- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
BP神经网络在地震预测中的应用.doc
BP神经网络在地震预测中的应用
摘要:地震因其不可预测和防范性成为近年来最严重的自然灾害。由于地震的不确定性和我们所掌握的地震学的局限性,使得往往成为后知后觉的被动者。痛定思痛后的学者们,汲取历来地震时的各种指标来寻求预测地震的方法,为了对未来地震趋势进行预测,他们提出一种 BP 神经网络预测方法。
中国 8/vie
关键词:BP神经网络;地震预测;指标
中图分类号:TP183;P315.7 文献标识码:A :1007-9416(2017)01-0091-01
地震的破坏性是灾难性的,近年来,我国乃至世界各地地震频发,人员和财产的损失不可估量。地震预测成为全世界亟需攻克的难题,各国或组织都投入了大量的人力和财力以求最大限度地减少地震造成的影响。人们对自然的理解是很有限的,对地震的成因和规律的理解一直是无法突破的瓶颈,我们无法直接透视地球来观察其活动情况,进而预判地震发生的具体时间及位置和震级大小,但经过长期的摸索和验证,一种叫做BP神经网络的预测方法更接近地震的各种特征,从而也被广泛应用于地震预测中。
1 BP神经网络
由Rumelhart和McClelland提出的误差反向传播(Error Back-Propagation)神经网络模型和其算法通常被称为BP神经网络模型。这是目前为止,全世界使用得最靠谱的神经网络模型之一。BP神经网络模型包括输入层、输出层和N个隐层,BP学习算法是一种监控式学习算法,被多层前馈网络所使用。它的核心理念是利用梯度搜索技术,使网络模型的输出实际值与预测值的方差接近最小值。网络模型的学习过程包含这两个阶段,即前馈计算阶段和反向调整权系数阶段,它是一种在这两个阶段不断修改差值的过程。
自然灾害虽然还无法尽用科学来解释,但地震的发生一定与我们观测到的一些特殊情况有关,这种关系也许是直接的,也许是间接递进的,我们可能无法用函数来直观表达各种变量之间的这种线性或非线性的关系,但通过BP神经网络的监控学习算法我们可以做到一种隐性诠释,BP神经网络模型对这种实值函数有着很强的学习、表征能力和自适应能力,以历来地震特征数值作为样本进行梯度搜索和比对计算使方差接近最小值或局部最小值,所以说BP神经网络是用于地震预测的一个十分有效的方法。
2 BP神经网络的特点
(1)BP神经网络的学习和表征能力都很强,它的网络模型中蕴含着N多隐层,适应性强。(2)在比对计算中不断的修正差值,对训练数据中的错误有很强的健壮性。(3)前馈计算阶段和反向调整权系数将误差降低到极小值,当一个样例被网络模型涵盖以后,对新的样例进行求值是非常快的。
3 BP神经网络在地震预测中的应用现状
近年来,科技的不断进步,计算机水平的提高推动着计算方法和机器学习算法的进步,BP神经网络作为机器学习算法中最常用的算法之一,被各个领域所广泛应用。目前的应用主要是神经网络对经过处理后的地震数据进行学习,以年份为特征,来预测该年份发生地震的情况。
BP神经网络模型通俗来讲是一种信息处理系统,是模仿人脑结构及其各神经元的功能来实现的。影响这种信息处理系统的因素有两项,第一项是网络的学习和运行规则,也就是网络中连接权值的调整规则;第二项是网络的拓扑结构,也就是BP神经网络中各神经元之间相互作用形式。
BP算法是误差反传播算法重要的组成部分。近年来,由于国家的重视,给予的大力支持,BP神经网络在我国发展神速,并在极短的时间里在图像、语音、数据等领域颇见成效。绝大部分的的神经网络都用到了BP算法,所以将BP算法应用于地震预测中定会取得非凡的效果,减少灾害的损失。BP算法的学习过程是由两个传播过程组成的,分别是信号的正向传播以及误差的逆向传播。信号的正向传播顾名思义就是将样本传输到输入层,然后再传播到各级隐层进行处理和比对计算到达输出层,此过程的逆向?鞑ゼ次?误差的反向传播过程。若要具体实现BP算法就要首先建立神经网络模型,然后将样本传输到输入层,然后比对每层输出,计算出网络模型的输出误差,不断修正权值,从而得到理想的误差最小值。信号的正向传播和误差的逆向传播的各层权值的修正过程是循环往复进行的,这个过程需一直进行到将最后输出的误差调整到可接受的程度为止。
4 BP神经网络在地震预测中的应用前景
目前有一种非常有效的方法被应用到小样本的预测问题中,我们称它为“交叉验证”法。交叉验证法是将训练样例分为若干份,每次从这若干份样例中任意找出一份作为验证样本,其它的统称为训练样本,每次交叉验证都得到一个最佳值,如此往复若干次后,将所有的最佳值求均值,这种方法对地震的预测结果很接近,是地震预测领域的一大突破。
预测毕竟是一种手段、一种猜测,任何一种算法最后的输出结果都只能是接近而无法等
您可能关注的文档
- 09会计专业论文开题报告.doc
- 09年金融学专业毕业论文题目参考.doc
- 10%丙硫唑悬浮剂防治水稻穗颈瘟药效研究.doc
- 10kV架空线常见故障及防范策略.doc
- 10kV真空断路器非全相分闸的原因分析及处理措施.doc
- 10kV配电线路带电作业危险点及预控对策研究.doc
- 10kV配电线路故障抢修危险点研究.doc
- 1151m3燃料罐TCS模块设计.doc
- 18世纪中国音乐文化在法国的传播研究.doc
- 1930年前后赣南剥削关系变化考察.doc
- GB/T 39560.10-2024电子电气产品中某些物质的测定 第10部分:气相色谱-质谱法(GC-MS)测定聚合物和电子件中的多环芳烃(PAHs).pdf
- 中国国家标准 GB/T 39560.10-2024电子电气产品中某些物质的测定 第10部分:气相色谱-质谱法(GC-MS)测定聚合物和电子件中的多环芳烃(PAHs).pdf
- 《GB/T 39560.10-2024电子电气产品中某些物质的测定 第10部分:气相色谱-质谱法(GC-MS)测定聚合物和电子件中的多环芳烃(PAHs)》.pdf
- GB/T 39560.302-2024电子电气产品中某些物质的测定 第3-2部分:燃烧-离子色谱法(C-IC)筛选聚合物和电子件中的氟、氯和溴.pdf
- 中国国家标准 GB/T 39560.2-2024电子电气产品中某些物质的测定 第2部分:拆解、拆分和机械制样.pdf
- 中国国家标准 GB/T 39560.302-2024电子电气产品中某些物质的测定 第3-2部分:燃烧-离子色谱法(C-IC)筛选聚合物和电子件中的氟、氯和溴.pdf
- GB/T 39560.2-2024电子电气产品中某些物质的测定 第2部分:拆解、拆分和机械制样.pdf
- 《GB/T 39560.2-2024电子电气产品中某些物质的测定 第2部分:拆解、拆分和机械制样》.pdf
- 《GB/T 39560.303-2024电子电气产品中某些物质的测定 第3-3部分:配有热裂解/热脱附的气相色谱-质谱法(Py/TD-GC-MS)筛选聚合物中的多溴联苯、多溴二苯醚和邻苯二甲酸酯》.pdf
- 中国国家标准 GB/T 39560.303-2024电子电气产品中某些物质的测定 第3-3部分:配有热裂解/热脱附的气相色谱-质谱法(Py/TD-GC-MS)筛选聚合物中的多溴联苯、多溴二苯醚和邻苯二甲酸酯.pdf
文档评论(0)