一、地震学综合定量预报方法在华东地区地震预测中的应用研究（论文文献综述）
蔡润[1]（2018）在《模糊评价方法在地震预报中的应用》文中进行了进一步梳理地震预报作为当今世界十大难题之一,对防震减灾有着非常重要的作用。一次准确的地震预报不但能降低人们的伤亡,还能减少国家的财产损失。目前研究发现诱发地震的因素众多且因素之间存在非线性的关系,神经网络理论在解决一些复杂的、非线性问题方面表现出明显的优势。本文基于这一认识,借助MATLAB平台,将神经网络应用于地震震级预报中。本文首先分析了传统地震预报方法的局限性,提出了克服其缺点的方案,即将两种神经网络相结合,同时说明利用遗传优化算法来优化神经网络结构的必要性。选定四川省为研究区域,南北地震带中的龙门山断裂带穿过其中,导致四川成为国内地震最多发地区之一。神经网络对输入因子极为敏感,本文分析现有相关文献后,选取了部分测震学前兆指标作为输入,引入将地电阻率幅度值作为一项输入,通过分析震级同输入指标的相关性,得到地电阻率同震级相关系数为0.65,相关性较好,这验证了可将地电阻率作为一种可靠的前兆这一结论,而其他相关输入指标与震级呈现弱相关,这说明综合利用多方面前兆指标进行地震预报是未来的一个发展方向。然后利用自组织特征映射神经网络（SOM）对选取的震例进行分类处理,填补了反向传播神经网络（BP）在样本越相似,输出结果越好这一特点,通过聚类能增加BP神经网络的抗噪性能和泛化能力,加快神经网络的收敛速度,这从输入数据上面解决了BP神经网络进行地震预报的缺陷。从聚类的结果来看,可以粗略的分为七大类,每一类中都有一些特征,对于聚类结果为震例在同一断层上面的样本,这对预测未来的时间及位置有一定帮助,而对于震级较为相似的样本,对未来预测震级有一定的帮助。但这也说明目前的地震预测方法都带有局限性,即任何方法总有一定的适用范围,在选择时可根据实际情况进行合理的选择。BP神经网络虽然具有较好的预测未来的能力,但是BP神经网络权值对输出结果影响较大,得到一个较好的权值对输出结果是至关重要的,遗传算法（GA）能进行全局搜索,具有很强的鲁棒性。利用遗传算法对BP神经网络的权值进行优化处理,得到一个最优的初始权值和阈值,这是从神经网络结构上改善了输出结果。最后将组合神经网络（SOMGABP）的输出结果反归一化处理,同时比较常用的神经网络的输出结果,得到几种神经网络的输出结果误差曲线图,输出结果一方面说明了将神经网络理论应用于地震预报是可行的;另一方面,本文提出的方法应用于地震震级预报中,得到的验证样本预报准确率达到93.75%,高于其他的神经网络输出结果,认为本文的方法能够协助进行地震震级的预测。此外,本文虽然只是对地震三要素中的震级进行了预测,这也是本文的局限性所在,而实际上在已经使用的前兆数据中隐含了发震时间和位置,由于那是另一个复杂问题,本文未做讨论。
赵永红,徐安东,张琼[2]（2018）在《地震预测方法Ⅷ:地震活动性》文中认为地震活动性方法是地震预测方法之一.该方法的原理是通过研究一定区域内某个时期的地震活动特性,包括地震的时间、空间分布特点和地震频度、地震强度的变化,利用相关的统计方法来处理历史资料中记载的或当前地震观测系统测定的地震发生的时间、空间位置和强度等基本参数以及这些参数之间的相互关系,从而达到预测未来地震发生的时间、地点和震级的目的.地震活动性测震法根据所采用统计方法的不同可分为许多类.本文综述了其中具有代表性的三种方法,即图像信息学PI算法、地震活动加速指数AI算法和地震动态空区法.对这三种地震活动性测震法的测震原理、特点以及研究进展进行概述,对应用前景给予分析,并对相关震例进行研究和总结.结果表明:地震活动性测震法对研究区域地震记录的完整性要求较高,可以预测的地震信息和预测精度非常有限.
宋春燕[3]（2017）在《断裂亚失稳阶段及失稳部位特征的初步研究 ——以南天山西段和汶川地震为例》文中进行了进一步梳理亚失稳阶段是指应力从峰值时刻到产生快速应力降起始时刻之间的阶段,是断层临近失稳的最后阶段,也是区域应力状态由积累为主转变为释放为主的阶段。识别断层的亚失稳应力状态、探讨强震亚失稳阶段即将面临的失稳部位的特征,寻找确认方法是一个很有现实意义,又很有挑战意义的科学问题。在实验室得到的断层亚失稳阶段的特点为野外识别亚失稳应力状态打下了基础。论文结合实验室已有结果,对处于亚失稳应力状态断层的特点进行了初步探索,研究了失稳前发震断裂的演化,分析了断裂协同化过程及应力状态;初步得到野外强震前断层的亚失稳阶段特征,演化过程以及可能的判定指标。地震发生过程中构造应力和应变的变化可以用Benioff应变分析法对其地震活动进行定量描述,分析研究区应变积累释放特征,探讨震前发震断裂是否存在地震加速活动现象或平静现象,以便与实验室应变观测结合起来进行分析。论文首先分析了前人利用Benioff应变研究加速释放方法的研究结果,探讨了其存在的问题,作者改进了已有方法。文中结合实验室研究结果给出了亚失稳断裂的研究方法,继而对南天山断裂带西段发生过2008年乌恰6.8级地震的卡兹克阿尔特断裂开展了回溯性研究,并使用该方法在研究区对目前的应力状态进行了预测性研究。其次以汶川Ms8.0级地震为例,研究地震前后由于介质变化引起的远震转换波到时差的变化特征,从而分析震源区介质所处的应力状态。本项研究在以下方面取得进展:（1）把处于亚失稳阶段的断裂简称为亚失稳断裂,参考实验室关于断层亚失稳应力状态的研究结果,以Benioff应变积累达到支持7级以上地震发生的断裂为研究目标,提出判定亚失稳断裂的四步研究方法:（1）构造区Benioff应变积累足以支持7级以上地震发生;（2）从高应变积累构造区中找出高应变积累且应变开始缓慢释放的断裂;（3）区分断裂的积累段和释放段,根据断裂释放段的协同化程度判定其是否处于亚失稳阶段,寻找失稳部位;（4）判断断裂Benioff应变是否符合加速释放模型,分析亚失稳断裂发震的紧迫性。（2）文中在使用累积Benioff应变的加速释放模型方法时,地震序列的空间范围按断裂选取;在时间尺度选取上,取断裂Benioff应变积累释放曲线上最近的一次积累-缓慢释放时段进行分析。实验室岩石随着应力加载,亚失稳阶段应变积累、释放特征主要出现在断层附近。空间的这种选取方法根据实验室亚失稳阶段研究结果,有一定的构造物理意义。（3）本文以南天山西段为研究区,使用亚失稳断裂判定方法对2008年10月5日乌恰6.8级地震进行回溯性研究,结果显示卡兹克阿尔特断裂在主震前满足亚失稳断裂判定方法的4个条件,取得了较好的效果;进而使用该方法对研究区现今应力状态进行预测性研究,发现目前柯坪断裂符合亚失稳状态条件的前三条:（1）南天山西段研究区的Benioff应变积累支持7级以上地震发生;（2）柯坪断裂累积Benioff应变支持6.8级以上地震发生,并且Benioff应变积累释放曲线出现波动、转平的趋势;（3）柯坪断裂经度77.5°–80°E的段落转为应变积累区,位于经度77.5°E以西的区域应变开始释放;但柯坪断裂目前不符合第4条,地震Benioff应变的释放不符合条件加速模型,表明断裂尚未进入加速协同化阶段。目前仍需密切关注该断裂的地震活动发展情况。（4）利用远震初至波穿越地壳、上地幔等速度界面时产生的一系列PS型透射转换波,测定远震PS转换波与初至P波的到时差Δtps=tps-tp随时间的变化特征有可能监测孕震区转换界面以上有限的地层空间内介质物性的变化。选取2001至2012年作为研究时段,利用四川地震台网的YZP和JJS两台站记录到的兴都库什、苏门答腊南部地区两组震中距变化小于3°的远震,得到两个台站在2008年5月12日汶川MS8.0级地震前后记录的转换波到时差Δtps的变化特征。结果表明,在2006年以前Δtps有一个缓慢增大的趋势;汶川地震前约2年左右的时间段内Δtps出现明显低值过程,最大降幅达0.20.3s左右,超过测量误差45倍;震前约23个月低值有一定程度的回返。表明本文提出的远震转换波方法在地震监测中有很好的应用前景,值得进一步实验研究。
托马斯·H·乔丹,陈运泰,保罗·伽斯帕里尼,劳尔·玛达里亚伽,伊安·缅恩,沃尔纳·玛尔佐奇,杰拉西莫斯·帕帕多珀罗斯,杰恩纳迪·索伯列夫,山冈耕春,约忱·乔,张天中,吕春来[4]（2013）在《可操作的地震预报 认知状态与应用指南》文中研究指明2009年拉奎拉地震后,意大利民防署（DPC）任命了一个国际民防地震预报委员会（ICEF）,其任务是就当前构造地震短期预测预报的认知水平提出报告并提出利用可能的大地震前兆启动民防措施的指导意见,包括大地震后地震灾险性概率分析结果的使用。国际地震预报委员会回顾了由世界范围地震活动区的进展获得的地震预测预报研究。预测（predic-tion）定义为确定性地表述未来地震是否将在一特定地理区域、时间窗和震级范围内发生,而预报（forecast）则是给出这样一个事件将要发生的概率（大于0但小于1）。对地震的可预测性,即可依据观测到的地震系统的表现确定未来地震发生的程度,人们知之甚少。这种认知的缺乏反映在不能在短时间尺度上可靠地预测地震活动地区的大地震。大多数已提出的预测方法依靠的是诊断性前兆,即在地震之前可观测到的某种以高概率说明即将来临地震的地点、时间和震级的信号的概念。本报告中评议的前兆方法包括应变率、地震波速和电导率的变化,地下水、土壤和空气中氡浓度的变化,地下水位的扰动,近地表及其上方的电磁变化,热异常,动物行为异常和地震活动性图像等。诊断性前兆的探索迄今尚未提出成功的短期预测方案。因此,本报告关注作为与收集和传播含时间的地震灾险性权威信息的原则性方法的可操作的地震预报,以帮助社会公众应对潜在的破坏性地震。在几天和几周的短时间尺度上地震序列显示出如大地震触发的余震空间和时间上的成丛性。成丛性的统计描述解释了地震目录中观察到的许多特征,并可用于形成预报,说明地震概率的短期变化。若能恰当加以应用,短期预报就具有可操作性,如预测大地震后的余震。尽管长期预报对于保障地震安全性的价值是明确的,但对短期预报的解释却令人困惑,由于地震概率变化可达几个量级,而典型的概率值在绝对意义上仍然很低（日概率小于1%）。把这种低概率的预报转换为有效的决策是一个艰难的挑战。报告收集了高地震危险性的6个国家（中国、希腊、意大利、日本、俄罗斯和美国）在地震风险管理中当前利用可操作预报的状况。长期模型是当前民众预防地震破坏最重要的预报手段,因为它们指导了建筑规范中的地震安全条款、基于性能的抗震设计和其他减轻风险的工程实践,如在翻修旧建筑中纠正设计缺陷等。余震的短期预报在上述一些国家中曾经实践过,但可操作的地震预报还没有在任何一个国家完全实施过（即定期更新并且在全国范围内实施）。根据在地震活跃区积累的经验,国际地震预报委员会向意大利民防署提供了一组在意大利使用可操作的预报的建议,这些建议对于其他国家可能也是有用的。应该向公众提供关于未来地震短期概率的权威的、科学的、一致的和及时的公开信息源。报告应以具有可操作性、定期更新的地震活动预报系统为基础,而且这些系统在地震信息的产生、发送和使用中都要经专家严格评审和更新。所有可操作模型的质量应当通过对其可靠性和有效性的回顾性检验加以评估,而且应对已建立的长期预报和其他含时间的模型进行持续的前瞻性检验。警报规程应当标准化以便于各级政府及民众做出决策。应当确定地震概率阈值以指导警报等级,而警报等级是以代价和收益,以及信息价值的无形方面,如心理准备与恢复方面效益的客观分析为基础。由社会科学研究确立的有效的公众交流原则应当被用于地震灾险信息的发送。
李冬梅[5]（2012）在《基于人工神经网络和模式识别方法的地震序列类型早期预测研究》文中提出地震序列的类型判断及其成因机理研究是地震学的基本问题之一，对于揭示地震孕育、发生和发展过程物理本质具有重要理论意义。对于一个完整的地震序列，其类型的判别已有较为成熟的方法和参数。本文研究内容是在地震刚刚发生，序列还极不完整的情况下，对地震的序列类型做出快速判定，也即地震序列类型的早期快速预测问题。在系统总结地震序列类型研究现状的基础上，详细分析了以往的地震序列类型早期判断的单项和综合方法，包括灰关联分析方法、模式识别的CORA-3算法等等，肯定了它们在震后早期趋势判断工作中发挥的重要作用及存在的不足。分析了人工神经网络和模式识别的支持向量机（SVM）方法在处理复杂的非线性映射问题上的优势，搜集整理了国内180个中强以上地震序列资料，借用BP神经网络和支持向量机（SVM）方法构建两种地震序列类型早期预测模型。论文取得的主要成果有：①搜集整理了我国大陆地区180个地震序列，并根据能量比和震级差、序列地震次数等经典判别指标，对全序列进行了初始分类，将序列分为主震型、震群型、孤立型三类；②通过不断的研究实验，确定BP网络的结构、选择激活函数、设置各项训练参数等步骤构造了BP神经网络地震序列类型早期预测模型。并用构筑好的模型对训练样本和测试样本分别进行内符和外推检验，得到理想的检验结果，使用1天（24小时）序列资料外推检验的正确识别率可达78%；③通过选择核函数及参数c&g寻优方法等构造了SVM地震序列类型早期预测模型。并进行相应的内符和外推检验。外推检验结果表明，使用第一大震后1天的序列资料正确识别率可达到82.2%，第一次大震后1、2、3、5、7天5个时间段序列，主余型和孤立型正确识别率基本都能保持在较高水平；④通过统计分析等途径对BP神经网络和SVM模型两种方法的的分类识别效果进行了评价，认为这两种方法应用于地震序列类型的早期预测可行、实用，且具有较好的类型早期识别能力，利用震后1天的序列资料就可以较准确地识别序列类型。比较分析认为，构造的SVM模型识别结果略优于BP神经网络模型。论文创新之处在于：①以较大样本量使用BP神经网络和支持向量机方法进行地震序列类型早期预测研究，涵盖的序列类型更广，使识别结果的普适应用性更强；②以往序列类型早期预测工作大多将序列类型合并为主震型和震群型两类研究，将分类目标划分为主余、震群、孤立三种类型，分类结果更为精细、实用；③将BP神经网络和模式分类支持向量机方法用于地震序列类型早期预测研究，计算方法相对简单，进一步证实，使用主震后1天的序列资料可以较准确的判断序列类型，并对比研究了上述两种方法应用于序列类型早期预测的优劣。
许晓庆,罗国富,马禾青[6]（2011）在《对SQIP方法数据处理部分的尝试性改进的研究》文中认为从地震学定量综合预测方法 （SQIP）的预报思路出发,对SQIP方法的具体数据处理作了探索性改进,针对西北地区东部中强震进行综合预测检验。结果表明改进后的方法具有一定地震预测能力和实用性,预测结果符合渐近式的预报思路。
蒋啊芳[7]（2011）在《基于神经网络的地震数据时间序列分析》文中认为中国是地震多发国家,地震的发生给人类带来了严重的生命和财产损失,因此,地震的预测是非常重要的一个话题。引发地震的相关性因素很多,产生机理的复杂性、孕育过程的非线性和认识问题的困难性,都使得很难建立比较完善的物理理论模型。相对于传统的方法,神经网络在处理上述问题中有着自身独特的优势,因此在很多领域有着广泛的应用。本文旨在把神经网络应用在地震预报上在分析地震时间序列的基础上,提出新的方法,最后借助MATLAB工具箱得以实现。由于地震数据的海量、非线性、高维性、缺值和干扰等特点,造成了使用目前正在使用的各种分析预报方法很难得出正确的结论,因此本文其中一个重要任务就是对数据进行预处理,首先将文件格式转化成常用的格式,其次对噪声数据进行处理,另外将范围限制在固定的区域,通过程序可以选定任意时间范围,任意地理位置,任意震级的地震数据,从而可以减少工作量。对于神经网络而言,预测因子的选取非常重要,本文提出了以不同震级段的地震变化率作为神经网络的输入,以相邻两次大地震的发生时间间隔作为神经网络的输出,从而对下一次大地震的发生进行预测。本文构建了新的BP神经网络模型,在MATLAB中对非线性的输入输出神经模型进行训练,最后进行仿真预测,本文选取了地震多发区域台湾和四川地区作为研究对象,同时选取了我省所在的华东地区进行研究。在研究过程中,筛选恰当年份的地震数据时间序列,这样才能得到比较理想的结果。首先要完成区域的选择,研究该区域最近几十年的地震发生频度,其次要对输入因子进行相关的计算,由于是以两个震级段的地震变化率作为输入,在本文中引入了震级标签来确定分段震级,然后把归一化之后的数据样本代入建立的BP神经网络模型,通过不断的调整参数,不断地学习,直到达到满足的误差为止。最后进行反归一化,得到想要的预测结果,研究最后发现,地震发生变化率有潜在的规律可循,从而对该模型在实际应用中的合理价值性进行验证。
李瑞芬,高伟[8]（2009）在《《地震地磁观测与研究》创刊30年总目录（1980～2009年）》文中研究指明在《地震地磁观测与研究》创刊30周年之际,将30年论着文章总目录奉献给广大的作者,读者,审稿专家,及多年关心,支持期刊发展的各位同仁。30年来地震科学的发展,尤其是观测技术的发展,为地震监测预报工作及防震减灾工作做出了贡献。30年来,本刊共发表各类文章2972篇,其中地震研究类860篇,地磁地电类367篇,观测技术类1189篇,计算机应用类293篇,专家讲座19篇,历史回顾23篇,其他221篇,本刊30年的文献就像燃烛,当你打开它,可以使你眼前一亮,照亮别人,燃烧自己。
梁久亮,李敏莉,刘泽民,郑先进,沈小七,黄显良[9]（2008）在《R值在华东地区地震预测中的研究》文中指出利用华东地区1970年以来的地震目录,对华东地区、郯庐断裂带100km范围、2007年度划定为地震危险区的苏鲁皖交界地区及安徽地区,以地震活动性参数群体异常变化项目数为参量,进行相应的均值之差与标准差统计分析,提取其变化率R（李永莉等,2003）,即通过统计计算地震活动性参数异常项目月变化率R值,观察R值变化特征。结果发现,华东地区、安徽地区中强震前R值异常表现为中短期异常特征,郯庐断裂带100km范围内及本年度划定为危险区的苏鲁皖交界地区,R值异常表现为中长期异常特征。
陈化然[10]（2006）在《断裂相互作用和地震预测方法研究》文中研究说明首先,在“断层间相互作用、强震间相互影响”方面,从现象到理论,研究强震的成组孕育、成组活动特征,特别是针对川滇这一特定地区,应用地质构造和深部地球物理的最新研究成果,建立了三维有限元模型,研究强震成组活动的机制,为地震分析预测研究搭建了一个有一定理论基础的平台,探索了地震物理预测的一些途径。对川滇地区初步搭建了一个地震分析预测研究的三维有限元数值模拟平台,尽管还有许多待完善之处,但本文的研究方向是有益的,对将数值模拟研究应用于实际地震预测有理论上的启迪意义,对地震从经验预测向物理预测发展有一定的借鉴作用。其次,在“重、磁构造反演”方面,收集了天津及邻近地区大量的、宝贵的重力、航磁资料;对重点资料进行了数字化,积累了较全面的天津及邻近地区最新的数字化重、磁资料;采用分频及延拓计算,对研究区内重力及航磁资料分别进行了对比,研究了不同方法在划分不同深度场源异常方面的效果;根据已知的新生代盖层深度,模拟出全区新生代盖层密度界面,在消除掉此盖层的影响之后,得出深部界面的反演计算结果;通过跨越深大断裂若干条剖面的正反演计算,对研究区内深大断裂深部延展所表现的密度、磁性特征有了进一步的认识;通过资料的综合分析解释,对研究区内地壳不同深度上结构构造特征给出了解释;综合给出了天津断层、沧东断层深部延展状态,并讨论了断层的深部孕震特征。
二、地震学综合定量预报方法在华东地区地震预测中的应用研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、地震学综合定量预报方法在华东地区地震预测中的应用研究（论文提纲范文）
（1）模糊评价方法在地震预报中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 常用的地震预报方法介绍 |
| 1.4 神经网络研究现状 |
| 1.4.1 国外研究现状 |
| 1.4.2 国内研究现状 |
| 1.5 论文结构 |
| 1.6 论文设计方案 |
| 1.7 总结 |
| 第2章 神经网络介绍 |
| 2.1 人工神经网络的基本原理 |
| 2.1.1 神经网络激活函数的选择 |
| 2.1.2 神经网络学习方法的选择 |
| 2.1.3 神经网络的基本特征 |
| 2.2 几种常见的神经网络模型 |
| 2.3 人工神经网络的设计 |
| 2.3.1 前馈型神经网络(BP)简介 |
| 2.3.2 BP神经网络设计技巧 |
| 2.4 BP神经网络的优缺点及改进 |
| 2.4.1 BP神经网络的优点 |
| 2.4.2 BP神经网络的缺点 |
| 2.5 自组织特征映射神经网络(SOM) |
| 2.5.1 自组织特征映射神经网络(SOM)的概念及思想 |
| 2.5.2 自组织竞争神经网络的学习规则 |
| 2.5.3 自组织神经网络的工作原理 |
| 2.5.4 SOM神经网络的学习算法过程 |
| 2.6 总结 |
| 第3章 遗传算法 |
| 3.1 遗传算法的基本概念 |
| 3.2 遗传算法的基本特征 |
| 3.2.1 应用较为广泛 |
| 3.2.2 能够求出优化问题的全局最优解 |
| 3.2.3 适合于求解复杂的优化问题 |
| 3.2.4 具有较强的鲁棒性 |
| 3.3 遗传算法的流程图 |
| 3.4 遗传优化BP神经网络 |
| 3.4.1 优化必要性分析 |
| 3.4.2 优化过程 |
| 3.4.3 优化流程图 |
| 3.5 总结 |
| 第4章 BP神经网络在地震震级预测中的应用 |
| 4.1 实验样本数据的选取与处理 |
| 4.1.1 样本数据的选取 |
| 4.1.2 样本数据的下载 |
| 4.1.3 输入因子的选取与计算 |
| 4.1.4 数据的处理 |
| 4.1.5 小结 |
| 4.2 八个参数与震级相关性分析 |
| 4.2.1 相关分析概念 |
| 4.2.2 相关系数计算 |
| 4.2.3 结果解释 |
| 4.2.4 小结 |
| 4.3 震例试算 |
| 4.3.1 自组织特征映射神经网络(SOM)的设计 |
| 4.3.2 遗传优化BP神经网络 |
| 4.3.3 网络的测试 |
| 4.3.4 输出结果 |
| 4.3.5 结果分析比较 |
| 4.4 模型外推 |
| 4.4.1 外推原理 |
| 4.4.2 算法实现 |
| 4.5 讨论 |
| 4.6 总结 |
| 第5章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 附录 |
（2）地震预测方法Ⅷ:地震活动性（论文提纲范文）
| 0 引言 |
| 1 地震活动性方法介绍 |
| 1.1 图像信息学PI算法 |
| 1.2 地震活动加速指数AI算法 |
| 1.3 地震动态空区法 |
| 2 预测震例介绍 |
| 2.1 PI算法在川滇地区研究中的应用 |
| 2.2 AI算法在华北地区研究中的应用 |
| 2.3 地震动态空区法在晋冀蒙交界地区研究中的应用 |
| 3 结论与讨论 |
（3）断裂亚失稳阶段及失稳部位特征的初步研究 ——以南天山西段和汶川地震为例（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 地震形成机理 |
| 1.2 亚失稳应力状态的提出及研究进展 |
| 1.3 野外亚失稳阶段的研究意义与研究目标 |
| 1.4 关键科学问题 |
| 第二章 研究思路、方法及研究内容 |
| 2.1 研究方法 |
| 2.1.1 Benioff应变特征 |
| 2.1.2 利用远震转换波到时差研究震源区介质变化 |
| 2.2 研究内容 |
| 2.3 存在问题 |
| 第三章 断裂亚失稳阶段及失稳部位的特征研究—以新疆南天山西段为例 |
| 3.1 南天山西段研究区地质背景及地震活动概况 |
| 3.2 亚失稳断裂判定方法 |
| 3.3 资料选取及分析处理 |
| 3.3.1 研究区大震背景 |
| 3.3.2 亚失稳断裂及失稳部位判定 |
| 3.3.3 ＡＳＲ模型应用 |
| 3.4 南天山西段现今应力状态判断 |
| 3.5 于田 7.3 级地震前观测到的断层协同化现象 |
| 3.6 本章小结 |
| 讨论 |
| 第四章 亚失稳阶段地壳介质的时变特征—以汶川Ms8.0 级地震为例 |
| 4.1 资料选取 |
| 4.2 数据处理 |
| 4.3 转换波到时差 ΔtPS特征 |
| 4.3.1 YZP台远震转换波到时差 ΔtPS特征 |
| 4.3.2 JJS台远震转换波到时差 ΔtPS特征 |
| 4.4 讨论 |
| 4.5 本章小结 |
| 第五章 主要结论 |
| 第六章 讨论 |
| 第七章 创新点与研究展望 |
| 7.1 创新点 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| Brief introduction to the author |
| 攻读博士学位期间参加项目 |
| 攻读博士学位期间以第一作者发表的论文 |
（5）基于人工神经网络和模式识别方法的地震序列类型早期预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 选题的理论依据与现实意义 |
| 1.2 论文的主要研究内容 |
| 1.3 论文的技术路线 |
| 1.4 论文的主要内容安排 |
| 第二章 地震序列类型划分研究综述 |
| 2.1 地震序列概述 |
| 2.2 地震序列分类及主要特征 |
| 2.3 地震序列早期分类的研究现状 |
| 第三章 人工神经网络理论和发展 |
| 3.1 人工神经网络基本理论 |
| 3.1.1 人工神经网络的一般模型 |
| 3.1.2 人工神经网络的特点及种类 |
| 3.1.3 人工神经网络的学习规则 |
| 3.2 人工神经网络在地震学领域中的应用简介 |
| 第四章 模式识别理论及应用 |
| 4.1 模式识别基本理论 |
| 4.2 模式识别在地震学领域中的应用简介 |
| 第五章 BP 神经网络和支持向量机模型的建立 |
| 5.1 BP 神经网络原理及模型建立流程 |
| 5.1.1 BP 神经网络原理 |
| 5.1.2 BP 学习算法 |
| 5.1.3 BP 神经网络的模型建立流程 |
| 5.1.4 基于 BP 神经网络的地震序列早期预测模型 |
| 5.2 SVM 支持向量机原理及模型建立流程 |
| 5.2.1 支持向量机相关理论基础及基本思想 |
| 5.2.2 支持向量机的核函数 |
| 5.2.3 支持向量机的拓扑结构 |
| 5.2.4 支持向量机的优点及不足 |
| 5.2.5 基于支持向量机的地震序列早期预测模型 |
| 第六章 两种地震序列类型早期预测模型的建立 |
| 6.1 资料收集及初始分类 |
| 6.2 特征参数选取 |
| 6.3 资料数据预处理 |
| 6.4 构造 BP 神经网络模型 |
| 6.4.1 样本选择 |
| 6.4.2 构造 BP 神经网络 |
| 6.4.3 训练 BP 神经网络 |
| 6.4.4 仿真测试 |
| 6.4.5 实验结果及分析 |
| 6.5 构造 SVM 神经网络及 Matlab 实现 |
| 6.5.1 选定训练集和测试集 |
| 6.5.2 C&G参数寻优 |
| 6.5.3 训练和预测 |
| 6.5.4 检验结果与分析 |
| 第七章 两种预测模型的分析对比 |
| 第八章 结论与展望 |
| 8.1 论文完成的主要研究工作及创新之处 |
| 8.2 进一步的研究方向 |
| 参考文献 |
| 附表 A 180 个地震序列信息表 |
| 致谢 |
| 作者简介 |
（6）对SQIP方法数据处理部分的尝试性改进的研究（论文提纲范文）
| 0 引言 |
| 1 资料处理 |
| 1.1 区域构造背景 |
| 1.2 地震目录资料选取 |
| 1.3 学习样本的提取 |
| 1.3.1 学习样本的空间范围和时间范围 |
| 1.3.2 提取学习样本的算法步骤 |
| 1.4 单项特征的归一化 |
| 1.5 对比筛选和R值评分计算 |
| (1) 单侧扫描 |
| (2) 双侧扫描 |
| 1.6 综合预测参数P的计算 |
| 2 计算结果和检验 |
| 3 讨论 |
（7）基于神经网络的地震数据时间序列分析（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 课题背景和研究意义 |
| 1.2 研究现状 |
| 1.3 论文的内容和组织结构 |
| 第二章 常用地震预报方法简介 |
| 2.1 地震预报的概率统计方法 |
| 2.2 地震预报的模式识别方法 |
| 2.3 地震预报的小波分析方法 |
| 2.4 地震预报的物理方法 |
| 2.5 地震预报的神经网络方法 |
| 2.6 小结 |
| 第三章 BP神经网络 |
| 3.1 人工神经网络概述 |
| 3.1.1 人工神经网络的基本概念 |
| 3.1.2 人工神经网络发展史 |
| 3.1.3 人工神经网络的特点 |
| 3.2 神经网络模型基础理论 |
| 3.2.1 神经元模型 |
| 3.2.2 神经网络的学习 |
| 3.3 BP神经网络 |
| 3.3.1 BP神经网络简介 |
| 3.3.2 BP学习算法的程序实现步骤 |
| 3.3.3 设计BP神经网络的相关问题 |
| 3.3.4 MATLAB中的BP神经网络 |
| 3.4 小结 |
| 第四章 地震数据的预处理方案 |
| 4.1 中国地区地震数据分析 |
| 4.1.1 中国主要地震带分布 |
| 4.1.2 地震数据格式 |
| 4.2 地震数据预处理 |
| 4.2.1 地震目录文件转换方法 |
| 4.3 小结 |
| 第五章 BP神经网络在地震预测中的应用 |
| 5.1 实验基本流程 |
| 5.2 构造BP神经网络仿真模型 |
| 5.3 输入因子的计算 |
| 5.3.1 震级截止值的计算 |
| 5.3.2 地震变化率的计算方法 |
| 5.3.3 输入因子的规范化 |
| 5.4 利用MATLAB进行实验设计及结果分析 |
| 5.4.1 台湾和四川地区的实验过程 |
| 5.4.2 台湾和四川地区的误差结果分析 |
| 5.4.3 华东地区的实验过程 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 参考文献 |
| 附录A 图索引 |
| Appendix A.Figure Index |
| 附录B 表索引 |
| Appendix B.Table Index |
| 致谢 |
| 攻读学位期间发表论文及研究工作 |
（9）R值在华东地区地震预测中的研究（论文提纲范文）
| 引言 |
| 1 地震活动性参数异常项目月变化率R值法 |
| 2 资料的选取与计算 |
| 3 各研究区R值分析 |
| 3.1 华东地区 |
| 3.2 郯庐断裂带 (100 km内) |
| 3.3 安徽地区 |
| 3.4 苏鲁皖地震危险区 |
| 4 讨论 |
（10）断裂相互作用和地震预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一篇 引言 |
| 第二篇 断层间相互作用、强震间相互影响研究 |
| 第一章 背景 |
| 第二章 强震情况 |
| 第三章 三维有限元模型的建立与模拟结果 |
| 第四章 断层间相互作用模拟结果 |
| 第五章 结论与讨论 |
| 第三篇 重磁构造反演研究 |
| 第一章 资料的搜集、数字化与分析 |
| 第二章 重、磁异常特征及其与主要构造的关系 |
| 第三章 重、磁异常的分离及不同深度界面的反演 |
| 第四章 重力、航磁综合剖面研究 |
| 第五章 结果的分析与解释 |
| 第四篇 地震预测指标体系研究 |
| 第一章 背景 |
| 第二章 天津市地震预报基础信息库建设 |
| 第三章 天津地区中短期预报方法指标研究 |
| 第四章 天津地区地震中短期预报指标效能评价 |
| 第五章 中短期预报的综合标志和综合预报方法 |
| 结束语 |
| 诚挚致谢 |
| 参考文献 |
| 个人简历 |
| 博士期间论文（1999－2003 年） |
| 博士后期间论文和项目（2003－2006 年） |
四、地震学综合定量预报方法在华东地区地震预测中的应用研究（论文参考文献）
- [1]模糊评价方法在地震预报中的应用[D]. 蔡润. 中国地震局兰州地震研究所, 2018(08)
- [2]地震预测方法Ⅷ:地震活动性[J]. 赵永红,徐安东,张琼. 地球物理学进展, 2018(05)
- [3]断裂亚失稳阶段及失稳部位特征的初步研究 ——以南天山西段和汶川地震为例[D]. 宋春燕. 中国地震局地质研究所, 2017(05)
- [4]可操作的地震预报 认知状态与应用指南[J]. 托马斯·H·乔丹,陈运泰,保罗·伽斯帕里尼,劳尔·玛达里亚伽,伊安·缅恩,沃尔纳·玛尔佐奇,杰拉西莫斯·帕帕多珀罗斯,杰恩纳迪·索伯列夫,山冈耕春,约忱·乔,张天中,吕春来. 世界地震译丛, 2013(01)
- [5]基于人工神经网络和模式识别方法的地震序列类型早期预测研究[D]. 李冬梅. 中国地震局兰州地震研究所, 2012(03)
- [6]对SQIP方法数据处理部分的尝试性改进的研究[J]. 许晓庆,罗国富,马禾青. 地震研究, 2011(03)
- [7]基于神经网络的地震数据时间序列分析[D]. 蒋啊芳. 安徽大学, 2011(04)
- [8]《地震地磁观测与研究》创刊30年总目录（1980～2009年）[J]. 李瑞芬,高伟. 地震地磁观测与研究, 2009(05)
- [9]R值在华东地区地震预测中的研究[J]. 梁久亮,李敏莉,刘泽民,郑先进,沈小七,黄显良. 地震地磁观测与研究, 2008(04)
- [10]断裂相互作用和地震预测方法研究[D]. 陈化然. 中国地震局地质研究所, 2006(05)