FAM人工神经网络模型在震后趋势判断中的应用.PDFVIP

维普资讯 第26卷 第 4期 华 南 地 震 Vo1．26．No．4 Dec．．2006 2Oo6年 12月 SOUTHCHINAJOURNALOFSELSMOLOGY FAM人工神经网络模型在震后 趋势判断中的应用 丛沛桐 ，薄景山 ，刘红帅2，吴卫雄 (1．华南农业大学水利与土木工程学院，广东 广州 510642； 2．中国地震局工程力学研究所 ，黑龙江 哈尔滨 150040) 摘要：介绍了FAM模糊人工神经网络的原理、学习方法与规则，提出了用于地震震后序列3 种震型的判断标准及现场预报规则，建立了基于FAM人工神经网络模型的地震现场预报手 段与准则。 关键词：FAM模型；人工神经网络；震后趋势判断 中圈分类号：P315．75 文献标识码：A 文章编号：1001—8662 (2006)04--0001-07 1简介 经过2O多年的地震现场预报实践，我国地震工作者获得了丰富的地震监测数据和预报 经验．先后提出了判断地震序列类型和后续强震预测的方法及其指标，包括h值 (刘正荣， 1985)，U值、K值 (朱传镇，1989)、地震能量熵法 (王琳瑛，1996)、自然类比法、多重 分形法、A值法、应变释放图像法、频度函数分布法、地震成核模型的数值模拟分析法等， 这些方法为预报难度很大的双震和强震群后续趋势开辟了新的技术途径，”【。 地震震后趋势判断的应用性研究也十分活跃，2O世纪8O年代 ，冯德益、林命周 2[1等 将模糊数学中的某些方法应用于地震预报，采用模糊软聚类的思路来软化判据，根据某一 显著地震发生后的早期资料，判断它 目前 “像”历史上的哪一次地震，以及还将发生多大 的地震 。 庄昆元等研制了震后趋势决策支持系统 P“TDSS”嗍，该系统将神经网络与模糊系统结 合起来，使之具有第2代专家系统的学习功能，系统知识库中除存有专家多年来总结的有 关地震现场预报的知识外，还通过系统学习得到了一批十分有意义的、目前专家尚未总结 的知识。此外，王炜将人工神经网络应用于地震的中期预报4[1，娄仲连将模糊信息处理用于 抗震设防研究[51。 本文在已有模糊联想记忆FAM (FuzzyAssociativeMemory)模型的基础上 [61，将神经网 络与模糊系统结合起来。对FAM模型在震后趋势判断中的数据处理、现场预报规则进行细 收稿 日期 ：2006—12—18 作者简介 ：丛沛桐 (1965一)男，教授 ，博士生导师．主要从事地震应急信息系统的研制与开发 维普资讯 2 华 南 地 震 化，以使判据更符合实际，提高震后趋势的判别精度。 2 模糊神经网络原理 人工神经网络与专家系统在技术上具有知识获取的互补性即，集两者的学习和推理功能 于一体的神经网络专家系统成为第二代专家系统的主流，但 由于神经网络的知识隐含在权 值中．不易解释和具体化，相反，模糊系统通过模糊语言可以很好地表达专家知识但不具 有学习功能 ，为此 ，BartKosko教授 (1987)提出了模糊联想记忆神经网络 (Fuzzy AssociativeMemory-FAM)。 FAM模型的原理是将模糊控制的规则隐含地分布在整个网络中，在神经网络的基础上 通过学习训练产生模糊规则，一次模糊联想记忆就是一次模糊逻辑推理嗍。各神经元各部分 信息相互支持 、补充，各 自独立地从与其输入端相联接的其它神经元采集输入，并计算输 出，再将其传递给上一层 (或其它)的神经元，作为它们的一个输入，或作为整个模型的 输出．从而赋予模型较强的容错抗错性能和联想能力。因此 ，可以利用神经网络 自学习功 能产生模糊规则。从而实现 自动推理和预测，解决知识的合成问题 ，完善专家系统的推理 与解释功能t9--]o]。 2．1 模糊联想记忆 (FAM)