地震前兆综合预测支持向量机模型研究

地震 ›› 2008, Vol. 28 ›› Issue (3): 55-60.

地震前兆综合预测支持向量机模型研究

武安绪¹, 张永仙², 张晓东², 李平安¹, 穆会泳¹, 鲁亚军¹

1.北京市地震局, 北京 100080;
2.中国地震台网中心, 北京 100045

收稿日期:2007-09-27 修回日期:2007-12-21 出版日期:2008-07-31 发布日期:2021-10-29
作者简介:武安绪(1967-), 男, 河南邓州人, 副研究员, 主要从事地震预测与系统等研究。
基金资助:
国家科技攻关项目(2006BAC01B03-04-04; 03-02-03); 地震科学联合基金(A07058)

Study on model of support vector machine for synthetic prediction of seismic precursors

WU An-xu¹, ZHANG Yong-xian², ZHANG Xiao-dong², LI Ping-an¹, MU Hui-yong¹, LU Ya-jun¹

1. Earthquake Administration of Beijing Municipality, Beijing 100080;
2. China Earthquake Networks Center, CEA, Beijing 100045, China

Received:2007-09-27 Revised:2007-12-21 Online:2008-07-31 Published:2021-10-29

摘要/Abstract

摘要： 该文介绍了支持向量机算法的原理与回归方法。采用支持向量机中的非线性回归算法与理论公式产生的多维样本, 对其进行了数值仿真实验。利用该方法和地震前兆异常建立了最佳地震综合预测模型, 对获得的最佳模型进行了内符检验, 得出最佳模型的预测结果与实际震例的地震震级基本一致。综合分析认为, 支持向量机无论在学习或者预测精度方面不但具有很大的优越性和具有较强的外推泛化能力, 而且基于支持向量机回归算法建立的地震前兆综合预测模型是可行的, 其获得的知识可较为准确地实现对主震震级的综合预测。

关键词: 支持向量机, 地震前兆, 典型震例, 综合预测

Abstract: The principle of support vector machine (SVM) and its regression algorithm is introduced in this paper. The multidimensional samples from theoretical formula are tested by using of SVM. The best model for synthetic prediction of seismic precursors is established according to the SVM algorithm and the seismic precursory anomalies, and it is tested by using of the testing samples. It indicates that the forecast result of the best mode and earthquake magnitude of real seismic examples are basically consistent. It shows that the support vector machine algorithm has an obvious superiority whatever on machine learning or prediction accuracy, and the model for synthetic prediction of seismic precursors based on the SVM theory is feasible, and it can forecast the magnitude of main earthquakes more accurately.

Key words: Support vector machine (SVM), Seismic cursor, Typical earthquake example, Synthetic forecast

中图分类号:

P315.7

武安绪, 张永仙, 张晓东, 李平安, 穆会泳, 鲁亚军. 地震前兆综合预测支持向量机模型研究[J]. 地震, 2008, 28(3): 55-60.

WU An-xu, ZHANG Yong-xian, ZHANG Xiao-dong, LI Ping-an, MU Hui-yong, LU Ya-jun. Study on model of support vector machine for synthetic prediction of seismic precursors[J]. EARTHQUAKE, 2008, 28(3): 55-60.

[1]	王玲灵, 刘红, 孙凤霞, 李一闪, 刘雷, 周晓成. 氦在矿物中的扩散及其在地震研究中的应用前景[J]. 地震, 2022, 42(3): 165-179.
[2]	袁爱璟, 王伟君, 彭菲, 闫坤, 寇华东. 机器学习在地震预测中的应用进展[J]. 地震, 2021, 41(1): 51-66.
[3]	王晨晖, 刘立申, 任佳, 袁颖, 王利兵, 陈凯男. 主成分分析法和遗传算法优化的支持向量机模型在地震伤亡人数预测中的应用[J]. 地震, 2020, 40(3): 142-152.
[4]	杨思宇, 易丽, 王双杰. 花岗岩水岩反应中水化学变化实验研究[J]. 地震, 2018, 38(3): 115-122.
[5]	张治广, 张元生, 王在华, 徐衍刚. 理塘M_S5.1和杂多M_S6.2地震热红外亮温异常分析[J]. 地震, 2018, 38(1): 178-186.
[6]	李鸿宇, 袁桂平. 强震前地磁总场F₀₂测值的空间相关特征研究[J]. 地震, 2018, 38(1): 157-166.
[7]	王博, 钟骏, 王熠熙, 陈石. 南北地震带北段流体资料地震预测效能检验[J]. 地震, 2018, 38(1): 147-156.
[8]	王熠熙, 李赫, 王博, 杨朋涛, 王俊, 向阳, 王喜龙, 李悦. 2013年岷县—漳县M_S6.6地震前水氡浓度的临界慢化现象研究[J]. 地震, 2018, 38(1): 128-138.
[9]	刘祎, 周晨, 赵正予, 赵庶凡, 张学民, 孔建. 基于LAIC电场渗透和SAMI2模拟的地震-电离层扰动现象研究[J]. 地震, 2018, 38(1): 74-83.
[10]	顾国华. 2016年日本九州岛7.3级地震前及同震地壳运动[J]. 地震, 2017, 37(3): 28-37.
[11]	车用太,何案华,冯恩国,马玉川. 从二个地下流体典型震例论台网优化与升级[J]. 地震, 2017, 37(1): 134-147.
[12]	赵庶凡, 张学民, 廖力, 钱庚. 2010年玉树7.3级地震前阿尔法导航信号场强异常分析[J]. 地震, 2016, 36(4): 153-162.
[13]	刘琦, 闫伟, 李智蓉, 窦玛丽, 马震. 南北地震带定点形变前兆异常指标初建[J]. 地震, 2016, 36(4): 76-88.
[14]	孙凤霞, 崔月菊, 郑红巍, 王玥, 李继成, 司学芸, 李新艳, 杜建国. 河套盆地周缘泉水化学组分对2015年4月15日阿左旗M_S5.8地震的响应^*[J]. 地震, 2016, 36(2): 105-118.
[15]	周克昌, 王方建, 邹钟毅, 纪寿文, 刘高川, 王军. 前兆台网历史数据迁移与整合[J]. 地震, 2013, 33(3): 90-97.