人工神經(jīng)網(wǎng)絡(luò)在地震綜合預(yù)報(bào)中的應(yīng)用

《人工神經(jīng)網(wǎng)絡(luò)在地震綜合預(yù)報(bào)中的應(yīng)用》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第,巧卷第期地震學(xué)報(bào)年月,一人工神經(jīng)網(wǎng)絡(luò)在地震綜合預(yù)報(bào)中的應(yīng)用‘蔡煌東甘俊人姚林聲中國上海。中國科學(xué)院上海冶金研究所、、多級判別聚類分析等統(tǒng)計(jì)模式識別方法在地震綜合預(yù)報(bào)中的應(yīng)用已有多篇文獻(xiàn)報(bào)道石紹先沈斌,叭王學(xué)仁,多年預(yù)報(bào)實(shí)踐表明,模式識別方法對干地震預(yù)報(bào)是有效的隨著國際上神經(jīng)網(wǎng)絡(luò)研究的興起,該方法也被用于模式識別領(lǐng)域,但尚未見其用于地震綜合預(yù)報(bào)方面本研究運(yùn)用“反向傳播”,對滇西南地震,神經(jīng)網(wǎng)絡(luò)區(qū)個震例進(jìn)行了計(jì)算機(jī)分析建立了地震綜合預(yù)報(bào)的專家系統(tǒng),人而為進(jìn)一步研究決定地震強(qiáng)度的物理因素,準(zhǔn)確地預(yù)報(bào)將來的未知地震提供參考信息人工神經(jīng)網(wǎng)絡(luò)反向傳播模型及算法—人工神經(jīng)網(wǎng)絡(luò)是年代

2、興起的一門非線性科學(xué),它是模擬人的智能的一條重要途徑,在模式識別、數(shù)據(jù)處理及自動化控制等方面,輸出層已得到了初步的應(yīng)用取得了很好的效果尹紅風(fēng)、戴汝為,年,并行分布處理小組提出“”一,了著名的反向傳播神經(jīng)網(wǎng)絡(luò)模型它是,隱蔽層一種多層感知器結(jié)構(gòu)除輸入層和輸出層,,以外還可含有多個中層隱蔽層含有一個隱蔽層的一模型如圖所示一模型具有很強(qiáng)的自組織、自學(xué)習(xí)能輸人層,通過對有代表性例子的學(xué)、,力習(xí)訓(xùn)練能夠掌握事物的本質(zhì)特征,許多問題都可由它來解決例如,一匹配,問題對稱性判斷等尹紅風(fēng)、戴汝為,目前對神經(jīng)網(wǎng)圖反向傳播網(wǎng)絡(luò)絡(luò)的研究熱潮,一模型是起了重要作用的模型之一一網(wǎng)絡(luò)的自學(xué)習(xí)過程是個反復(fù)

3、迭代的過程首先給網(wǎng)絡(luò)一組初始權(quán)值,然后輸入一個樣本,并計(jì)‘孚年月,年月日決定采用·日收到本文初稿地震學(xué)報(bào)卷,用一定的方法來修改,以達(dá)到減小這個差值的算輸出通過實(shí)際輸出和期望輸出之間的差值網(wǎng)絡(luò)的權(quán)目的反復(fù)執(zhí)行這個過程直至這個差值小于預(yù)先確定的值為止對足夠的樣本進(jìn)行這樣的“學(xué)”,網(wǎng)習(xí)后絡(luò)所持的那組權(quán)值便是經(jīng)過自適應(yīng)學(xué)習(xí)得到的正確的內(nèi)部表示設(shè)戶,,則一網(wǎng)絡(luò)學(xué)分別是第個樣本的期望輸出與實(shí)際輸出習(xí)算法為△,,甲二二少戶為輸出節(jié)點(diǎn)的輸出時一一為隱蔽層節(jié)點(diǎn)的輸出時‘少少少一少‘一一此處,,日是某層的第個節(jié)點(diǎn)與上一層的第個節(jié)點(diǎn)間連線的權(quán),戶是第個節(jié)點(diǎn)的輸·,、,出,一‘,是第,個節(jié)點(diǎn)收到

4、信息的總和,是第,個節(jié)點(diǎn)的輸出誤乙差,專是增益一神經(jīng)網(wǎng)絡(luò)用于地震綜合預(yù)報(bào)一,,為了運(yùn)用網(wǎng)絡(luò)根據(jù)震區(qū)特征參數(shù)物理環(huán)境驅(qū)動背景等預(yù)報(bào)地震強(qiáng)度我們選擇了云南地震最多的地震區(qū)滇西南地震區(qū)包括思茅一普洱一勵臘、云縣一耿馬、瀾滄一景洪個地震帶作為研究對象,嘗試—了神經(jīng)網(wǎng)絡(luò)方法的效果滇西南范圍的具體定義為云南西南部北緯度以北、南淀河斷裂以東、紅河斷裂以西的地區(qū)、,,。,如文獻(xiàn)石紹先范楊一樣選取該區(qū)半年來地震積累程度半年內(nèi)能量釋放積累,,,,,值值異常地震群個數(shù)地震條帶或者地震密集區(qū)個數(shù)是否處干活動區(qū)內(nèi)以及相關(guān)地震區(qū)地震震級這樣個特征參數(shù)作為預(yù)報(bào)因子我們?nèi)€不同“”,。的震例作為神經(jīng)網(wǎng)絡(luò)

5、的學(xué)習(xí)教材按其震級大小分成類第一類鎮(zhèn)第二類氣蕊第三類。簇簇將其特征變量上述個預(yù)報(bào)因子作為輸入,類的輸出期“,,”、“,,”、“,,”望值依次定為第一類第二類第三類神經(jīng)網(wǎng)絡(luò)的,,,隱蔽層含個單元訓(xùn)練集的收斂誤差為經(jīng)過學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)能完全正確地識別這些震例建立了震區(qū)特征參數(shù)與震級之間的復(fù)雜的對應(yīng)關(guān)系見表,具有了模擬人腦的功能表個學(xué)習(xí)震例震級一異常震群地震條帶活動相關(guān)藝習(xí)壇區(qū)類神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)結(jié)果半年內(nèi)半年內(nèi)個數(shù)個數(shù)震級周期別材汽為了進(jìn)一步考驗(yàn)所建立的模,“訓(xùn)練”,“”,型將未參加的另外個待測震例作為未知震例由已掌握了知識信息的神經(jīng)網(wǎng)絡(luò)對它們識別,按照其輸出值與期望輸出值的接近程度,

6、決定其歸屬于哪一類識期蔡煌東等人工神經(jīng)網(wǎng)絡(luò)在地震綜合預(yù)報(bào)中的應(yīng)用,個屬第一類個屬第二類個屬第三類,這些預(yù)報(bào)結(jié)果與實(shí)際情況完全一致別結(jié)果表明見表表個預(yù)測震例藝,藝份云異常地震活動相關(guān)區(qū)神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果預(yù)測震級震群條帶周期類別人了半年內(nèi)半年內(nèi)個數(shù)個數(shù)震級弓’要、芭毛三,可,只要輸入震區(qū)特征參數(shù)預(yù)報(bào)因子的實(shí)測值,見即可對將來的未知地震進(jìn)行預(yù)報(bào)結(jié)論、“”本文應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對確定地區(qū)確定時間范圍內(nèi)的地震強(qiáng)度作了預(yù)報(bào)時空強(qiáng)個要素均已,得到令給掛人滿意的結(jié)果這個方法同一般的多因子判別法相比有以下優(yōu)點(diǎn)神經(jīng)網(wǎng)絡(luò)以其高度的并行性和非線性表達(dá)能力,對處理多因子、多類和非線性的問題顯示其長處,

7、它將知識和推理結(jié)合起來并具有自學(xué)習(xí)能力在神經(jīng)網(wǎng)絡(luò)模,,型中信息分布存儲在各個單元中個別輸入信號變大或個別單元損壞不會引起識錯誤因此,用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行識別,其能力強(qiáng)、可靠性高本研究中,將隱蔽層第個單元刪去,得到的神經(jīng),網(wǎng)絡(luò)模型記為模型原來的模型記為模型它們對待測樣本的預(yù)報(bào)結(jié)果比較見表表個別神經(jīng)元損壞對網(wǎng)絡(luò)性能的影響神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果預(yù)測結(jié)果神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果預(yù)測結(jié)果,、仁‘廣綜,,,上所述能夠預(yù)料隨著神經(jīng)網(wǎng)絡(luò)研究的進(jìn)一步發(fā)展可望開辟地震綜合預(yù)報(bào)的新途徑云南省地震局石紹先先生提供了全部震例的有關(guān)數(shù)據(jù),特此致謝地震學(xué)報(bào)卷參考文獻(xiàn)、