地震预测中的数据挖掘应用 2005年12月.pptVIP

数据挖掘在地震预测中的应用 1、关联规则 2、时间序列的相似性 3、神经网络及其集成 4、支持向量机 5、粗糙集 6、主成分分析 7、因子分析 8、数据挖掘在地震领域中的应用研究展望 3. 神经网络集成 比较实验和结果 单个RBFNN 外推精度为68.33%，内符精度77.12% 固定集成结构和训练参数 外推精度65%，内符精度69.64% 均匀设计确定集成结构和参数 外推精度78.33%，内符精度81.36% 提出了一种自动确定神经网络集成结构和参数调整的构造选择性RBF神经网络集成算法CSERBF 前兆及地震学异常的持续时间和种类多少与未来地震震级大小有一定关系 震级预报 3.3 基于特征加权的神经网络集成 FWEART 地震序列类型判断中的应用 4.1 我国大陆强震预测的支持向量机方法 表1 使用支持向量机和BP神经网络对14个待检验样本的检验结果 4.2 中国大陆强震时间序列预测的支持向量机方法 4.2.1 地震时间序列预测方法（1） 依次取前13年中我国大陆每年的最大地震震级 Mi+1,Mi+2,…,Mi+13，预测第14年的我国大陆最大地震震级Mi+14, (i=1,2,…m)。这样支持向量机的输入项为前13年中每年的最大地震 Mi+1,Mi+2,…,Mi+13 ；输出项为1个，