一種基于熱紅外異常信號(hào)與小波神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)方法
【專利摘要】本發(fā)明公開(kāi)了一種基于熱紅外異常信號(hào)與小波神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)方法，該方法包括：步驟一、熱異常信息提??；步驟二、構(gòu)建熱異常時(shí)空坐標(biāo)系；步驟三、構(gòu)建以熱異常及斷裂帶為輸入的地震預(yù)測(cè)小波神經(jīng)網(wǎng)絡(luò)；步驟四、進(jìn)行小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與地震預(yù)測(cè)試驗(yàn)。本發(fā)明利用小波神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)及地震前熱異常現(xiàn)象的普適性，通過(guò)構(gòu)建以地震熱異常信號(hào)及斷裂帶為輸入特征的小波神網(wǎng)絡(luò)，實(shí)現(xiàn)了地震三要素的同時(shí)預(yù)測(cè)。
【專利說(shuō)明】一種基于熱紅外異常信號(hào)與小波神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于地震預(yù)測(cè)領(lǐng)域，尤其涉及一種基于熱紅外異常信號(hào)與小波神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)方法。

【背景技術(shù)】
[0002]目前地震預(yù)測(cè)方法大致可以分為3類:地震地質(zhì)方法、地震統(tǒng)計(jì)方法和地震前兆方法。其中前兆法是常用方法之一，涉及測(cè)震、地形變、重力、地電、地磁、地下水化學(xué)、地下水物理、氣象、地溫等多個(gè)指標(biāo)。震前地表溫度異常即是地震前兆異常之一。隨著遙感技術(shù)的發(fā)展，其信息量大、范圍廣、可實(shí)時(shí)監(jiān)測(cè)、客觀準(zhǔn)確等特點(diǎn)使得利用熱紅外遙感數(shù)據(jù)監(jiān)測(cè)震前地表溫度異常成為可能。近年來(lái)，在利用熱紅外遙感數(shù)據(jù)提取地震熱異常信息的算法研究及其與地震關(guān)系方面的探索取得了一些重要進(jìn)展。大量研究結(jié)果表明，地震發(fā)生前存在不同程度的“熱震兆”現(xiàn)象。大量試驗(yàn)表明，遙感熱紅外信息在地震短臨預(yù)測(cè)中的應(yīng)用方面有其獨(dú)特的優(yōu)勢(shì)，是探索地震預(yù)報(bào)的可能途徑之一。
[0003]張金華等在2012年以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)建立短期地震預(yù)測(cè)模型，較好地對(duì)未來(lái)幾個(gè)月的最大震級(jí)進(jìn)行了預(yù)測(cè)。李煒等在2011年對(duì)實(shí)驗(yàn)區(qū)地震數(shù)據(jù)時(shí)間序列進(jìn)行分析并對(duì)大地震的發(fā)生時(shí)間進(jìn)行預(yù)測(cè)。聶仙娥等在2011年利用神經(jīng)網(wǎng)絡(luò)對(duì)地震震級(jí)的預(yù)測(cè)也取得了較好的效果。
[0004]現(xiàn)有的地震預(yù)測(cè)方法多是針對(duì)地震三要素(震中、震級(jí)、時(shí)間)里的某個(gè)要素進(jìn)行預(yù)測(cè)，未實(shí)現(xiàn)地震三要素的同時(shí)預(yù)測(cè)。


【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于提供一種基于熱紅外異常信號(hào)與小波神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)方法，旨在實(shí)現(xiàn)地震三要素的同時(shí)預(yù)測(cè)。
[0006]本發(fā)明是這樣實(shí)現(xiàn)的，一種基于熱紅外異常信號(hào)與小波神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)方法包括:
[0007]步驟一、熱異常信息提?。?br> [0008]步驟二、構(gòu)建熱異常時(shí)空坐標(biāo)系；
[0009]步驟三、構(gòu)建以熱異常及斷裂帶為輸入的地震預(yù)測(cè)小波神經(jīng)網(wǎng)絡(luò)；
[0010]步驟四、進(jìn)行小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與地震預(yù)測(cè)試驗(yàn)。
[0011]進(jìn)一步，熱異常信息Alice值提取的具體方法為:

【權(quán)利要求】
1.一種基于熱紅外異常信號(hào)與小波神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)方法，其特征在于，所述的基于熱紅外異常信號(hào)與小波神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)方法包括: 步驟一、基于時(shí)間域的熱異常信息的提?。? 步驟二、構(gòu)建熱異常時(shí)空坐標(biāo)系； 步驟三、構(gòu)建以熱異常及斷裂帶為輸入的地震預(yù)測(cè)小波神經(jīng)網(wǎng)絡(luò)； 步驟四、進(jìn)行小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與地震預(yù)測(cè)試驗(yàn)。
2.如權(quán)利要求1所述的基于時(shí)間域的熱異常信息的提取方法，其特征在于，熱異常信息Alice值提取的具體方法為:
式中，TCrij, t)是t時(shí)刻像元!Tij= (xi； Yj)處的亮溫值，ATCrij,!:)為t時(shí)刻像元(xi； Yj)處Tij= (Xi, Yj)與該處像元的歷年同期平均亮溫T(t)的差值，
L =統(tǒng)計(jì)計(jì)算的年數(shù)，L = 10 ；
S Crij, t) = CCrij, t).E (r^., t)(6) S(riJ, t)表示在無(wú)云和平靜期，與影像獲取時(shí)刻t相一致的像元rij的標(biāo)示值， ECrij, t) = O:像元中心位置!Tij處為云； ECrij, t) = 1:像元中心位置!Tij處不為云； C(riJ, t) = O:像元中心位置rij處有地震事件發(fā)生； C(riJ, t) = 1:像元中心位置rij處無(wú)地震事件發(fā)生； t為長(zhǎng)時(shí)間序列影像每景的觀測(cè)時(shí)間。
3.如權(quán)利要求1所述的基于熱紅外異常信號(hào)與小波神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)方法，其特征在于，構(gòu)建熱異常時(shí)空坐標(biāo)系的具體方法為: 以震中為中心選擇10° X10°矩形框作為研究區(qū)域，以地震發(fā)生前兩個(gè)月為數(shù)據(jù)的時(shí)間搜索范圍，以震中為中心選擇10° X 10°矩形框的左下角為空間直角坐標(biāo)系的坐標(biāo)原點(diǎn)，以熱異常首次出現(xiàn)的時(shí)間為時(shí)間起點(diǎn)。
4.如權(quán)利要求1所述的基于熱紅外異常信號(hào)與小波神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)方法，其特征在于，構(gòu)建以熱異常及斷裂帶為輸入的地震預(yù)測(cè)小波神經(jīng)網(wǎng)絡(luò)的具體方法為: 確定網(wǎng)絡(luò)結(jié)構(gòu):網(wǎng)絡(luò)為3層結(jié)構(gòu)，輸入層-隱層-輸出層； 確定各層神經(jīng)元數(shù)目為d-N-m，其中d為輸入神經(jīng)元的特征數(shù)目，對(duì)應(yīng)于表征熱異常特征的9個(gè)指標(biāo)，分別反映熱異常的面積、強(qiáng)度、熱異常起始位置、熱異常起始時(shí)間和斷裂帶屬性，共計(jì)12個(gè)輸入神經(jīng)元，即12維向量，N為隱層神經(jīng)元數(shù)目，m為輸出神經(jīng)元數(shù)目，對(duì)應(yīng)于輸出向量的維數(shù)。
5.如權(quán)利要求1所述的基于熱紅外異常信號(hào)與小波神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)方法，其特征在于，小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與地震預(yù)測(cè)試驗(yàn)的具體方法為:用多個(gè)震例和多個(gè)隨機(jī)無(wú)震樣本分別采用小波神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、預(yù)測(cè)和仿真。
6.如權(quán)利要求1所述的基于熱紅外異常信號(hào)與小波神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)方法，用多個(gè)震例和多個(gè)隨機(jī)無(wú)震樣本分別采用小波神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、預(yù)測(cè)和仿真，小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練:首先需設(shè)置網(wǎng)絡(luò)的迭代次數(shù)、最小誤差、網(wǎng)絡(luò)的隱層神經(jīng)元個(gè)數(shù)三個(gè)參數(shù)，然后運(yùn)行小波神經(jīng)網(wǎng)絡(luò)算法，根據(jù)用于訓(xùn)練的震例和隨機(jī)無(wú)震樣本的輸入和輸出參量，不斷地循環(huán)迭代，循環(huán)運(yùn)算到設(shè)置的迭代次數(shù)，訓(xùn)練結(jié)束；地震預(yù)測(cè)試驗(yàn):基于小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練后產(chǎn)生的非線性關(guān)系，將用于仿真的震例和無(wú)震隨機(jī)樣本的熱異常特征作為輸入?yún)?shù)，運(yùn)行小波神經(jīng)網(wǎng)絡(luò)仿真算法，將仿真預(yù)測(cè)的輸出結(jié)果與實(shí)際值對(duì)比，分析。
【文檔編號(hào)】G01V1/00GK104199084SQ201410441033
【公開(kāi)日】2014年12月10日 申請(qǐng)日期:2014年8月29日 優(yōu)先權(quán)日:2014年8月29日
【發(fā)明者】宋冬梅, 單新建, 邵紅梅, 劉雪梅, 陳壽長(zhǎng), 屈春燕, 崔建勇, 沈晨, 聶立新 申請(qǐng)人:中國(guó)石油大學(xué)(華東)