文档介绍：数据挖掘在
地震时间序列相似性度量模型
定义：设S和R为两个不同的地震时间序列，则S和R的相似性可用两序列中对应元素的相似性记分函数加权和来度量。相似性度量模型定义为：
2 基于序列相似性的地震相关性分析
这里， (1)0
1：主震-
余震型
2：震群型
3：孤立型
地震序列类型
判断指标
DOEERBF
提出了一种基于正交设计和均匀设计的异构RBF神经网络集成方法DOEERBF。
地震序列类型判断
比较实验和结果
单个RBFNN
%，%
固定集成结构和训练参数
外推精度65%，%
均匀设计确定集成结构和参数
%，%
提出了一种自动确定神经网络集成结构和参数调整的构造选择性RBF神经网络集成算法CSERBF
前兆及地震学异常的持续时间和种类多少与未来地震震级大小有一定关系
14项异常指标
的持续时间
+
异常的数量
未来地震震级
CSERBF
地震震级预测…
震级预报
基于特征加权的神经网络集成 FWEART 地震序列类型判断中的应用
4. 支持向量机
SVM方法的基本思想：基于Mercer核展开定理，通过非线性映射φ，把样本空间映射到一个高维乃至于无穷维的特征空间，使得在特征空间中可以应用线性学****机的方法解决样本空间中的高度非线性分类和回归等问题。
最优超平面的分类函数为
我国大陆强震预测的支持向量机方法
全球强震主要分布在环太平洋地震带和欧亚地震带。许多学者研究表明，我国大陆强震与全球主要板块边界的强震活动之间具有一定的关系，但是这种关系具有较强的非线性。
将板板块边界的强震活动分为16个区域, 取这16个区域在一年中的Ms≥；输出项为次年我国大陆是否发生7级以上强震。如果发生，取值为1；否则为0。
表1 使用支持向量机和BP神经网络对14个待检验样本的检验结果
预 测 年 份
1968 1969 1982 1983 1984 1985 1991 1992 1993 1994 2001 2002 2003 2004
中国大陆最大地震震级
检 验 结 果
(SVM)
0 0 0 0 0 1 0 0 0 1 1 0 1 0
检 验 结 果
(BP)
0 1 1 1 0 1 0 0 0 1 1 0 1 0
通过支持向量机对上述65个样本的学****据此对学****样本的内符检验全部正确；对14个待检验样本的检验结果(表1)表明，有12个样本的检验结果正确，两个报错（1969、2003年），报准率为 12∕14=。
使用BP神经网络模型进行外推检验，报准率为  11∕14= 。支持向量机的预测检验结果要优于BP神经网络。
地震时间序列预测方法（1）
依次取前13年中我国大陆每年的最大地震震级 Mi+1,Mi+2,…,Mi+13，预测第14年的我国大陆最大地震震级Mi+14, (i=1,2,…m)。这样支持向量机的输入项为前13年中每年的最大地震 Mi+1,Mi+2,…,Mi+13 ；输出项为1个，即为第14年的我国大陆最大地震震级 Mi+14。
中国大陆强震时间序列预测的支持向量机方法
表1 预测方法（１）的预测样本检验结果
预 测 年 份
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004
中国大陆最大地震震级
检 验 结 果
预测与实际震级之差
- - - - -