|
摘要 智能分析方法中最常用的是神经网络方法,但神经网络易陷入局部极小值和过学习而导致低精度,而支持向量机模型在小样本、高维度、非线性数据建模上表现出良好性能,但目前将支持向量机模型应用于大规模历史震例的分析挖掘较少。以《中国震例》中208次历史地震数据资料为依托,采用主成分分析提取出与震级最相关的震前异常作为输入变量,建立支持向量机回归的震级预测模型。实验结果显示,支持向量机回归算法能够高效地建立地震异常指标和震级之间的模型,并具有较高的预测准确度。
|
|
关键词 :
震例分析,
支持向量机,
异常信息提取,
主成分分析
|
|
[1] |
袁志明, 李沛鸿, 刘小生. 顾及邻近点的改进PSO-SVM模型在基坑沉降预测的应用研究[J]. 大地测量与地球动力学, 2021, 41(3): 313-318. |
[2] |
谢 婷,陈必焰,匡翠林. 结合PCA和滑动时窗的电离层异常探测方法研究[J]. 大地测量与地球动力学, 2021, 41(10): 1085-1094. |
[3] |
刘晓祥,高二涛,罗 益,付波霖. 利用主成分分析法分析GNSS坐标时间序列[J]. 大地测量与地球动力学, 2021, 41(1): 43-48. |
[4] |
李建新, 刘小生, 肖 钢, 周 文, 刘仁志. 基于PSR-WSVM模型的边坡位移预测[J]. 大地测量与地球动力学, 2020, 40(6): 577-580. |
[5] |
李金超,高 飞,鲁加国,方 睿. 基于SBAS-InSAR和GM-SVR的居民区形变监测与预测[J]. 大地测量与地球动力学, 2019, 39(8): 837-842. |
[6] |
张 晶,王小亚,胡小工. 基于PCA方法的GPS台站时间序列分析[J]. 大地测量与地球动力学, 2019, 39(6): 613-619. |
[7] |
谢劭峰,苏永柠,刘春丽,刘立龙. 基于小波分解与GA-LSSVM的GPS可降水量短临预报[J]. 大地测量与地球动力学, 2019, 39(5): 487-491. |
[8] |
李 媛,刘希康,郑智江,刘 峡. 甘肃及附近地区断层形变异常特征的综合提取与震例总结[J]. 大地测量与地球动力学, 2019, 39(12): 1254-1260. |
[9] |
容 静,刘立龙,甘祥前,顾峻峰,周 吕. 用小波分析与灰色支持向量机预测高铁变形[J]. 大地测量与地球动力学, 2018, 38(5): 473-476. |
[10] |
李 杰,范东明, 游 为, 李 蔚,蒋 攀. 基于改进的主成分分析法提取GRACE时变重力场信号[J]. 大地测量与地球动力学, 2018, 38(4): 414-421. |
[11] |
谢洋洋,吴大鹏,付 超,周 杰,史益军. 基于相空间重构的FOA-GLSSVM深基坑变形预测模型研究[J]. 大地测量与地球动力学, 2018, 38(10): 1048-1052. |
[12] |
明 锋,杨元喜,曾安敏. 共模误差PCA与ICA提取方法的比较[J]. 大地测量与地球动力学, 2017, 37(4): 385-389. |
[13] |
李腊月,胡乐银,马伶俐,宋成科 . 鲜水河断裂带断层蠕变观测与地震[J]. 大地测量与地球动力学, 2017, 37(11): 1121-1125. |
[14] |
晏慧能,戴吾蛟,刘 斌. 利用主成分分析建立区域对流层延迟时空模型[J]. 大地测量与地球动力学, 2017, 37(10): 1074-1078. |
[15] |
沈哲辉,黄腾,沈月千,郑浩. 遗传算法优化支持向量机在大坝变形预测中的应用[J]. 大地测量与地球动力学, 2016, 36(10): 927-930. |
|
|
|