主成分分析在地震预测中应用.docVIP

主成分分析在地震预测中的应用 　　 　　 摘要：鉴于所提供的电压、电磁波辐射EW、电磁波辐射NS、地温、水位、气温、气压、水温、气氡、雨量、倾斜仪NS、倾斜仪EW等12个地震影响因子间存在相关性，数据冗余较大，而且仅根据某单一指标进行评估和预测，可靠性较差。本文基于主成分分析法对各指标数据进行简化，选取信息量较大的前几个主成分，估算能够反映地震强度特征的综合指标W。结果表明，几次地震前后，综合指标W均表现出较明显的异常现象，或是明显增加，或是明显减少，一定程度上能够反映地震异常活动情况。 　　关键词：主成分分析 ，特征向量， 贡献率， 地震预测 　　Abstract: in view of the voltage, provided by electromagnetic radiation EW, electromagnetic wave radiation temperature, water level, NS, temperature, atmospheric pressure, water temperature, gas radon, precipitation, tiltmeter NS, tiltmeter EW and so on 12 earthquake influence the correlation factor, data redundancy is bigger, and only a single index according to evaluate and prediction, reliability is poorer. This paper, based on the principal component analysis of each index data is simplified, the selection of larger information before a few principal components, estimation can reflect the characteristics of earthquake intensity comprehensive indexes W. The results show that a few times before and after the earthquake, the comprehensive index W all represent more apparent anomalies, or significantly increased, or significantly reduce and, to some extent, can reflect earthquake abnormal activity. 　　Keywords: principal component analysis, feature vector, contribution, earthquake prediction 　　 　　 　　中图分类号：P315.72+1文献标识码：A 文章编号： 　　一、 引言 　　地震是地下岩层受应力作用错动破裂造成的地面震动，是一种破坏性极强的自然灾害。2008年汶川地震造成大量的人员伤亡和经济损失，地震预测也再次被列为热点研究问题。由于地震的孕育和形成过程较为复杂，各影响因子对其的作用强度仍存在很多的不确定性。目前，对于地震的研究多集中在通过分析各指标之间的相关性，去掉冗余信息，保留彼此独立的关键参数，不仅能够简化输入信息的空间维数，而且一定程度上能够提高地震预测的准确性。冯兴春等[1]选取与地震强度有关的3级以上地震频次N、b值、Mf值、#61544;值、C值、Ac值等6个参量进行主成分分析，得到反应地震强度特征的综合指标W，结果表明W在辽宁海城7.3级、岫岩5.4级地震前出现明显的异常变化，能够较好地反映地震活动的异常特征。王炜等[2]利用同样的方法于江苏省溧阳市，结果发现综合指标在研究区两次地震前均出面明显的异常变动，震后异常恢复。 　　基于上述已有研究的理论基础，本文选取2005年10月29日1：00到2008年12月31日23：00电压、电磁波辐射EW、电磁波辐射NS、地温、水位、气温、气压、水温、气氡、雨量、倾斜仪NS、倾斜仪EW等12个指标的27839组数据进行主成分分析，得到能够反映地震强度的综合指标W，通过实验发现该指标在地震前后异常变动较明显，在地震预测中具有一定的参考价值。 　　二、 主成分分析算法介绍 　　主成分分析法在保原始数据信息丢失最小的情况下，对高维变量空间进行降维处理，以少数的综合指标取代原有的多维变量。通过对原始变量X1, X