混沌参数优化RBF算法的震前ENPEMF信号强度趋势预测

摘要：

提出了一种基于混沌参数优化径向基函数(radial basis function,RBF)神经网络的预测模型.通过混沌理论获得了ENPEMF信号的有效嵌入维数和最优时延,然后利用所获得的参数优化RBF神经网络.采用训练好的参数优化RBF神经网络预测ENPEMF.数值仿真结果表明,改进的RBF算法可以较为准确地预测Rossler混沌时间序列且误差较小.将优化的RBF模型应用于芦山Ms7.0级地震前ENPEMF数据,可以有效预测震前14 d的ENPEMF数据强度趋势,且预测效果及精度优于传统RBF神经网络算法,期望为地质灾害及强震前的电磁监测分析提供支持.

关键词：地球天然脉冲电磁场、强度趋势预测、混沌理论、参数优化、RBF神经网络

所属期刊栏目：41

分类号：P315.63(大地（岩石界）物理学（固体地球物理学）)

资助基金：武汉市科技局攻关计划项目;111计划项目;大地测量与地球动力学国家重点实验室开放基金资助项目;复杂系统先进控制与智能自动化湖北省重点实验室基金资助项目;智能地学信息处理湖北省重点实验室开放课题资助项目

在线出版日期：2020-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1692-1698