首页> 正文

基于特异性免疫机制的地震预测模型

2020-12-08阅读(342)

基于特异性免疫机制的地震预测模型

论文摘要

地震是一种破坏性极大的自然灾害,每年给全世界造成重大的经济损失和人员伤亡,因此对地震进行预测具有十分重要的意义。但是由于地球的不可入性、大地震的不频发性、地震成因的复杂性等导致地震预测异常困难。地震预测的三要素是时间、震中心位置和震级大小,其中常固定三要素中的时间和地点,对某个震级范围内的地震是否发生进行预测,可将其抽象为一个分类问题。其主要研究方向分为基于前兆数据的地震预测和基于历史数据的地震预测。由于历史数据完整性好、可靠性高,本文将选用基于历史地震数据的地震预测作为研究方向。尽管目前地震预测取得了一定成果,但仍存在以下问题。由于地震的成因复杂,不同时间不同地点发生的地震,其主要影响因素可能存在差异,故描述不同地震的特征指标也不尽相同。但大多数方法对所有地震数据均采用相同的特征指标表述导致特征指标代表性不强,预测效果较差。同时由于地震数据尤其是大地震数据较少,需要大量异常数据进行训练的监督式机器学习方法容易陷入局部最优,出现过拟合问题。针对以上两个问题,本文从生物免疫系统的高自适应性和高特异性中受到启发,借鉴其中的特异性、记忆性和克隆选择机制建立地震预测模型。借鉴特异性机制和记忆性机制,为每一类地震数据选择最佳特征子集和预测子模型组合处理,同时记录已处理过的地震数据与最佳预测子模型组合间的对应关系。当有相同类型的地震数据输入时采用相同的预测子模型组合处理,以解决特征指标代表性不强的问题。借鉴克隆选择机制,采用克隆选择算法对每一类地震数据的预测子模型组合进行调优,在全局寻找最佳预测子模型组合,避免陷入局部最优。基于以上生物免疫学的启发,本文提出基于特异性免疫机制的地震预测模型。模型主要分为三部分:预处理阶段、初次免疫应答阶段和二次免疫应答阶段。预处理阶段首先采用八个经典特征指标计算地震特征指标数据,之后对特征集进行分割,经过数据映射建立特征子集数据矩阵。初次免疫应答阶段先建立免疫细胞池,然后激活免疫细胞,通过克隆选择优化免疫细胞组合,并形成免疫记忆。二次免疫应答阶段首先匹配记忆B细胞,然后激活记忆B细胞对抗原进行处理。最后本文使用四川省的历史地震数据作为样本,对未来一个月内是否发生4.5级及以上的地震进行预测,使用检测概率、误报率、准确率、R得分、ROC曲线和ROC曲线下面积作为评价指标对预测效果进行评估,并将实验结果与地震预测的主流方法神经网络进行对比。实验结果表明,本文算法在准确率和R得分上均优于神经网络方法。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  •   1.1 研究背景和意义
  •     1.1.1 地震预测的意义
  •     1.1.2 地震预测存在的问题
  •     1.1.3 免疫学的启示
  •     1.1.4 选题来源
  •   1.2 相关领域研究现状
  •     1.2.1 地震预测研究现状
  •     1.2.2 人工免疫系统研究现状
  •   1.3 研究目标和研究内容
  •   1.4 论文组织结构
  • 2 地震预测概述
  •   2.1 地震预测的主要内容
  •   2.2 地震预测的困难
  •   2.3 地震预测的研究方向
  •     2.3.1 基于前兆数据的地震预测
  •     2.3.2 基于历史数据的地震预测
  •   2.4 地震预测的主要方法
  •     2.4.1 基于统计概率的研究方法
  •     2.4.2 基于人工智能的研究方法
  •   2.5 本章小结
  • 3 借鉴生物免疫机制解决地震预测问题
  •   3.1 生物免疫机制对地震预测问题的启发
  •   3.2 人工免疫系统的研究现状
  •     3.2.1 生物免疫机制
  •     3.2.2 人工免疫系统
  •     3.2.3 人工免疫系统的经典算法
  •   3.3 克隆选择算法
  •   3.4 地震预测模型的算法思想
  •     3.4.1 算法目的
  •     3.4.2 免疫系统与地震预测模型的映射关系
  •     3.4.3 地震预测模型的总体框架
  •     3.4.4 待解决的关键问题
  •   3.5 本章小结
  • 4 基于特异性免疫机制的地震预测模型
  •   4.1 数据预处理阶段
  •     4.1.1 计算特征指标数据
  •     4.1.2 特征集分割
  •     4.1.3 数据映射
  •   4.2 初次免疫应答阶段
  •     4.2.1 建立免疫细胞池
  •     4.2.2 激活免疫细胞
  •     4.2.3 克隆选择
  •     4.2.4 免疫记忆
  •   4.3 二次免疫应答阶段
  •     4.3.1 匹配记忆B细胞
  •     4.3.2 激活记忆B细胞
  •   4.4 本章小结
  • 5 实验设计与结果分析
  •   5.1 实验目的
  •   5.2 实验数据
  •   5.3 实验步骤
  •   5.4 实验结果分析
  •     5.4.1 算法评价指标
  •     5.4.2 算法参数调整分析
  •     5.4.3 算法有效性分析
  •   5.5 本章小结
  • 6 总结与展望
  •   6.1 论文工作总结
  •     6.1.1 论文主要工作
  •     6.1.2 论文创新点
  •   6.2 下一步工作
  • 参考文献
  • 致谢

    • 文章来源

    类型: 硕士论文

    作者: 周天祥

    导师: 董红斌

    关键词: 地震预测,人工免疫系统,特异性免疫机制,克隆选择,神经网络

    来源: 武汉大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 地质学,地球物理学,自动化技术

    单位: 武汉大学

    分类号: TP183;P315.75

    总页数: 61

    文件大小: 2675K

    下载量: 19

    相关论文文献

    • [1].地震预测和预报有什么不同?[J]. 世界地震译丛 2020(05)
    • [2].遥感技术在地震预测工作中的应用[J]. 科技资讯 2016(36)
    • [3].关于推进数值地震预测的思考[J]. 国际地震动态 2017(04)
    • [4].关于地震预测体制的思考[J]. 国际地震动态 2017(08)
    • [5].地震预测方法刍议[J]. 西北地质 2017(03)
    • [6].高新技术:让地震预测不再难[J]. 发明与创新(综合版) 2008(06)
    • [7].追踪动物,预测灾难[J]. 大科技(百科新说) 2016(12)
    • [8].浅析地震预测的评估方法[J]. 环球人文地理 2017(09)
    • [9].地震预测,谦卑![J]. 大学生 2014(Z4)
    • [10].华南地区流体地震预测指标建立、应用和反思[J]. 地震研究 2020(02)
    • [11].中国地震预测咨询委员会十年(2004—2014)总结[J]. 地震工程学报 2018(S1)
    • [12].地震预测体制机制的若干思考[J]. 科技创新导报 2018(03)
    • [13].地震预测是全球性的科学难题[J]. 今日中国(中文版) 2008(06)
    • [14].地震预测:为什么这么难?[J]. 时事报告 2008(07)
    • [15].数值地震预测的关键物理问题[J]. 物理 2013(04)
    • [16].面对地震,更该关注什么?[J]. 科技导报 2013(12)
    • [17].地震预测的方法研究[J]. 才智 2009(02)
    • [18].陈运泰:地震预测可审慎乐观[J]. 国际地震动态 2009(06)
    • [19].地震预测的科学(二)[J]. 世界地震译丛 2009(02)
    • [20].地震预测的科学(一)[J]. 世界地震译丛 2009(01)
    • [21].地震预测的科学(五)[J]. 世界地震译丛 2009(05)
    • [22].回眸与秦保燕地震预测实践的合作[J]. 地震工程学报 2018(S1)
    • [23].地震预测的评估方法[J]. 国际地震动态 2017(02)
    • [24].地震预测方法概述[J]. 国际地震动态 2015(06)
    • [25].日本地震预测与预警系统[J]. 科研信息化技术与应用 2008(02)
    • [26].地震预测方法Ⅱ:评述[J]. 地球物理学进展 2014(02)
    • [27].加卸载响应比——地震预测与力学的交叉[J]. 力学进展 2013(05)
    • [28].浅议地震预测及灾后重建[J]. 南方国土资源 2008(07)
    • [29].地震预测要知难而进[J]. 求是 2008(15)
    • [30].大数据时代对地震监测预报问题的思考[J]. 科技创新与应用 2020(29)

    标签：;  ;  ;  ;  ;  

    基于特异性免疫机制的地震预测模型
    下载Doc文档

    猜你喜欢

    © 2024 毕论降 版权所有 鄂ICP备12018319号-6