地震预报论文：人工神经网络som神经网络rbf神经网络.docVIP

地震预报论文：人工神经网络SOM神经网络RBF神经网络 【提示】本文仅提供摘要、关键词、篇名、目录等题录内容。为中国学术资源库知识代理，不涉版权。作者如有疑义，请联系版权单位或学校。 【摘要】地震是破坏力最强的自然灾害之一,严重威胁社会经济发展和人民生命财产安全。中国又是世界上地震活动最强烈和地震灾害最为严重的国家之一。因此,地震预报是当代地震学研究中的重要课题。由于引发地震的因素很多,产生机理复杂,且具有高度非线性,很难用动力学方程描述。人工神经网络具有很强的非线性处理能力,与传统的预测方法相比具有独特的优势。本文运用人工神经网络模型对未来地震震级进行预测,并将SOM和RBF两种神经网络模型相结合,有效提高了预测精度,对地震预报工作具有实际应用价值。本文所做的主要工作如下：(1)围绕地震预报中存在的问题,讨论了地震预报和人工神经网络的研究现状及相关原理方法,针对传统地震预报方法存在的缺陷,提出了将人工神经网络应用于未来地震震级预测的新方法,以求减少预报过程中人为主观因素的影响,提高预报的准确度和可信度。(2)针对神经网络中预报因子的选取对预测精度的重要影响,本文采用了目前地震预报中最有效的测震学前兆指标作为预报因子,选取了我省地震较多的闽粤赣交界地区及东南沿海作为研究对象,通过软件计算和人工复核州结合的方式保证了数据的准确可靠。(3)针对本课题的评测样本数量有限且分布不均匀的情况,先使用SOM网络对地震预测因子进行分类,再对各样本类分别构建RBF网络进行学习和预测。避免了BP网络容易陷入局部极小值的缺陷。(4)将测试样本作归一化处理后,代入由SOM和RBF网络构建的组合人工神经网络模型进行分类、学习和预测,直到满足误差要求为止。再经过反归一化处理后,得到最终的预测结果。结果表明,该方法对未来地震震级的预测取得了较好的效果,在实际地震预报应用中具有可行性和合理性。 【关键词】地震预报；人工神经网络；SOM神经网络；RBF神经网络； 【篇名】基于SOM自组织神经网络的地震预报技术研究 【目录】基于SOM自组织神经网络的地震预报技术研究 摘要 3-4 ABSTRACT 4-5 第1章 绪论 9-16 1.1 课题背景 9 1.2 研究意义 9-10 1.3 研究现状 10-14 1.3.1 地震预报的研究现状 10-11 1.3.2 人工神经网络发展史 11-13 1.3.3 人工神经网络在地震研究中应用的历史与现状 13-14 1.4 论文的主要内容和结构安排 14-16 第2章 地震预报方法研究 16-19 2.1 经验预报方法 16-17 2.2 概率统计方法 17 2.3 模式识别方法 17-18 2.4 神经网络方法 18-19 第3章 人工神经网络理论 19-34 3.1 人工神经网络概述 19-24 3.1.1 人工神经网络的基本概念 19 3.1.2 神经元模型和网络结构 19-23 3.1.3 人工神经网络的特点 23-24 3.2 自组织特征映射(SOM)神经网络 24-26 3.2.1 SOM网络简介 24 3.2.2 SOM网络结构 24-25 3.2.3 SOM网络学习算法 25-26 3.3 径向基函数(RBF)神经网络 26-29 3.3.1 RBF网络简介 26-27 3.3.2 RBF网络结构 27-29 3.3.3 RBF网络学习算法 29 3.4 MATLAB神经网络工具箱函数 29-34 3.4.1 概述 29-30 3.4.2 MATLAB中的SOM网络 30-32 3.4.3 MATLAB中的RBF网络 32-34 第4章 地震数据的预处理 34-46 4.1 地震数据的选取 34-35 4.2 预报因子的选取和计算 35-46 4.2.1 余震序列的剔除 36-37 4.2.2 地震累计频度的计算 37 4.2.3 地震能量释放累计值的计算 37 4.2.4 b值的计算 37-38 4.2.5 前兆震群的判断 38-39 4.2.6 地震条带的判断 39-44 4.2.7 地震活跃期的判断 44 4.2.8 相关地震区地震震级 44 4.2.9 小结 44-46 第5章 基于神经网络的地震预报应用研究 46-55 5.1 研究的基本流程 46-47 5.2 预报因子的归一化 47-49 5.3 基于MATLAB工具箱的神经网络设计及震例分析 49-55 5.3.1 SOM网络模型设计 49-50 5.3.2 RBF网络模型设计 50-51 5.3.3 闽粤赣及东南沿海地区震例误差结果分析 51-55 第6章 结论与展望 55-57 6.1 结论 55 6.2 展望 55-57 致谢 57-58 参考文献 58-61 采买全文加：