神經(jīng)網(wǎng)絡(luò)在福建及其沿海地區(qū)地震預(yù)報(bào)中的應(yīng)用

1、神經(jīng)網(wǎng)絡(luò)在福建及其沿海地區(qū)地震預(yù)報(bào)中的應(yīng)用 神經(jīng)網(wǎng)絡(luò)在福建及其沿海地區(qū)地震預(yù)報(bào)中的應(yīng)用于波 葉振民地震的發(fā)生會(huì)給社會(huì)帶來(lái)不同程度的破壞，造成生命、財(cái)產(chǎn)的損失。目前地震學(xué)只是一門(mén)觀測(cè)科學(xué)，我們只能加強(qiáng)觀測(cè)，通過(guò)各種經(jīng)驗(yàn)方法來(lái)進(jìn)行預(yù)測(cè)，確定重點(diǎn)監(jiān)測(cè)區(qū)。 由于地震學(xué)異常與地震之間存在較強(qiáng)的不確定性，通常一種地震學(xué)指標(biāo)在一次地震中出現(xiàn)，而在另外的地震中 不出現(xiàn)或不明顯，因此，單一使用某一個(gè)地震學(xué)指標(biāo)的預(yù)報(bào)方法就表現(xiàn)出它的局限性。 而如何解決預(yù)測(cè)

2、結(jié)論的權(quán)值以及各指標(biāo)組合時(shí)相互間的非線性聯(lián)系對(duì)最終預(yù)測(cè)結(jié)論產(chǎn)生影響就成為難題， 神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展給我們提供了一個(gè)解決這個(gè)問(wèn)題較好的方法。 它通過(guò)分析各個(gè)指標(biāo)，建立其內(nèi)在聯(lián)系，并根據(jù)這種聯(lián)系對(duì)目標(biāo)進(jìn)行預(yù)測(cè)，能有效地避免了采用單一指標(biāo)進(jìn)行預(yù)測(cè)的片面性， 大大提高了預(yù)測(cè)的精度。 本文就 BP 神經(jīng)網(wǎng)絡(luò)算法及其在地震預(yù)報(bào)中的具體運(yùn)用進(jìn)行初步的探討。一、神經(jīng)網(wǎng)絡(luò)知識(shí)介紹 一、神經(jīng)網(wǎng)絡(luò)知識(shí)介紹人工神經(jīng)網(wǎng)絡(luò)，是一種旨在模仿人腦結(jié)構(gòu)及其功能的信息處理

3、系統(tǒng)。 通常一個(gè)人工神經(jīng)網(wǎng)絡(luò)的功能主要是由兩個(gè)方面決定的：一是網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，也就是各人工神經(jīng)元間相互連接的方式；二是網(wǎng)絡(luò)的學(xué)習(xí)和運(yùn)行規(guī)則，即網(wǎng)絡(luò)中連接權(quán)值的調(diào)整規(guī)則。11、人工神經(jīng)元的結(jié)構(gòu)：（圖 、人工神經(jīng)元的結(jié)構(gòu)：（圖 1 略） 略）圖 1 中 x1，x2…xi…xn 分別代表來(lái)自其它神經(jīng)元軸突的輸入。wj1，wj2…wji…wjn 則分別表示神經(jīng)元 1，2，…i…n 與第 j 個(gè)神經(jīng)元的突觸聯(lián)結(jié)強(qiáng)度，即權(quán)值。這個(gè)權(quán)值可正可負(fù)，正權(quán)

4、 值表示興奮型突觸，負(fù)權(quán)值表示抑制型突觸。 f(·)是轉(zhuǎn)移函數(shù),也稱激活函數(shù)，其作用是模擬生物神經(jīng)元所具有的非線性轉(zhuǎn)移特性。22、人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu) 、人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)人的大腦皮層的橫斷面上有 3～6 層神經(jīng)細(xì)胞，即具有多層結(jié)構(gòu)。因此，人工神經(jīng)網(wǎng)絡(luò)也按層排列。多層網(wǎng)絡(luò)由單層網(wǎng)絡(luò)級(jí)聯(lián)而成，即網(wǎng)絡(luò)中各神經(jīng)元接受前一層各神經(jīng)元的輸出。界于輸 入和輸出層之間者稱為隱層，它們不直接與外部打交道。 隱層的加入大大地提高了人工神經(jīng)

5、網(wǎng)絡(luò)對(duì)信息的處理能力。經(jīng)過(guò)訓(xùn)練的多層網(wǎng)絡(luò)，具有在任意精度下，實(shí)現(xiàn)矩陣 X 轉(zhuǎn)成矩陣 Y 的任意非線性映射的能力，其根本原因就在于引入了隱層以及非線性轉(zhuǎn)移函數(shù)。33、人工神經(jīng)網(wǎng)絡(luò)的工作過(guò)程 、人工神經(jīng)網(wǎng)絡(luò)的工作過(guò)程人工神經(jīng)網(wǎng)絡(luò)最使人們感興趣的特性之一便是它的自學(xué)習(xí)的能力。 如果要使人工神經(jīng)網(wǎng)絡(luò)具有某種智能，必須先對(duì)它進(jìn)行訓(xùn)練，對(duì)網(wǎng)絡(luò)來(lái)說(shuō)就是要學(xué)會(huì)要它做的事情。 學(xué)習(xí)就是相繼給網(wǎng)絡(luò)輸入一些樣本模式，并按照一定的規(guī)則（即學(xué)習(xí)算法）調(diào)整網(wǎng)絡(luò)各層

6、的權(quán)矩陣，待網(wǎng)絡(luò)的各權(quán) 值都收斂到一定值時(shí)，學(xué)習(xí)過(guò)程便告結(jié)束。二、誤差反傳播 二、誤差反傳播(Error Back Propagation) (Error Back Propagation)算法， 算法，BP BP 算法 算法在了解了神經(jīng)網(wǎng)絡(luò)的基本知識(shí)后，我們開(kāi)始介紹本文用到的 BP 棗誤差反傳播算法。BP 網(wǎng)絡(luò) 是應(yīng)用最廣泛的網(wǎng)絡(luò)，現(xiàn)已成功地應(yīng)用于圖像識(shí)別、 預(yù)測(cè)預(yù)估、 語(yǔ)聲變換、 數(shù)據(jù)壓縮、 模式辨識(shí)和自動(dòng)控制等領(lǐng)域。 據(jù)統(tǒng)計(jì)，應(yīng)用

7、 BP 算法的神經(jīng)網(wǎng)絡(luò)高達(dá) 80%。 因此本文選用它作為進(jìn)行地震預(yù)測(cè)的方法。下面介紹其工作原理，并給出其在福建及其沿海這一特定區(qū)域地震預(yù)報(bào)中的應(yīng)用。BP 算法的基本思想是，學(xué)習(xí)過(guò)程由信號(hào)的正向傳播與誤差的逆向傳播兩個(gè)過(guò)程組成。 正向傳播時(shí)，模式作用于輸入層，經(jīng)隱層處理后，傳向輸出層。 若輸出層未能得到期望的輸出，則轉(zhuǎn)入誤差的逆向傳播階段，將輸出誤差按某種子形式，通過(guò)隱層向輸入層逐層返回，并“分?jǐn)偂苯o各層的所有單元，從而獲得各層單元的參考

8、誤差或稱誤差信號(hào)，以作為修改各單元權(quán)值的依據(jù)。 這種信號(hào)正向傳播與誤差逆向傳播的各層權(quán)矩陣的修改過(guò)程，是周而復(fù)始進(jìn)行的。 權(quán)值不斷修改表 1 學(xué)習(xí)樣本集及內(nèi)符結(jié)果頻度 蠕變 能量 B 值 缺震 η 值 期望輸出實(shí)際輸出震級(jí) ΔM0.144 0.5879 0.2937 0.71 0.7778 0.598 4.0 4.4 0.40.150 0.3990 0.2314 0.44 1 0.8090 4.1 4.0 -0.10.190 0.759

9、6 0.3680 0.62 0.8283 0.8542 4.1 4.3 0.20.271 0.1030 0.1452 0.59 0.8754 0.9950 3.9 4.0 0.10.230 0.5343 0.2183 0.70 0.7946 1 4.0 4.1 0.10.188 0.6384 0.8646 0.66 0.8114 0.9648 4.8 5.0 0.20.204 0.6697 0.9105 0.62 0.8283 0.91

10、96 4.3 4.6 0.30.157 0.8152 0.5797 0.47 0.9360 0.8693 3.8 4.0 0.20.211 0.7364 0.3865 0.69 0.8182 0.8291 4.4 4.7 0.30.213 0.7808 0.1648 0.63 0.8081 0.8342 4.0 4.2 0.20.126 0.3737 0.1823 0.75 0.7576 0.6935 5.0 4.9 -0.10.125

11、 0.1990 0.1320 0.69 0.6936 0.7437 3.9 4.0 0.10.126 0.2939 0.5895 0.75 0.7374 0.7136 3.7 4.3 0.60.073 0.9414 0.4258 0.84 0.633 0.7940 4.0 4.3 0.30.103 0.1778 0.2074 0.75 0.7104 0.8291 3.8 4.0 0.20.156 0.5768 0.5600 0.70 0

12、.7879 0.7839 5.5 5.1 -0.40.159 0.8515 0.130 0.54 0.8586 0.8995 3.9 4.1 0.20.177 0.2798 0.3111 0.76 0.7240 0.8995 3.9 4.2 0.30.135 0.2859 0.5087 0.71 0.7441 0.8744 4.1 4.0 -0.10.094 0.5687 0.1714 0.55 0.8165 0.9096 3.9 4.