收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

中国大陆强震时间序列预测的支持向量机方法

王炜  刘悦  李国正  吴耿锋  林命周  马钦忠  赵利飞  
【摘要】:统计学习理论(Statistical Learning Theory或SLT)是研究有限样本情况下机器学习规律的理论。支持向量机(Support Vector Machines或SVM)是基于统计学习理论框架下的一种新的通用机器学习方法。它不但较好地解决了以往困扰很多学习方法的小样本、过学习、高维数、局部最小等实际难题,而且具有很强的泛化(预测)能力。文中使用支持向量机对中国大陆最大地震时间序列进行预测,预测次年的我国大陆最大地震震级,结果表明该方法具有较好的预报效果。研究结果还表明我国大陆强震活动除了与强震时间序列本身有关外,还与全球的强震活动、太阳黑子活动等有密切的关系。尽管这种关系还不清楚,但是通过支持向量机可以很好地反应出这种非线性关系。

知网文化
【相似文献】
中国期刊全文数据库 前8条
1 周凡;姜洪福;王立艳;孟凡顺;;基于阵列感应测井的支持向量机流体识别方法[J];中国海洋大学学报(自然科学版);2011年S1期
2 邵晓宁;徐颖;;岩体爆破振速和损伤预测的支持向量机方法[J];采矿与安全工程学报;2011年03期
3 毕卫华;谭晓慧;王伟;李丹;;RBFN及SVM在边坡稳定可靠度分析中的应用[J];合肥工业大学学报(自然科学版);2011年07期
4 刘静;李正从;王智;张翔;;基于ICA、PCA与SVM方法的沉积微相定量识别[J];测井技术;2011年03期
5 孙友权;;地震属性预测分析方法综述[J];知识经济;2011年13期
6 郭小东;田杰;王威;王志涛;马东辉;;基于GA-SVR的建筑物液化震陷预测方法[J];北京工业大学学报;2011年06期
7 陈海洋;滕彦国;王金生;;基于GA参数优选的ε-SVR地下水位预测方法[J];水资源保护;2011年04期
8 吴坤铭;王建国;谭晓慧;毕卫华;;基于可靠度敏感性的2种响应面法研究边坡稳定性[J];合肥工业大学学报(自然科学版);2011年08期
中国博士学位论文全文数据库 前10条
1 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
2 尚福华;基于统计学习的油藏水淹层的识别技术[D];哈尔滨工业大学;2007年
3 董辉;基于支持向量机的岩土非线性变形行为预测研究[D];中南大学;2007年
4 高美娟;用于储层参数预测的神经网络模式识别方法研究[D];大庆石油学院;2005年
5 邓小英;Ricker子波最小二乘支持向量回归机及其在地震勘探资料去噪中的应用研究[D];吉林大学;2007年
6 邱道宏;括苍山高速公路隧道岩爆非线性预测研究[D];吉林大学;2008年
7 李晓龙;基于支持向量机的岩体力学参数反演及工程应用[D];郑州大学;2009年
8 李新虎;测井高分辨率层序地层分析[D];西安科技大学;2008年
9 张丽;蓟县老虎顶采石矿复垦工程地质评价[D];吉林大学;2009年
10 曾联明;基于网格和智能算法的遥感岩性分类方法研究[D];中南大学;2009年
中国硕士学位论文全文数据库 前10条
1 赖永标;支持向量机在地下工程中的应用研究[D];山东科技大学;2004年
2 王忠文;统计学习理论及其在地学中的应用研究[D];吉林大学;2007年
3 冉群英;基于支持向量机的低阻油气层识别算法研究[D];大庆石油学院;2007年
4 刘天浩;滑坡位移序列的支持向量机预测[D];东北大学;2005年
5 纪华;支持向量机的改进及其在岩土工程反分析中的应用[D];宁夏大学;2005年
6 程伟;基于支持向量机在储层参数预测中的应用[D];成都理工大学;2007年
7 陆有忠;进化支持向量机及其在岩体边坡中的应用[D];宁夏大学;2004年
8 郭得令;基于LS-SVM的围岩位移非线性预测应用研究[D];武汉理工大学;2006年
9 张彦周;基于支持向量机的测井曲线预测储层参数方法[D];西安科技大学;2006年
10 吴芳;基于支持向量机和小波分析的地震预测研究[D];长安大学;2009年
中国重要报纸全文数据库 前1条
1 记者 张云普通讯员 全攀峰 安强强;大庆物探深度域地震资料岩性解释技术获得五大突破[N];中国石油报;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978