基于GA-GRNN的地震震级预测模型

摘要：

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.

关键词：地震震级、主成分分析法、遗传算法、广义回归神经网络

所属期刊栏目：41

分类号：P315.6(大地（岩石界）物理学（固体地球物理学）)

资助基金：河北省地震科技星火计划项目DZ202111040001

在线出版日期：2023-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：37-42