10.12068/j.issn.1005-3026.2020.12.004
混沌参数优化RBF算法的震前ENPEMF信号强度趋势预测
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.
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
41
P315.63(大地(岩石界)物理学(固体地球物理学))
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
2020-12-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
1692-1698