首页 期刊 地震 中国大陆强震时间序列预测的支持向量机方法 【正文】

中国大陆强震时间序列预测的支持向量机方法

作者:王炜; 刘悦; 李国正; 吴耿锋; 林命周; 马钦忠; 赵利飞 上海市地震局; 上海; 200062; 上海大学计算机工程与科学学院; 上海; 200072
统计学习理论   支持向量机   时间序列  

摘要:统计学习理论(Statistical Learning Theory或SLT)是研究有限样本情况下机器学习规律的理论.支持向量机(Support Vector Machines 或 SVM)是基于统计学习理论框架下的一种新的通用机器学习方法.它不但较好地解决了以往困扰很多学习方法的小样本、过学习、高维数、局部最小等实际难题,而且具有很强的泛化(预测)能力.文中使用支持向量机对中国大陆最大地震时间序列进行预测,预测次年的我国大陆最大地震震级,结果表明该方法具有较好的预报效果.研究结果还表明我国大陆强震活动除了与强震时间序列本身有关外,还与全球的强震活动、太阳黑子活动等有密切的关系.尽管这种关系还不清楚,但是通过支持向量机可以很好地反应出这种非线性关系.

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

学术咨询 免费咨询 杂志订阅