青海玉树区域短期地震预测模型研究及其应用.pdfVIP

第6卷第2集 VOL．6，No．2 1 201 Oct．201 1年10月 交通工程测量技术研讨交流会论文集 青海玉树区域短期地震预测模型研究及其应用1 聂红林2胡伍生 (东南大学交通学院南京210096) 摘要：地震预测至今仍是世界上的一大科学难题，特别是区域短期与临震预测的水平与社会需求相距甚 远。BP神经网络具有很强的非线性映射功能，它可以很好地反映地震前出现的各类异常与未来地震震级及 发震时间之间的较强非线性关系。本文基于神经网络基本理论和BP算法，融合线性回归方法，提出了一种基 于线性回归与BP神经网络技术的区域短期地震预测融合模型，对地震震级进行量化预测。本文主要以青海玉 树区域为研究对象并选取6个月为预测周期，采用地震预测融合模型，回溯检验结果表明，融合模型的震级预 测中误差为±0．42级，地震预测效果较好。 关键词：短期地震预测，BP神经网络，地震参数，时变参量 1引言 BP神经网络技术凭借其较好的自组织适应性、学习能力以及容错能力，对复杂非线性系统 具有良好的分析特性，近年来被广泛地应用于地震预测领域…-【31。我国是世界上遭受地震破 坏最为严重的国家之一，长期以来地震给我国人民带来了巨大的生命财产损失。近年来，继 2008年5月12日四川汶川地区发生了新中国成立以来破坏性最强、波及范围最大的8．0级特 大地震后，2010年4月14日青海玉树地区又发生了7．1级特大地震。这些地震给社会带来了 巨大的损失和影响，也使人们对准确预报地震的期望更加迫切。但是地震产生机理、孕育过程 的复杂性以及地球内部观测的困难性，使得人们至今都很难建立较完善的地质及物理理论模 型，因此地震预测仍是世界上的一大科学难题。 本文以BP神经网络技术为基础，通过BP神经网络对线性回归方法产生的模型误差进行 补偿，对地震预测方法进行深入研究，尝试建立青海玉树区域的短期地震预测模型，实现对该区 域未来6个月内最大震级的量化预测。 2BP神经网络理论概述 BP(Back 出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。 BP网络能学习和存贮大量的输入一输出模式映射关系，而无需事前揭示描述这种映射关系的 数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使 ·312· 交通工程测量技术研讨交流会论文集 第6卷 网络的误差平方和最小。BP算法的主要思想是把学习过程分为两个阶段： 第一阶段(正向传播过程)：给出输入信息通过输入层经隐含层逐层处理并计算每个单元 的实际输出值。 第二阶段(反向传播过程)：若在输出层未能得到期望的输出值，则逐层递归地计算实际输 出与期望输出之差值(即误差)，以便根据此差调节权值。具体地说，就是可对每一个权重计算 出接收单元的误差值与发送单元的激活值的积。因为这个积和误差对权重的(负)微商成正比 (又称梯度下降算法)，把它称作权重误差微商。权重的实际改变可由权重误差微商按各个模 式分别计算出来。 这两个过程的反复运用，使得误差信号最小。实际上，误差达到人们所希望的要求时，网络 的学习过程就结束。 BP神经网络模型拓扑结构一般采用三层结构：一个输入层，一个隐含层，一个输出层，其中 隐含层可以是一层或多层。本文在构造短期地震预测模型时也采用了三层的BP神经网络，其 网络模型结构见图l，隐含层节点的激活函数选取标准Sigmoid型函数H】。 传 输 入 期望■出向量 向