基于神經網絡的地震震級時間序列預測方法研究.pdf

1、地震預測是基礎研究領域的一個重要課題，如果能準確預測即將發(fā)生的地震，就可以在地震來臨前及時向政府和人民發(fā)出預警信號，幫助人們采取有力措施，避免重大的人員傷亡和經濟損失。
　　在地震的觀測過程中，容易得到地震震級這一變量的時間序列，而根據混沌理論可以知道，決定系統(tǒng)長期演化的任一變量的時間演化過程，均包含有系統(tǒng)所有變量的長期演化信息。本文嘗試從過去發(fā)生的地震震級時間序列尋找地震震級的演化規(guī)律，預測未來可能發(fā)生的地震震級大小。
　

2、　本文首先研究地震震級時間序列的噪聲平滑問題，分析噪聲的破壞性作用，說明去噪的重要作用。文中介紹了常用的小波去噪方法，在對小波尺度閾值的選擇上，給出一種改進后的小波方法。對比這兩種方法的去噪能力，采用去噪能力強的改進小波方法對地震震級時間序列進行去噪處理。
　　其次，分析地震震級時間序列的混沌特性和相空間重構的重要作用，計算地震震級時間序列的最佳嵌入維數和延遲時間，利用 Takens定理重構地震震級時間序列的相空間。
　　最

3、后，介紹常用的前饋神經網絡，即BP網絡和RBF網絡，建立地震震級時間序列的混沌-前饋神經網絡模型，進行地震震級時間序列的預測仿真。為了進一步提高震級的預測精度，本文還介紹了小波神經網絡，詳細分析小波網絡的算法過程，針對其初始權值和閾值的選取缺點，采用遺傳算法對其進行優(yōu)化，然后應用小波神經網絡和改進的小波神經網絡進行地震震級時間序列的預測仿真。比較基于前饋神經網絡和基于小波神經網絡的地震震級時間序列預測結果，表明：遺傳算法改進后的小波神經