本发明属于网络
技术领域：
，特别涉及一种基于网络的地震12月内短期预测方法。
背景技术：
：从时间上来看，地震预测分为长期预测(10年以上)、中期预测(1年-10年)、短期预测(1年以内)、短临预测(1月之内，甚至几天之内)4类。地震预测是否准确，从严格意义上讲，是指时、空、强(时间、空间和强度)三要素的预测值均要在误差范围之内。目前，中长期地震预测取得了一定的进步，但是，短期地震预测水平还很低。地震的预测预报是当今人类面临的科学难题，更是一个关系国计民生的问题。据不完全统计，全球每年发生的地震约为500万次，对整个社会有着巨大影响。2008年5月12日，中国四川汶川发生里氏8.0级特大地震，给整个中国带来了巨大灾难，损失无法估计，世界为之震惊。地震预测受到各国政府与人民的广泛关注，尽管经过几十年的探索，至今仍是一个未突破的科学难题。技术实现要素：本发明所要解决的问题是提供一种基于网络的地震12月内短期预测方法。为了实现上述目的，本发明采取的技术方案为：一种基于网络的地震12月内短期预测方法，包括如下步骤：（1）确定研究区域：确定区域的经度范围和纬度范围；（2）地震目录的收集及其预处理；（3）利用地震目录求取地震参量和时变参量，获得相应的地震参量，其中，系统参数“时间步长”和“时间窗长”取值为“12个月”，计算12个地震参量，分别为反映大小地震的比例关系b值，地震空间集中度C值，地震危险度D值，地震强度因子Mf值，地震活动演化指数YH值，地震的频度N值；（4）信息整理，将计算得到的地震参量和其他信息一起，按照规定格式整理，每行信息数据，分别包括：序号，时间，当前12个月的6个地震参量b值，C值，D值，Mf值，YH值，N值；当前12个月的6个时变参量未来12个月内最大震级；（5）回归分析：用多元线性回归方法建立地震震级与地震参量之间的关系；（6）神经网络模拟，根据下式计算各子样的回归分析值y′和回归偏差值Δy：y′i＝a0+a1·x1i+a2·x2i+a3·x3i+……+a12·x12i，Δyi＝yi-y′i，式中下标i表示子样序号，yi为子样值；然后，再将计算结果按照规定格式整理；每行信息包括16个数据，分别为：序号，时间，当前12个月的6个地震参量b值(x1)，C值(x2)，D值(x3)，Mf值(x4)，YH值(x5)，N值(x6)，当前12个月的6个时变参量值(x7)，值(x8)，值(x9)，值(x10)，值(x11)，值(x12)，未来12个月内最大震级回归值y′，回归偏差值Δy，然后，利用神经网络BP算法进行训练，f1)BP网络的输入层元素个数为13个，分别为：x1、x2、...、x12、y′，f2)BP网络的隐含层元素个数为P个，P值计算公式为：P＝20+INT(S/10)，S为子样个数，f3)BP网络的输出层元素个数为1个，为：Δy，神经网络训练结束后，得到了该区域Δy的神经网络计算模型，该区域内地震震级回归偏差值Δy*均可根据该神经网络模型计算得到；（7）计算地震预测的震级；优选的，所述步骤（2）地震目录的收集及其预处理的具体内容包括：1)收集该区域的地震目录：要求时间为15年及15年以上；2)按照规定的数据格式要求整理地震目录；3)地震主余震的筛选：删除余震；4)删除余震之后，将主震目录保存；优选的，所述步骤（3）地震参量的获得方式是通过中国地震局监测预报司研制的《基于GIS的地震分析预报系统》软件对区域地震主震目录进行处理。优选的，所述步骤（5）回归分析建立方案如下：取当前12个月的6个地震参量b，C，D，Mf，YH，N值，6个时变参量作为线性回归的自变量，将以上12个自变量依次记为x1、x2、...、x12；取未来12个月的最大震级Ms作为因变量，将因变量记为y，具体回归模型公式为y＝a0+a1·x1+a2·x2+a3·x3+……+a12·x12。优选的，所述步骤（6）得到的所有子样的相关信息按13×P×1的网络结构构成学习样本。优选的，所述步骤（7）地震震级预测的计算公式为：y*＝y′+Δy*，式中，y′为回归分析值，根据回归模型公式计算；Δy*为回归偏差值，由神经网络模拟计算；y*为未来6个月内地震最大震级预测的计算结果。有益效果：本发明提供了一种基于网络的地震12月内短期预测方法，本方法建立在科学的地震目录基础之上，将地震的影响因子进行量化，通过线性回归的方式得出其中的规律，并将得出的规律进行神经网络的编辑，只要将未来可量化的地震影响因子输入，即可得出为了12个月内地震的预测值，本发明的预测方法科学有效，对于短期地震的预测具有良好的辅助作用。具体实施方式实施例1：一种基于网络的地震12月内短期预测方法，其加工工艺包括如下步骤：（1）确定研究区域：确定区域的经度范围和纬度范围；（2）地震目录的收集及其预处理，具体内容包括：1)收集该区域的地震目录：要求时间为15年及15年以上；2)按照规定的数据格式要求整理地震目录；3)地震主余震的筛选：删除余震；4)删除余震之后，将主震目录保存；（3）利用地震目录求取地震参量和时变参量，通过中国地震局监测预报司研制的《基于GIS的地震分析预报系统》软件对区域地震主震目录进行处获得相应的地震参量，其中，系统参数“时间步长”和“时间窗长”取值为“12个月”，计算12个地震参量，分别为反映大小地震的比例关系b值，地震空间集中度C值，地震危险度D值，地震强度因子Mf值，地震活动演化指数YH值，地震的频度N值；（4）信息整理，将计算得到的地震参量和其他信息一起，按照规定格式整理，每行信息数据，分别包括：序号，时间，当前12个月的6个地震参量b值，C值，D值，Mf值，YH值，N值；当前12个月的6个时变参量未来12个月内最大震级；（5）回归分析：用多元线性回归方法建立地震震级与地震参量之间的关系，建立方案如下：取当前12个月的6个地震参量b，C，D，Mf，YH，N值，6个时变参量作为线性回归的自变量，将以上12个自变量依次记为x1、x2、...、x12；取未来12个月的最大震级Ms作为因变量，将因变量记为y，具体回归模型公式为y＝a0+a1·x1+a2·x2+a3·x3+……+a12·x12；（6）神经网络模拟，根据下式计算各子样的回归分析值y′和回归偏差值Δy：y′i＝a0+a1·x1i+a2·x2i+a3·x3i+……+a12·x12i，Δyi＝yi-y′i，式中下标i表示子样序号，yi为子样值；然后，再将计算结果按照规定格式整理；每行信息包括16个数据，分别为：序号，时间，当前12个月的6个地震参量b值(x1)，C值(x2)，D值(x3)，Mf值(x4)，YH值(x5)，N值(x6)，当前12个月的6个时变参量值(x7)，值(x8)，值(x9)，值(x10)，值(x11)，值(x12)，未来12个月内最大震级回归值y′，回归偏差值Δy，然后，所有子样的相关信息按13×P×1的网络结构构成学习样本，利用神经网络BP算法进行训练，f1)BP网络的输入层元素个数为13个，分别为：x1、x2、...、x12、y′，f2)BP网络的隐含层元素个数为P个，P值计算公式为：P＝20+INT(S/10)，S为子样个数，f3)BP网络的输出层元素个数为1个，为：Δy，神经网络训练结束后，得到了该区域Δy的神经网络计算模型，该区域内地震震级回归偏差值Δy*均可根据该神经网络模型计算得到；（7）计算地震预测的震级，地震震级预测的计算公式为：y*＝y′+Δy*，式中，y′为回归分析值，根据回归模型公式计算；Δy*为回归偏差值，由神经网络模拟计算；y*为未来6个月内地震最大震级预测的计算结果；经过以上工艺后，分别取出样品，测量结果如下：预测正确率误差范围执行过程出错率执行精度实施例173.1%±6.5%0.5‰0.001现有技术55.8%±8.0%0.8‰0.010根据上述表格数据可以得出，当实施例1实施基于网络的地震12月内短期预测方法，与实检测正确率为73.1%，误差范围为±6.5%，执行出错率为0.5‰，执行精度为0.001，而现有技术标准与实检测正确率为55.8%，误差范围为±8.0%，执行出错率为0.8‰，执行精度为0.010，这表明本发明基于网络的地震12月内短期预测方法，方法的正确率高，误差范围小，执行的出错率低，执行的精度高，因此本发明具有显著的优越性。本发明提供了一种基于网络的小电流接地系统故障选线方法，本方法建立在科学的地震目录基础之上，将地震的影响因子进行量化，通过线性回归的方式得出其中的规律，并将得出的规律进行神经网络的编辑，只要将未来可量化的地震影响因子输入，即可得出为了12个月内地震的预测值，本发明的预测方法科学有效，对于短期地震的预测具有良好的辅助作用。以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的
技术领域：
，均同理包括在本发明的专利保护范围内。当前第1页1 2 3