10.3969/j.issn.1003−1375.2023.02.006
基于GA-GRNN的地震震级预测模型
为科学描述地震震级与其敏感因子之间复杂的非线性关系,将遗传算法(Genetic Algorithm,GA)与广义回归神经网络(General Regression Neural Network,GRNN)相结合,利用主成分分析法(Principal Component Analysis,PCA)对地震震级敏感因子进行降维处理,然后对提取出的主成分进行归一化,将归一化的主成分数据作为预测模型的输入向量,地震震级作为预测模型的输出向量;以20个地震数据作为学习样本进行训练,运用GA寻优获得最优光滑因子,建立基于PCA-GA-GRNN的地震震级预测模型,并对8个测试样本进行预测.结果表明:PCA-GA-GRNN模型的最小误差、最大误差和平均误差分别为1.5630%、4.8780%和2.6470%,其平均误差相比于GA-GRNN模型和GRNN模型分别降低5.6667%和5.0264%,具有较高的预测精度.
地震震级、主成分分析法、遗传算法、广义回归神经网络
41
P315.6(大地(岩石界)物理学(固体地球物理学))
河北省地震科技星火计划项目DZ202111040001
2023-05-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
37-42