神经网络集成及其在地震预报中的应用研究

《神经网络集成及其在地震预报中的应用研究》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、上海大学博士学位论文TheDoctoralDissertationofShanghaiUniversity摘要学习方法的泛化能力、学习效率和易用性是机器学习及其应用过程中所面临的三个关键性挑战问题。神经网络集成学习通过训练多个神经网络并将其结果进行合成，显著地提高了学习系统的泛化能力，成为近年来机器学习领域一个重要的研究方向。本文在分析神经网络集成方法研究现状的基础上，以实验设计、粗集理论、特征加权以及并行技术等为支撑，围绕神经网络集成学习方法的易用性、泛化能力和学习效率等问题展开研究，提出了更有效的神经网络集成方法，并将其应用

2、到地震预报领域。神经网络集成的结构(个体网络的数目和个体网络的结构)和个体网络的训练参数(如训练次数和学习率等)关系到集成性能的好坏，同时影响着集成是否易于被使用。本文首先研究了实验设计在神经网络集成中的应用，提出了一种简单、科学地确定神经网络集成结构和个体网络的训练参数的方法。使用者可以用较少的实验次数，分析影响神经网络集成泛化能力的因素以及确定各因素用什么水平搭配起来对集成的泛化能力最佳。同时，通过最近邻聚类算法自动确定个体网络的隐层节点，得到具有较大差异度的异构的个体网络，从而提高集成的泛化能力。其次，研究了构造算法和选择

3、性方法的结合，提出了一种构造选择性神经网络集成方法。自动地确定了神经网络集成中个体网络的数目、个体网络隐层节点的个数及其训练次数等；并且采用多目标的个体网络选择方法，既保证了个体网络的精度又保证了个体网络之间的差异度。用户只需要简单地指定一些参数的初始值即可构造出集成，提高了神经网络集成的易用性。泛化能力是机器学习关注的基本问题之一。集成特征选择通过特征选择技术产生差异度大的个体，提高了集成的泛化能力。有效地生成属性子集是其需要解决的核心问题。本文就此展开了相关的研究，提出了基于粗集约筒的神经网络集成方法。该方法充分考虑到了各属

4、性之间的依赖性和相关性，利用基于可辨识矩阵的粗集约简方法有效地生成属性子集，能够构造出具有更高精度和差异度的个体，从而提高神经网络集成的泛化能力。特征加权能够细致地区分特征对结果影响的程度，已经成为当今流行的提高学习器的预测精度的方法之一。本文着重研究了如何将特征加权技术应用于提高神经网络集成的泛化能力，提出了一种基于特征加权的神经网络集成方法。该方法通过自适应遗传算法的优胜劣汰机制为输入属性确定了特征权值，提高了集成中各个体网络的精度和差异度，从而提高了神经网络集成的泛化能力。提高学习效率是机器学习永远的追求。本文结合最新的并

5、行计算编程技术，提出了一种神经网络集成方法的并行实现方案，显著地提高了集成的学习效率；上海大学博士学位论文TheDoctoralDissertationofSharI曲aiUniversity并初步实现了一个基于计算网格的神经网络集成学习平台，该平台融合了本文提出的所有神经网络集成学习方法和高性能计算双重功能，从而方便用户快速有效地利用神经网络集成学习解决实际问题。提高算法和模型的泛化能力，以增强预测结果的可靠性，是地震预报领域中的一个十分重要的问题。本文将粗集约简用于地震预报指标和地震之间的关系研究，得到了彼此独立的与地震密切

6、相关的预报指标，受到地震专家的认可，可以为地震学方法参数和物理关系的研究提供重要的指导；将本文提出的神经网络集成方法应用于地震综合预报、震后趋势判断以及未来地震形势判断，开拓了地震预报的方法和途径，取得了很好的效果。本文的主要创新点如下：(1)将实验设计方法应用于集成的构建，同时使用最近邻聚类算法自动确定个体网络的隐层节点，进而提出了一种基于实验设计的异构神经网络集成方法，为有一定神经网络使用经验的用户提供了一种简单、科学地确定神经网络集成的结构和个体网络的训练参数的方法。(2)将构造性方法与选择性方法相结合，提出了一种实用的自

7、动确定神经网络集成的结构和调整个体网络训练参数的方法，使得没有神经网络使用经验的用户也能够构造出泛化能力强的神经网络集成。(3)将粗集约简与神经网络集成方法相结合，提出了一种基于粗集约简的神经网络集成方法，利用改进的基于可辨识矩阵的粗集约简方法求解所有属性约简集，以产生差异度大的个体网络，从而提高了神经网络集成的泛化能力。(4)将特征加权技术与神经网络集成方法相结合，提出了一种基于特征加权的神经网络集成方法，通过自适应遗传算法确定输入属性的特征权值，同时提高了个体网络的精度和差异度，从而提高了神经网络集成的泛化能力。(5)将并行

8、计算引入神经网络集成学习，提出了一种并行实现神经网络集成的策略，并初步实现了一个基于计算网格的神经网络集成学习平台，提高了神经网络集成的学习效率和使用的方便性。(6)将本文提出的神经网络集成方法引入地震预报领域，分析了地震预报指标与地震之间的关系，促进了神经网络