基于神经网络的地震震级时间序列预测方法研究-控制理论与控制工程专业论文.docxVIP

摘要 摘要 I I 摘 要 地震预测是基础研究领域的一个重要课题，如果能准确预测即将发生的地震，就 可以在地震来临前及时向政府和人民发出预警信号，帮助人们采取有力措施，避免重 大的人员伤亡和经济损失。 在地震的观测过程中，容易得到地震震级这一变量的时间序列，而根据混沌理论 可以知道，决定系统长期演化的任一变量的时间演化过程，均包含有系统所有变量的 长期演化信息。本文尝试从过去发生的地震震级时间序列寻找地震震级的演化规律， 预测未来可能发生的地震震级大小。 本文首先研究地震震级时间序列的噪声平滑问题，分析噪声的破坏性作用，说明 去噪的重要作用。文中介绍了常用的小波去噪方法，在对小波尺度阈值的选择上，给 出一种改进后的小波方法。对比这两种方法的去噪能力，采用去噪能力强的改进小波 方法对地震震级时间序列进行去噪处理。 其次，分析地震震级时间序列的混沌特性和相空间重构的重要作用，计算地震震 级时间序列的最佳嵌入维数和延迟时间，利用 Takens 定理重构地震震级时间序列的 相空间。 最后，介绍常用的前馈神经网络，即 BP 网络和 RBF 网络，建立地震震级时间 序列的混沌-前馈神经网络模型，进行地震震级时间序列的预测仿真。为了进一步提 高震级的预测精度，本文还介绍了小波神经网络，详细分析小波网络的算法过程，针 对其初始权值和阈值的选取缺点，采用遗传算法对其进行优化，然后应用小波神经网 络和改进的小波神经网络进行地震震级时间序列的预测仿真。比较基于前馈神经网络 和基于小波神经网络的地震震级时间序列预测结果，表明：遗传算法改进后的小波神 经网络具有较高的预测性能，其震级预测精度明显高于其它神经网络，误差也相对较 小。 关键词：震级；时间序列；预测；相空间重构；BP 神经网络；RBF 神经网络； 小波神经网络；遗传算法 基于神 基于神经网络的地震震级时间序列预测方法研究 II II Abstract Earthquake prediction is an important topic for basic research. If an impending earthquake can be accurately predicted, the government and people can get the early warning signal before the earthquake . Then, the local people can take timely effective measures to avoid the significant casualties and economic losses. During the observation of earthquake, it is easy to get the time series of earthquake magnitude. From chaos theory, we have known that the time evolution of any one of variables which determines the systems long-term evolution contains the information of long-term evolution of all variables. This paper attempts to find the evolution of earthquake magnitude from the past earthquake magnitude time series and predict the future earthquake magnitude. Firstly, this paper studies the noise smoothing problem of the earthquake magnitude time series. It also analyzes the devastating effects of the noise and illustrates the important role of denoising. After that, this paper introduces the conventional wavelet denoising method and then gives an improved wavelet method for the choice of the wavelet thresholds. Contrasting the denoising capability of these two methods, the i