基于概率统计模型的地震数据分析与处理.doc

基于概率统计模型的地震数据分析与处理.doc

ID:55569825

大小:341.00 KB

页数:22页

时间:2020-05-18

基于概率统计模型的地震数据分析与处理.doc_第1页
基于概率统计模型的地震数据分析与处理.doc_第2页
基于概率统计模型的地震数据分析与处理.doc_第3页
基于概率统计模型的地震数据分析与处理.doc_第4页
基于概率统计模型的地震数据分析与处理.doc_第5页
资源描述:

《基于概率统计模型的地震数据分析与处理.doc》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、摘要本文主要以我东地区地震活跃带为例,分析了基于概率统计模型的分析方法在地震数据处理中的应用.为了使模型更加科学和简单,我们采用马尔科夫更新过程来模拟地震发生的点过程.经过对地震数据的分析,提出用指数分布与威布尔分布的混合分布来模拟较震发生的时间间隔所服从的概率分布,采用极大似然估计方法求出未知参数,并验证了模型的有效性.关键词:马尔科夫更新过程;指数分布;威布尔分布;地震数据处理.Abstract(请校正)Inthispaper,aseismicallyactivebeltintheeastC

2、hinaareaasanexample,analyzesthemodelbasedonprobabilityandstatisticsanalysismethodintheapplicationoftheseismicdataprocessing.Inordertomakethemodelmorescientificandsimple,weusemarkovrenewalprocesstosimulatetheearthquakepointprocess.Throughtheanalysisof

3、seismicdata,usingthemixeddistributionofexponentialdistributionandweibulldistributiontosimulatethelargeearthquakeobediencebyintervalprobabilitydistribution,usingmaximumlikelihoodestimationmethodtofindtheunknownparameters,andverifythevalidityofthemodel

4、.Keywords:markovrenewalprocess;indexdistribution;Weibulldistribution;ofseismicdataprocessing.目录摘要iAbstract(请校正)ii第一章引言1第二章预备知识22.1马尔科夫更新过程简介22.1.1马尔科夫更新过程22.1.2马尔科夫更新过程推论22.2威尔分布简介3第三章基于概率统计模型的分析方法在地震数据处理中的应用举例33.1数据处理33.2实验53.2.1震级频率柱状图53.2.2时间间隔的箱线

5、图63.2.3采用标准的指数分布来拟合数据集73.2.4采用标准的威布尔分布拟合数据集83.3地震发生的概率计算和模型验证103.3.1地震发生的概率计算公式103.3.2概率计算及分析验证10第四章总结与展望11参考文献12附录12致18第一章引言马尔可夫过程(Markovprocess)是一类随机过程。它的原始模型马尔可夫链,由俄国数学家A.A.马尔可夫于1907年提出。该过程具有如下特性:在已知目前状态(现在)的条件下,它未来的演变(将来)不依赖于它以往的演变(过去)。在现实世界中,有很多

6、过程都是马尔可夫过程,如液体中微粒所作的布朗运动、传染病受感染的人数、车站的候车人数等,都可视为马尔可夫过程。关于该过程的研究,1931年A.H.柯尔莫哥洛夫在《概率论的解析方法》一文中首先将微分方程等分析的方法用于这类过程,奠定了马尔可夫过程的理论基础.威布尔分布:在可靠性工程中被广泛应用,尤其适用于机电类产品的磨损累计失效的分布形式。由于它可以利用概率值很容易地推断出它的分布参数,被广泛应用与各种寿命试验的数据处理.在概率论和统计学中,指数分布(Exponentialdistribution

7、)是一种连续概率分布。指数分布可以用来表示独立随机事件发生的时间间隔,比如旅客进机场的时间间隔、中文维基百科新条目出现的时间间隔等等。指数分布可以看作当威布尔分布中的形状系数等于1的特殊分布,指数分布的失效率是与时间t无关的常数,所以分布函数简单。本文着重以地震的数据处理为例探讨基于概率统计模型的分析方法的相关应用.在近几十年,世界上很多国家都建立了基于本土文化的地震危险性评估(SHA)系统.就可考证文献记载,描述地震发生的点过程模型基本分为两个大类:泊松过程和非泊松过程[5].在以往的研究基础

8、上,本文选取马尔科夫更新过程[6][7].这种更新过程能够模拟较震发生的随机性和复杂性,尽管其本身并不复杂.实际上,我们是希望利用它来捕捉传统的泊松模型所不能捕捉到的信息,同时又使得分析过程简单化.单一使用指数分布或者威布尔分布其效果都不是太好,文章中采用指数分布与威布尔分布的混合分布来提高模型的准确度.第二章预备知识2.1马尔科夫更新过程简介2.1.1马尔科夫更新过程在有限的状态空间中,,,表示在正实数上的分布函数,表示在上的转换矩阵,表示在上的概率分布.让我们来考虑一种定义在完备概率空间上的

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。