震前異常挖掘算法研究.pdf

1、地震作為一種自然災(zāi)害給人類造成了巨大的損失，衛(wèi)星遙感技術(shù)作為一種新型的對(duì)地觀測(cè)技術(shù)被應(yīng)用于地震科學(xué)的各個(gè)領(lǐng)域中。衛(wèi)星遙感數(shù)據(jù)維度高，數(shù)據(jù)量大，傳統(tǒng)人工分析手段已無法應(yīng)對(duì)，數(shù)據(jù)挖掘方法具有強(qiáng)大的分析處理問題的能力。本文在這種背景下，將數(shù)據(jù)挖掘方法引入地震預(yù)測(cè)中，以2005~2014年全球AIRS遙感數(shù)據(jù)為分析對(duì)象，分別提出基于頻繁項(xiàng)集、時(shí)間序列和主旨模式的震前異常挖掘算法。
　　基于頻繁項(xiàng)集的震前異常挖掘算法從屬性維度處理遙感數(shù)據(jù)，

2、針對(duì)AIRS傳感器18維參量數(shù)據(jù)進(jìn)行去背景和分段處理，在有效剔除地區(qū)、季節(jié)性因素的干擾同時(shí)也使得數(shù)據(jù)適用于項(xiàng)集挖掘；在處理挖掘得到的頻繁項(xiàng)集時(shí)，使用地震支持度減去非震支持度，有效的去除了非震因素的干擾。實(shí)驗(yàn)表明基于頻繁項(xiàng)集的震前異常挖掘算法可較好用于地震預(yù)測(cè)，并且隨著地震的臨近，震前異常范圍不斷變大。當(dāng)前兆區(qū)域?yàn)?°，前兆時(shí)間為30天，分段數(shù)為5時(shí)，預(yù)測(cè)效果最佳，預(yù)報(bào)率81.8％，誤報(bào)率5.6%，此時(shí)地震前兆異常主要和TropTemp_

3、D、TropHeight_D、SurfPres_Forecast_D、H2O_MMR_Surf_D、TropPres_D、SurfAirTemp_D和ClrOlr_D這七個(gè)參量數(shù)相關(guān)。
　　基于時(shí)間序列的震前異常挖掘算法從時(shí)間序列角度分析遙感數(shù)據(jù)，將異常模式挖掘算法與頻繁序列匹配算法融入到震前預(yù)測(cè)中，該方法不同于以往的預(yù)測(cè)建模，而是從一個(gè)全新的角度來發(fā)現(xiàn)震前遙感數(shù)據(jù)異常規(guī)律。首先通過對(duì)衛(wèi)星遙感進(jìn)行數(shù)據(jù)插值，歸一化處理和數(shù)據(jù)分段，然

4、后利用PrefixSpan算法分別挖掘出頻繁序列模式，計(jì)算出地震序列模式的差集，然后利用SeqMatching匹配算法匹配測(cè)試序列，并通過反饋不斷完善異常序列模式。最后通過地震預(yù)報(bào)率、漏報(bào)率以及對(duì)非震的誤報(bào)率，檢驗(yàn)方法的有效性。經(jīng)過36次試驗(yàn)，在確定了數(shù)據(jù)參量、前兆時(shí)間、區(qū)域大小、支持度和數(shù)據(jù)分段個(gè)數(shù)等參數(shù)的基礎(chǔ)上，發(fā)現(xiàn)CO含量參量的預(yù)測(cè)效果比較滿意。實(shí)驗(yàn)表明基于時(shí)間序列的震前異常挖掘方法可以找出以往地震歷史規(guī)律中蘊(yùn)含的有效異常模式，通

5、過模式匹配，較好地實(shí)現(xiàn)震前異常預(yù)測(cè)。
　　基于主旨模式的震前異常挖掘算法從衛(wèi)星的角度觀察實(shí)驗(yàn)數(shù)據(jù)，將其轉(zhuǎn)化為一系列以時(shí)間為單位的空間序列，針對(duì)空間序列相似性度量問題，提出一種基于空間距離懲罰度量算法CDTW。在主旨模式挖掘的過程中，基于K-Means的思想，提出一種基于全局平均主旨模式挖掘算法。實(shí)驗(yàn)表明CDTW將空間距離作為懲罰因子引入動(dòng)態(tài)彎曲度量DTW中，避免最小距離計(jì)算過程中過度彎曲的問題；基于CDTW的全局平均主旨模式算法對(duì)