基于神经网络的地震数据时间序列分析

《基于神经网络的地震数据时间序列分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得安徽大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：藉。啊蔫签字日期：")Oil年r月28日学位论文版权使用授权书本学位论文作者完全了解安徽大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权安徽大学可以将学位论文的全部或部分内

2、容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)．，．学位论文作者签名：菇口j；两苦导师签名：荟寿扣签字日期：Ⅺ11年S月28日签字日期：20lf年歹月；o日学位论文作者毕业去向：．工作单位：毫傲备中司二基锖：睦北金竹电话：l】；9D箩6D822《I通讯地址：虢§A已印蜀．，．匡砬：可诧圣{权丸矿编：2弓西弓l毛车丕、匡弓D4冉知z鹰Ⅱ安徽大学硕士学位论文摘要中国是地震多发国家，地震的发生给人类带来了严重的生命和财产损失，因此，地震的预测是非常重要的一个话题。引发地震的相关性因素很多，产生机理

3、的复杂性、孕育过程的非线性和认识问题的困难性，都使得很难建立比较完善的物理理论模型。相对于传统的方法，神经网络在处理上述问题中有着自身独特的优势，因此在很多领域有着广泛的应用。本文旨在把神经网络应用在地震预报上，在分析地震时间序列的基础上，提出新的方法，最后借助MATLAB工具箱得以实现。由于地震数据的海量、非线性、高维性、缺值和干扰等特点，造成了使用目前正在使用的各种分析预报方法很难得出正确的结论，因此本文其中一个重要任务就是对数据进行预处理，首先将文件格式转化成常用的格式，其次对噪声数据进行处理，另外将范围限制在固定的区域，通过程序可以选定任意时间范围，任意

4、地理位置，任意震级的地震数据，从而可以减少工作量。对于神经网络而言，预测因子的选取非常重要，本文提出了以不同震级段的地震变化率作为神经网络的输入，以相邻两次大地震的发生时间间隔作为神经网络的输出，从而对下一次大地震的发生进行预测。本文构建了新的BP神经网络模型，在MATLAB中对非线性的输入输出神经模型进行训练，最后进行仿真预测，本文选取了地震多发区域台湾和四川地区作为研究对象，同时选取了我省所在的华东地区进行研究。在研究过程中，筛选恰当年份的地震数据时间序列，这样才能得到比较理想的结果。首先要完成区域的选择，研究该区域最近几十年的地震发生频度，其次要对输入因子

5、进行相关的计算，由于是以两个震级段的地震变化率作为输入，在本文中引入了震级标签来确定分段震级，然后把归一化之后的数据样本代入建立的BP神经网络模型，通过不断的调整参数，不断地学习，直到达到满足的误差为止。最后进行反归一化，得到想要的预测结果，研究最后发现，地震发生变化率有潜在的规律可循，从而对该模型在实际应用中的合理价值性进行验证。关键词：地震时间序列；神经网络；地震变化率；z统计安徽大学硕士学位论文AbstractAbstractChinaisearthquake-pronecountry,andtheoccull坝lceoftheearthquakebrou

6、ghttomankindaseriouslossoflifeandproperty．Therefore，earthquakepredictionisaveryimportanttopic．Earthquakecausedbyassociatedfactors，thecomplexityofthemechanismofitsbirthtothenonlinearprocessandthedifficultyofunderstandingissuesmakeitdifficulttoestablishamorecompletephysicaltheorymodel．

7、Comparedwithtraditionalmethods，neuralnetworkindealing、析mtheseissueshasitsownuniqueadvantages，andthereforeithaswideapplicationinmanyfields．Thisarticlealmstopredictearthquakeapplyingtheneuraln咖ork，intheanalysisofseismictimeseries，basedontheproposednewmethod．AndfinallyitCallbeachievedwi

8、thMATLABTool