论文部分内容阅读
背景:地震是常见的自然灾害之一,其发生往往会造成大量人力物力损失。对地震发生情况进行预测可有助于部署预防措施,使其对国民经济和健康安全的冲击最小化。目的:利用1967-2016年连续50年4.5级及以上地震数据的发生震级,经度,纬度,深度等指标建立合适的预测模型以预测未来地震的发生情况,为政府采取一定预防措施提供依据。方法:根据1967-2016年收集的地震数据,采用可视化方法对地震数据进行描述及探索数据分布。运用灰色预测的GM(1,1)模型预测未来世界范围内每年发生的地震数目和平均震级。接着选取典型的地震高发国家——中国,根据历史数据计算出地震发生率和相应时间段等信息,运用BP神经网络模型和支持向量机(SVM)模型预测一定震级地震可能发生的时间范围,并比较两种模型的预测效果。本研究采用R 3.3.0进行建模分析。结果:对数据的描述及可视化分析发现,1967-2016年期间,世界范围内地震的发生次数在持续增长,但总体强度有所下降。利用灰色预测模型进行建模分析,地震事件的预测相对精度为95.43%,平均地震级的预测相对精度为99.5%,预测效果优异。最后,在对中国地震带的时间预测方面,对比BP神经网络模型和SVM模型的拟合预测结果,发现SVM模型所得的结果更易于应用和解释,且其MAPE和PMAD均小于BP神经网络,得到的真实值和拟合值的误差更小,可见其拟合和预测效果更优,故选取SVM模型对地震时间预测效果更好。结论:对地震平均震级和数目,由1973-2016年的地震数据预测未来趋势的灰色模型拟合精度较高,效果更好;对地震发生的时间,使用SVM模型预测效果较好。通过对以上因素的预测,可为地震的预防提供依据。