基于溶解氡数据和长短期记忆网络的地震预报 |
| |
引用本文: | 刘海军,单维锋,耿贵珍.基于溶解氡数据和长短期记忆网络的地震预报[J].科学技术与工程,2020,20(10):4029-4035. |
| |
作者姓名: | 刘海军 单维锋 耿贵珍 |
| |
作者单位: | 防灾科技学院应急管理学院,三河065201;防灾科技学院经济管理学院,三河065201 |
| |
基金项目: | 中国地震局教师科研基金项目(20150110) |
| |
摘 要: | 溶解气氡浓度异常为可靠地震前兆,通过对历史观测数据进行建模,预测溶解气氡未来趋势,是快速检测溶解气氡浓度异常、研究震-氡机制的前提。溶解气氡浓度数据为典型的时间序列数据,传统的时间序列预测技术主要为自回归(AR)方法和自回归滑动平均(ARMA)方法。这些方法以线性方法为主,其拟合精度有限。采用目前最流行的深度学习技术长短期记忆(LSTM)模型对姑咱地震台、西昌地震台和雅安地震台一段时间内连续观测的溶解气氡日观测数据集溶解气氡浓度数据进行建模,采用90%的数据作为训练数据训练LSTM网络,10%的数据作为预测数据,采用均方根误差评价指标来评价模型的效果。在三种数据集上,LSTM的预测误差均方根误差均明显低于AR和ARMA方法。该结果表明,LSTM的预测精度高于传统的AR、ARMA方法。
|
关 键 词: | 时间序列分析 长短期记忆网络 前兆数据 趋势预测 循环神经网络 |
收稿时间: | 2018/12/3 0:00:00 |
修稿时间: | 2019/3/24 0:00:00 |
本文献已被 CNKI 万方数据 等数据库收录! |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|