基于支持向量機的云南地區(qū)地震預(yù)測.pdf

1、支持向量機作為基于統(tǒng)計學(xué)習(xí)理論的新的機器學(xué)習(xí)技術(shù),采用了結(jié)構(gòu)風(fēng)險最小化原則和核函數(shù)的思想,能夠較好的解決小樣本、高維數(shù)、非線性等問題。因此,近年來支持向量機理論得到深入研究,并在預(yù)測預(yù)報、建模與控制等許多領(lǐng)域得到了廣泛的應(yīng)用。
　　 本文利用支持向量機及其一些改進的算法對云南地區(qū)的地震時間和震級進行預(yù)測,并檢驗了預(yù)測結(jié)果。主要研究內(nèi)容如下:
　　 (1)通過收集和統(tǒng)計云南地區(qū)歷年地震的時間和震級,提取出能反映地震脈動信息

2、的地震活動因子,建立原始的數(shù)據(jù)集,然后根據(jù)設(shè)定的閾值,把樣本分成正類和負類,用分類的方法進行預(yù)測。當(dāng)設(shè)置的閾值較小時,我們可以預(yù)測小震或中強震。此時針對數(shù)量不平衡的正類和負類樣本,我們提出了利用AHC過采樣和有偏支持向量機相結(jié)合的方法(AHC-BSVM)進行分類和預(yù)測。實驗結(jié)果表明AHC-BSVM與傳統(tǒng)的標準支持向量機或有偏支持向量機相比,能獲得更高的分類準確率,具有更好的預(yù)測效果。實驗還表明AHC-BSVM對小震的預(yù)報準確率要高于中強

3、震,誤警率低于中強震。
　　 (2)當(dāng)設(shè)置的閾值較大時,我們可以預(yù)測強震。此時在正類和負類樣本極不平衡的情況下,我們提出采用一類分類的支持向量機進行分類和預(yù)測。首先闡述傳統(tǒng)的球體一類分類支持向量機(SOCC)和改進的橢球體一類分類支持向量機(HOCC)的主要思想,接著分別利用AHC-BSVM、SOCC和HOCC對強震進行預(yù)測。實驗結(jié)果表明在正負類樣本極不平衡的情況下,HOCC比SOCC和AHC-BSVM的分類預(yù)測效果要好,運用H

4、OCC預(yù)測強震能夠提高預(yù)報準確率,降低誤警率。而且在采用相同的分類器時,RBF核的分類預(yù)測效果要優(yōu)于多項式核。
　　 (3)用回歸的方法預(yù)測時,我們以年為待預(yù)測時間段,把云南地區(qū)歷年地震的最大震級看成一個時間序列,利用ε-支持向量回歸機預(yù)測地震震級并檢驗了預(yù)測結(jié)果。實驗表明該預(yù)測模型的輸入維數(shù)與ε-支持向量回歸機的相關(guān)參數(shù)的選取對預(yù)測效果有較大的影響,我們需要采用一些特定的評測指標和優(yōu)化規(guī)則才能使模型的預(yù)測性能有所提高。此外,在