基于改进支持向量机回归的地震预测方法研究

基于改进支持向量机回归的地震预测方法研究

ID:35181880

大小:6.66 MB

页数:76页

时间:2019-03-21

基于改进支持向量机回归的地震预测方法研究_第1页
基于改进支持向量机回归的地震预测方法研究_第2页
基于改进支持向量机回归的地震预测方法研究_第3页
基于改进支持向量机回归的地震预测方法研究_第4页
基于改进支持向量机回归的地震预测方法研究_第5页
资源描述:

《基于改进支持向量机回归的地震预测方法研究》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、密级:保密期限:聲聲乂爹硕±学位论文基于改进支持向量化回归的地震预测方法硏究TheEarthuakePredictionMethods民esearchBasedonqImrovedSuortVectorRegressionMachineppp学号E13201011i■^姓名朱海宁報类貞(1X学硕±学科专业计算机软件与理论(工程领域)'指导教师李巧教授完成时间2016年4月答辩委员会(主席签名)仪1^4独创性声巧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

2、成果。据我所知,除了文中特别加W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,化不包含为获得安徽大学或其他教育机构的学或证书而使用过的初料一。与我同王作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名;签字日期;么〇/年日/_^月/?;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口或机构送交论文的复印件和趨盘,允许论文被查阅和借阅。本人授权安徽大学可(将学位论文的全部或部分巧容编入有关数据库进行检索,可W采用影印、缩印或扫描等复制手段保存、

3、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:导师签名:藻每宁《仓'>签字曰期:月曰签字曰期:知/公年月曰之年)/?si摘要一作为自然灾害之的地震其破坏力极为巨大,地震的发生往往也是在不经意。中,而带来的是重多的人员伤t事故和巨大的经济损失同时我国又为世界上发生地震活动较多的国家之一地震预测工作为我国走可持续发展之路的必然,做好选择。对于地震,,为了更好的预测出地震的发生各国的研究人员都在探究地震发生的原因和规律。而从这么多年来对地震的历史研究中可W看到,某个地区发一生地震的可能存在定周期性,即对于该地区的地

4、震活动时间序列来说有着相关的重复性和规律性一。这种周期性为研究地震的发生提出个较好的思路。研究地震发生的方法有很多种,对于小波函数来说可W反映非平稳信号时频域的特征,本文首先对我国的强震活动所释放能量的时间序列应用小波分析的方法,得到地震活动在不同时间尺度上的特点。应用小波分析得到的小波系数和由此得到地震活动中潜在的活跃周期来对我国强震活动进行进一步的预测分析。地震活动有着样本离散,,、有限等特点对于小样本的地震事件很难用确切的公式或解析方法把其中的规律性表示出来。而支持向量机克服了传统方法中存在的不足,同时还有着良好的预测能力,适合地震离散数据的建模和预

5、测研究,)与此同时,研究还发现,支持向量机的预测(泛化能力要优于神经网络方法和传统的统计学习方法。改进的支持向量机回归算法简化计算的复杂度,将改进的支持向量机回归算法应用到地震预测中,通过实验得到,在保证回归精度条件下,一和原始的支持向量机回归算法相比学习速度和时间上有定的优势,对于地震预测来说是种较为不错的选择。本文所做的工作主要如下:(1)首先用小波函数对地震能量的时间序列进巧预处理,由此得到地震活一步的研究动中潜在的活跃周期来对我国强震活动进行进。小波变换拥有频域和时域都能良好局部化的特征,W及有着频域和时域多分辨功能的特点。小波分析方法可W

6、很好的反应出隐藏在时间序列中的变化周期W及其在不同时间尺度上的变化趋势。(2)改进的支持向量机回归算法通过对超平面的表达式进行改造,减少了约束条件,提高了学习速度,同时也保证了回归精度。(3)利用小波分析得到的活跃周期作为时间窗长,应用改进的支持向量机I基于改进支持向量机回归的地震预测方法研究回归算法对我国的最大震级进行预测和分析。对于支持向量机則练选择与地震活:频次^^最大震级於、平均震级方动密切相关的地震活动参数。、折合能,^’^量A作为样本的输入,。和实际震级进行比较结果较为良好。同时和神经网络方法相比较,报准率相对较高。关键词:地震

7、预测小波变换改进的支持向量机回归算法IIAbstractAbstractThedestructiveforceofearthquakedisastersisextremelygreat,italwaysoccurinadvertentlitcomeswkhreateconomiclossandreatnumberoflAlscasuaties.oy,gg,Chi

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。