论文部分内容阅读
地震是一种对人类的生命和财产产生伤害最大、最严重的自然灾害。如果能够有效预测地震的发生,提前做好震前转移工作,将很大程度上减少地震带来的人员伤害及财产损失,有利于社会和谐发展。目前,全球在地震预报的准确率较低。主要原因有两点:一是可以用于地震预测的前兆数据少,由于地震前兆数据采集难度较大,能够用于地震预测的数据存在精度不高、密度不高等问题;二是基于前兆信号的地震预测方法处于分析和处理的阶段,通过机器学习的方法较少,且地震发生频率较低存在训练样本较少等问题。受生物免疫系统中树突状细胞提呈抗原、T细胞识别抗原、树突状细胞与T细胞免疫协同作用启发,本文建立基于免疫协同机制的地震预测模型。从两个方面改进并提高预测准确度:1)通过反向选择生成TC检测器集,由于反向选择不需要异常样本可生成检测器的特点,可以有效克服地震发生的样本数过少的问题,能减少对异常样本的依赖;2)通过DC抗原提呈过程更新TC检测器集,将对正常抗原亲和度高的检测器删除,能有效减小误报率。主要工作如下:首先,提出地震预测的重要性及存在的问题,并对地震的预测难度和可预测性进行说明。介绍了基于地震前兆的研究和基于历史地震数据的研究。介绍了“AETA多分量地震监测系统”中采集到的电磁和地声数据良好的映震效果,为本文采用此系统中的数据进行研究奠定了基础。其次,介绍了生物免疫和计算机免疫的研究现状。分析生物免疫机制和计算机免疫系统的典型模型,结合地震预测存在的问题和本文要实现的目标,说明引入免疫机制的地震预测方法能提高地震预测准确度。然后,提出免疫协同机制的地震预测模型。模型包括特征指标提取、数据预处理、初始TC检测器集生成、DC信号采集及状态检测、匹配及结果分类。使用训练数据通过反向选择生成初始TC检测器集,使用测试数据检测DC抗原提呈状态,将提呈的抗原与初始TC检测器集进行匹配得到匹配结果。并根据提呈的DC状态对TC检测器集进行更新,并将匹配结果与地震是否发生进行对应。最后,以“AETA多分量地震监测系统”中采集到的数据为来源,选取指定时间段内数据提取特征指标,接着通过PCA对特征指标进行降维处理形成最终的数据集。然后对本文提出的免疫机制的地震预测方法进行实验验证,使用神经网络地震预测方法作为对比实验,通过四项统计学指标证明本文提出的方法具有更好的预测效果。