot;</mo><mi>D</mi><mo>+</mo><msub><mi>a</mi><mn>4</mn></msub><mo>&CenterDot;</mo><msub><mi>M</mi><mi>f</mi></msub><mo>+</mo><msub><mi>a</mi><mn>5</mn></msub><mo>&CenterDot;</mo><msub><mi>Y</mi><mi>H</mi></msub><mo>+</mo><msub><mi>a</mi><mn>6</mn></msub><mo>&CenterDot;</mo><mi>N</mi><mo>+</mo><msub><mi>a</mi><mn>7</mn></msub><mo>&CenterDot;</mo><mi>sin</mi><mrow><mo>(</mo><mfrac><mrow><mn>4</mn><mi>&pi;t</mi></mrow><mn>1095</mn></mfrac><mo>)</mo></mrow><mo>+</mo><msub><mi>a</mi><mn>8</mn></msub><mo>&CenterDot;</mo><mi>cos</mi><mrow><mo>(</mo><mfrac><mrow><mn>4</mn><mi>&pi;t</mi></mrow><mn>1095</mn></mfrac><mo>)</mo></mrow></mrow></math>]]></maths><maths num="0002"><![CDATA[<math><mrow><mo>+</mo><msub><mi>a</mi><mn>9</mn></msub><mo>&CenterDot;</mo><mi>sin</mi><mrow><mo>(</mo><mfrac><mi>&pi;t</mi><mn>365</mn></mfrac><mo>)</mo></mrow><mo>+</mo><msub><mi>a</mi><mn>10</mn></msub><mo>&CenterDot;</mo><mi>cos</mi><mrow><mo>(</mo><mfrac><mi>&pi;t</mi><mn>365</mn></mfrac><mo>)</mo></mrow><mo>+</mo><msub><mi>a</mi><mn>11</mn></msub><mo>&CenterDot;</mo><mi>sin</mi><mrow><mo>(</mo><mfrac><mrow><mn>4</mn><mi>&pi;t</mi></mrow><mn>1825</mn></mfrac><mo>)</mo></mrow><mo>+</mo><msub><mi>a</mi><mn>12</mn></msub><mo>&CenterDot;</mo><mi>cos</mi><mrow><mo>(</mo><mfrac><mrow><mn>4</mn><mi>&pi;t</mi></mrow><mn>1825</mn></mfrac><mo>)</mo></mrow></mrow></math>]]></maths>或写为:y=a<sub>0</sub>+a<sub>1</sub>·x<sub>1</sub>+a<sub>2</sub>·x<sub>2</sub>+a<sub>3</sub>·x<sub>3</sub>+……+a<sub>12</sub>·x<sub>12</sub>将子样逐个代入上式,可以建立误差方程式,根据最小二乘原理,计算上式中13个待定系数,f.神经网络模拟:在回归模型的系数求出之后,先根据下式计算各子样的回归分析值y′和回归偏差值Δy:y′<sub>i</sub>=a<sub>0</sub>+a<sub>1</sub>·x<sub>1i</sub>+a<sub>2</sub>·x<sub>2i</sub>+a<sub>3</sub>·x<sub>3i</sub>+……+a<sub>12</sub>·x<sub>12i</sub>,Δy<sub>i</sub>=y<sub>i</sub>-y′<sub>i</sub>,式中下标i表示子样序号,y<sub>i</sub>为子样值;然后,再将计算结果按照规定格式整理;每行信息包括16个数据,分别为:序号,时间,当前6个月的6个地震参量b值(x<sub>1</sub>),C值(x<sub>2</sub>),D值(x<sub>3</sub>),Mf值(x<sub>4</sub>),YH值(x<sub>5</sub>),N值(x<sub>6</sub>),当前6个月的6个时变参量<img file="F200910185422XC0000023.GIF" wi="193" he="107" />值(x<sub>7</sub>),<img file="F200910185422XC0000024.GIF" wi="204" he="107" />值(x<sub>8</sub>),<img file="F200910185422XC0000025.GIF" wi="174" he="102" />值(x<sub>9</sub>),<img file="F200910185422XC0000026.GIF" wi="179" he="103" />值(x<sub>10</sub>),<img file="F200910185422XC0000027.GIF" wi="196" he="108" />值(x<sub>11</sub>),<img file="F200910185422XC0000028.GIF" wi="202" he="109" />值(x<sub>12</sub>),未来6个月内最大震级回归值y′,回归偏差值Δy,然后,将所有子样的相关信息按13×P×1的网络结构构成学习样本,利用神经网络BP算法进行训练,f1)BP网络的输入层元素个数为13个,分别为:x<sub>1</sub>、x<sub>2</sub>、...、x<sub>12</sub>、y′,f2)BP网络的隐含层元素个数为P个,P值计算公式为:P=20+INT(S/10),S为子样个数,f3)BP网络的输出层元素个数为1个,为:Δy,神经网络训练结束后,实质上就得到了该区域Δy的神经网络计算模型,该区域内地震震级回归偏差值Δy<sup>*</sup>均可根据该神经网络模型计算得到,g.计算地震预测的震级,地震震级预测的计算公式为:y<sup>*</sup>=y′+Δy<sup>*</sup>,式中,y′为回归分析值,根据回归模型公式计算;Δy<sup>*</sup>为回归偏差值,由神经网络模拟计算;y<sup>*</sup>为未来6个月内地震最大震级预测的计算结果。
地址 211109 江苏省南京市江宁开发区东南大学路2号