基于BP神經(jīng)網(wǎng)絡(luò)的地震預(yù)測

1、基于BP 神經(jīng)網(wǎng)絡(luò)的地震預(yù)測演講：XXX目錄1234模型建立地震預(yù)測問題仿真結(jié)果BP網(wǎng)絡(luò)算法概述1、BP網(wǎng)絡(luò)算法概述1、BPBP算法的出現(xiàn)算法的出現(xiàn) 非循環(huán)多級網(wǎng)絡(luò)的訓(xùn)練算法，UCSD PDP小組的Rumelhart、Hinton和Williams1986年獨(dú)立地給出了BP算法清楚而簡單的描述。1982年，Paker就完成了相似的工作。1974年，Werbos已提出了該方法。2、弱點(diǎn)弱點(diǎn) 訓(xùn)練速度非常慢、局部極小點(diǎn)的逃離問題、算法不一定收斂。3、優(yōu)點(diǎn)優(yōu)點(diǎn) 廣泛的適應(yīng)性和有效性。1、BP網(wǎng)絡(luò)算法概述4 4、BPBP網(wǎng)絡(luò)主要用途網(wǎng)絡(luò)主要用途1）函數(shù)逼近：用輸入向量和相應(yīng)的輸出向量訓(xùn)練一個網(wǎng)絡(luò)逼近一

2、個函數(shù)。2）模式識別：用一個特定的輸出向量將它與輸入向量聯(lián)系起來。3）分類：把輸入向量 以所定義的合適方式進(jìn)行分類。4）數(shù)據(jù)壓縮：減少輸出向量維數(shù)以便于傳輸或存儲。1、BP網(wǎng)絡(luò)算法概述網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)x1o1輸出層輸出層隱藏層隱藏層輸入層輸入層x2o2omxn2、地震預(yù)測問題引發(fā)地震的相關(guān)性因素很多，其產(chǎn)生機(jī)理的復(fù)雜性、孕育過程的非線性和認(rèn)識問題的困難性使得人們很難建立較完善的物理理論模型。對有關(guān)物理參數(shù)加以精確的描述，只能借助一些觀測到的相關(guān)現(xiàn)象進(jìn)行分析、總結(jié)和推理。相對于傳統(tǒng)的預(yù)報方法，神經(jīng)網(wǎng)絡(luò)以其容錯能力強(qiáng)、預(yù)測與識別速度快和避開了特征因素與判別目標(biāo)的復(fù)雜關(guān)系描述，特別是公式

3、的描述等特性能夠?qū)?fù)雜系統(tǒng)模型進(jìn)行很好的預(yù)測。以我國西南某地震常發(fā)地區(qū)的地震資料作為樣本來源，基于BP神經(jīng)網(wǎng)絡(luò)對該地的地震進(jìn)行預(yù)測。2、地震預(yù)測問題 通過對該地區(qū)地震的統(tǒng)計，從中提取出7個預(yù)測因子作為輸入向量，實(shí)際的震級作為輸出向量，對已有的數(shù)據(jù)進(jìn)行歸一化處理，建立一個BP神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練、仿真，滿足允許的一定誤差后，對該地區(qū)震級進(jìn)行預(yù)測。2、地震預(yù)測問題0.37500.47371000.750.25650.16200.71870.578910.80380.54000.62500.42170.58420.68850.59380.68421000.630

4、.43470.49950.43750.2632100.50.680.37900.43200.40620.736810.500.770.36670.17550.18750.21050000.620.07420.0270實(shí)際震級相關(guān)區(qū)震級活動周期地震條帶個數(shù)異常地震群個數(shù)B值累計釋放能量地震累計頻度3、模型建立以我國西南某地震常發(fā)地區(qū)的地震資料作為樣本來源，實(shí)現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的地震預(yù)測。根據(jù)這些地震資料，提取出7個預(yù)測因子和實(shí)際的震級M作為輸入和目標(biāo)向量。預(yù)測銀子為：（1）半年內(nèi)M大于等于3的地震累計頻度；（2）半年內(nèi)能量釋放積累值；（3）b值（用來反映區(qū)域地震地質(zhì)的特征）；（4）異常地震帶個數(shù)；（

5、5）地震條帶個數(shù)；（6）是否處于活動期內(nèi)；（7）相關(guān)地震區(qū)地震震級。3、模型建立利用已知的數(shù)據(jù)通BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練，在這里采用單層隱的BP網(wǎng)絡(luò)進(jìn)行地震預(yù)測。初步確定隱含層，在三層BP網(wǎng)絡(luò)中隱含層神經(jīng)元個數(shù)和輸層神經(jīng)元個數(shù)b之間有以下近似關(guān)系：a=2b+1。由于輸入樣本為7維向量，因此，輸入層一共有7個神經(jīng)元，則中間層應(yīng)該有15個神經(jīng)元。網(wǎng)絡(luò)只有1個輸出數(shù)據(jù)，則輸出層只有1個神經(jīng)元，因此，網(wǎng)絡(luò)應(yīng)該為7，15，1的結(jié)構(gòu)。3、模型建立神經(jīng)網(wǎng)絡(luò)在外界輸入樣本的刺激下不斷改變網(wǎng)絡(luò)的連接權(quán)值,以使網(wǎng)絡(luò)的輸出不斷地接近期望的輸出。對各連接權(quán)值的動態(tài)調(diào)整。權(quán)值調(diào)整規(guī)則，即在學(xué)習(xí)過程中網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)

6、變化所依據(jù)的一定的調(diào)整規(guī)則。學(xué)習(xí)是有有導(dǎo)師學(xué)習(xí)法。3、模型建立一個具有n個輸入的神經(jīng)元模型 為神經(jīng)元的輸入, 為可調(diào)的輸入權(quán)值, 為偏移信號,用于建模神經(jīng)元的興奮閾值.u和f 分別表示神經(jīng)元的基函數(shù)和激活函數(shù). 基函數(shù) 是一個多輸入單輸出函數(shù), ;激活函數(shù) 的一般作用是對基函數(shù)的輸出進(jìn)行“擠壓”: , 即通過非線性函數(shù) 將 變換到指定范圍內(nèi).12( ,.)nXx xx12(,.)nWw wwuu()uu f)(ufy ()f3、模型建立 本題中用到的訓(xùn)練樣本P為10組,每組7個數(shù)據(jù),分別是與震級有關(guān)的7個預(yù)告因子。 在三層BP網(wǎng)絡(luò)中隱含層神經(jīng)元個數(shù)和輸層神經(jīng)元個數(shù)b之間有以下近似關(guān)系：a=2b

7、+1。因此輸入層一共有7個神經(jīng)元，則中間層應(yīng)該有15個神經(jīng)元。網(wǎng)絡(luò)只有1個輸出數(shù)據(jù)，則輸出層只有1個神經(jīng)元，因此，網(wǎng)絡(luò)應(yīng)該為7，15，1的結(jié)構(gòu)。4、仿真結(jié)果net = newff(PR，S1 S2.SN1，TF1 TF2.TFN1，BTF，BLF，PF)為創(chuàng)建的新BP神經(jīng)網(wǎng)絡(luò)；2.PR為網(wǎng)絡(luò)輸入取向量取值范圍的矩陣；3.S1 S2SNl表示網(wǎng)絡(luò)隱含層和輸出層神經(jīng)元的個數(shù)； 4.TFl TF2TFN1表示網(wǎng)絡(luò)隱含層和輸出層的傳輸函數(shù)，默認(rèn)為tansig；5.BTF表示網(wǎng)絡(luò)的訓(xùn)練函數(shù)，默認(rèn)為trainlm；6.BLF表示網(wǎng)絡(luò)的權(quán)值學(xué)習(xí)函數(shù)，默認(rèn)為learngdm； 7.PF表示性能數(shù)，默認(rèn)為mse

8、。8.a=logsig( ) :對數(shù)Sigmoid激活函數(shù),對數(shù)Sigmoid函數(shù)把神經(jīng)元的輸入范圍從(- ，+)映射到(0，1)。它是可導(dǎo)函數(shù)，適用于BP訓(xùn)練的神經(jīng)元。9.Net=train( )：神經(jīng)網(wǎng)絡(luò)訓(xùn)練函數(shù)。 10.Net=sim( ):神經(jīng)網(wǎng)絡(luò)仿真函數(shù)。 11.a=postmnmx( ):數(shù)據(jù)的反歸一化處理。 BP神經(jīng)網(wǎng)絡(luò)的創(chuàng)建格式及其使用函數(shù)4、仿真結(jié)果本文利用網(wǎng)絡(luò)上找到的西南地區(qū)地震資料，做了兩個表格，一個用來學(xué)習(xí)，另一個用來測試學(xué)習(xí)的成果來檢驗(yàn)算法。0.65630.8974000.50.980.12300.39150.31250.05260000.760.06920.0810

9、0.37500.36840000.710.49250.58051.00000.9474110.50.750.03830.99900.50000.26321000.710.49480.21600.43750.7368100.50.6741830.41580.93751.000010.510.631.00000.62100.59380.315810.500.680.54020.28350.53130.315870.47410.3915000000.6200實(shí)際震級相關(guān)區(qū)震級活動周期地震條帶個數(shù)異常地震群個數(shù)b值累計釋放能量地震累計頻度4、仿真結(jié)果0.37500.47371000

10、.750.25650.16200.71870.578910.80380.54000.62500.42170.58420.68850.59380.68421000.630.43470.49950.43750.2632100.50.680.37900.43200.40620.736810.500.770.36670.17550.18750.21050000.620.07420.0270實(shí)際震級相關(guān)區(qū)震級活動周期地震條帶個數(shù)異常地震群個數(shù)B值累計釋放能量地震累計頻度4、仿真結(jié)果根據(jù)獲得的數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練后的網(wǎng)絡(luò)才有可能滿足于實(shí)際應(yīng)用的要求。由于找的數(shù)據(jù)是已經(jīng)歸一化處理的，在數(shù)據(jù)的反歸一化時候，不能確定原來數(shù)據(jù)的最大值與最小值。于是