English

一种多核神经网络集成的地震要素预测方法

张艳霞,  韩莹,  陈丹琪,  杨秋格

downloadPDF
文章导航 > 信阳师范学院学报(自然科学版)  > 2021 >  34(1): 124-129
张艳霞, 韩莹, 陈丹琪, 杨秋格. 一种多核神经网络集成的地震要素预测方法[J]. 信阳师范学院学报(自然科学版), 2021, 34(1): 124-129. doi: 10.3969/j.issn.1003-0972.2021.01.021
引用本文: 张艳霞, 韩莹, 陈丹琪, 杨秋格. 一种多核神经网络集成的地震要素预测方法[J]. 信阳师范学院学报(自然科学版), 2021, 34(1): 124-129. doi: 10.3969/j.issn.1003-0972.2021.01.021
shu
ZHANG Yanxia, HAN Ying, CHEN Danqi, YANG Qiuge. A Multi-core Radical Basis Neural Network Integrated Method for the Prediction of Earthquake Elements[J]. Journal of Xinyang Normal University (Natural Science Edition), 2021, 34(1): 124-129. doi: 10.3969/j.issn.1003-0972.2021.01.021
Citation: ZHANG Yanxia, HAN Ying, CHEN Danqi, YANG Qiuge. A Multi-core Radical Basis Neural Network Integrated Method for the Prediction of Earthquake Elements[J]. Journal of Xinyang Normal University (Natural Science Edition), 2021, 34(1): 124-129. doi: 10.3969/j.issn.1003-0972.2021.01.021
shu

一种多核神经网络集成的地震要素预测方法

doi: 10.3969/j.issn.1003-0972.2021.01.021

  • 防灾科技学院 信息工程学院, 河北 三河 065201

基金项目: 

国家自然科学基金项目（31872702）；河北省科技计划项目（16210120）；中央高校基本科研业务费专项（ZY20180120）

详细信息
    作者简介:

    张艳霞(1979-),女,河南安阳人,副教授,硕士,主要从事智能算法及应用研究.

    通讯作者:

    张艳霞, cidpzyx@163.com

  • 中图分类号: TP183

A Multi-core Radical Basis Neural Network Integrated Method for the Prediction of Earthquake Elements

  • School of Information Engineering, Institute of Disaster Prevention, Sanhe 065201, China

  • 摘要: 为了提高地震要素的预测准确度，在同一个网络模型中构建多种不同类型的基核函数，对不同种径向基函数构建多核神经网络集成模型，以提高网络的精度.从确定最优径向基神经元数、适当加大训练的目标误差等多个方面加以优化，减小最小训练误差和提高预测精度.采用多元回归分析法，对样本进行拟合得到子预测的多元回归系数，对子预测模型进行多元回归集成，数据反归一化处理，最终得到了经过回归集成的多核RBF预测模型.结果表明，这种多核神经网络集成的地震要素预测方法所建立的多元回归预测集成模型，能够使实际值与预测值的拟合达到最佳，从而获得较高精度的地震要素预测值.
    Abstract: For the purpose of improving the accuracy of predicting earthquake elements, basic core functions of various types were built on the same network model and multi-core neural network integration models were built for different types of radial basis functions to improve the accuracy of the network. The optimization was conducted from determining the amount of optimal radical basis neurons, increasing the target error of training appropriately and other aspects to reduce the minimum training error and increase the accuracy of prediction. Multiple regression analysis method was adopted to fit the samples so as to obtain the multiple regression coefficients of sub-predictions; the same method was adopted to conduct multiple regression integration on the sub-prediction models and perform anti-normalization treatment on the data, and eventually obtained the regression-integrated multi-core RBF (radical basis function) prediction model. The results indicated that the model of multiple regression prediction integration established by this multi-core neural network integration method for prediction of earthquake elements is capable of achieving the optimal fitting of actual value and predictive value as well as earthquake element predictive values of higher accuracy.
  • [1] CHERNOVA O O. Hypothesis testing in the cox proportional hazards model with measurement errors[J]. Theor Probability and Math Statist,2020, 100(8):215-225.
    [2] ANOUSSIS M, OZAWA N, TODOROV I G. Norms of vector functionals[J]. Proceedings of the American Mathematical Society, 2019, 147(5):2057-2068.
    [3] 赵勇,苏丹,邹丽,等.基于LSTM神经网络的畸形波预测[J].华中科技大学学报(自然科学版), 2020, 48(7):47-52. ZHAO Yong, SU Dan, ZOU Li, et al. Rogue wave prediction based on LSTM neural network[J].Huazhong University of Science&Technology (Natural Science Edition). 2020, 48(7):47-52.
    [4] 朱文峰.基于支持向量机与神经网络的文本分类算法研究[D].南京:南京邮电大学, 2019. ZHU Wenfeng. Research on text classification algorithm based on support vector machine and neural network[D]. Nanjing:Nanjing University of Posts and Telecommunications, 2019.
    [5] 李正明,梁彩霞,王满商.基于PSO-DBN神经网络的光伏短期发电出力预测[J].电力系统保护与控制, 2020,48(8):149-154.

    LI Zhengming, LIANG Caixia, WANG Manshang. Short-term power generation output prediction based on a PSO-DBN neural network[J]. Power System Protection and Control, 2020,48(8):149-154.
    [6] HOJOO L. Uniqueness of minimal surfaces, jacobi fields, and flat structures[J]. Proceedings of the American Mathematical Society, 2020, 148(7):3059-3071.
    [7] DOSI A. Noncommutative holomorphic functional calculus,affine and projective spaces from nc-complete algebras[J]. St Petersburg Math J, 2020, 31(4):607-656.
    [8] KIM D K, BYUNGHWEE L, DANIEL K. Multi-label classification of historical documents by using hierarchical attention networks[J]. Journal of the Korean Physical Society, 2020, 76(5):368-377.
    [9] 徐向艺,柴俊霞,姚兰.一种基于进化计算的高斯径向基网络模型构建方法[J].信阳师范学院学报(自然科学版), 2014, 27(3):425-428. XU Xiangyi, CHAI Junxia, YAO Lan. A model of gaussian radial basis function networks based on evolutionary computation[J].Journal of Xinyang Normal University (Natural Science Edition), 2014, 27(3):425-428.
    [10] SANDELI P K, TIMOTHY K S, NOORKHOLIS L H. Modelling a spatial-motion deep learning framework to classify dynamic patterns of videos[J]. Appl Sci, 2020(2):2-24.
    [11] 吕坚,宋美琴,周龙泉,等.基于《中国震例》的地震空区和地震条带统计特征[J].地震, 2016,36(4):22-34.

    LYU Jian, SONG Meiqin, ZHOU Longquan, et al. Statistical characteristics of seismic gaps and seismic belts based on earthquake cases in China[J]. Earthquake, 2016, 36(4):22-34.
  • [1] 沈克琳, 吉秉彧, 李然.  基于卷积神经网络的英文篇章情感量化方法 . 信阳师范学院学报(自然科学版), 2021, 34(1): 130-137. doi: 10.3969/j.issn.1003-0972.2021.01.022
    [2] 王淑青, 要若天, 高翔, 袁晓辉.  启发式神经网络在异步电机矢量控制速度估计中的应用 . 信阳师范学院学报(自然科学版), 2017, 30(4): 618-622. doi: 10.3969/j.issn.1003-0972.2017.04.023
    [3] 吕会超, 彭聪虎.  含缓冲液的双水相体系相平衡的神经网络模型 . 信阳师范学院学报(自然科学版), 2017, 30(1): 43-45. doi: 10.3969/j.issn.1003-0972.2017.01.010
    [4] 王晓燕, 刘〓辉, 苏〓纯, 白艳萍.  基于神经网络的激光超声探伤表面波的分类 . 信阳师范学院学报(自然科学版), 2016, 29(1): 120-123. doi: 10.3969/j.issn.1003-0972.2016.01.029
    [5] 刘道华, 张 飞, 张言言.  一种改进的 RBF 神经网络对县级政府编制预测 . 信阳师范学院学报(自然科学版), 2016, 29(2): 265-269. doi: 10.3969/j.issn.1003-0972.2016.02.027
    [6] 唐波, 彭友仙, 陈彬, 瞿子航, 李昱.  基于BP神经网络的交流输电线路可听噪声预测模型 . 信阳师范学院学报(自然科学版), 2015, 28(1): 136-140. doi: 10.3969/j.issn.1003-0972.2015.01.033
    [7] 徐向艺, 柴俊霞, 姚兰.  一种基于进化计算的高斯径向基网络模型构建方法 . 信阳师范学院学报(自然科学版), 2014, 27(3): 425-428. doi: 10.3969/j.issn.1003-0972.2014.03.030
    [8] 宋喜忠.  基于K-Means和粗糙集神经网络的节点故障诊断 . 信阳师范学院学报(自然科学版), 2014, 27(2): 292-295. doi: 10.3969/j.issn.1003-0972.2014.02.032
    [9] 吕会超, 张艳维, 崔书臣.  正庚烷-甲苯-环丁砜液液平衡体系的神经网络模型 . 信阳师范学院学报(自然科学版), 2014, 27(2): 263-266. doi: 10.3969/j.issn.1003-0972.2014.02.025
    [10] 徐向艺, 刘道华, 刘丹, 刘运.  增强型径向基函数的分块响应面近似处理方法 . 信阳师范学院学报(自然科学版), 2013, 26(1): 143-146.
    [11] 刘道华, 张礼涛, 曾召霞, 孙文萧.  基于正交最小二乘法的径向基神经网络模型 . 信阳师范学院学报(自然科学版), 2013, 26(3): 428-431. doi: 10.3969/j.issn.1003-0972.2013.03.030
    [12] 刘渭清.  基于神经网络的等波纹全通滤波器设计方法 . 信阳师范学院学报(自然科学版), 2013, 26(3): 424-427. doi: 10.3969/j.issn.1003-0972.2013.03.029
    [13] 吴群, 陈晓辉, 李东普, 赵琴；.  改进RBF神经网络在降水量预测中的应用 . 信阳师范学院学报(自然科学版), 2011, 24(2): 268-271.
    [14] 牛保青, 原新生, 刘利敏.  一类神经网络系统的概周期解的存在性及唯一性 . 信阳师范学院学报(自然科学版), 2009, 22(3): 353-356.
    [15] 黄文霞, 罗浩, 马占卿.  基于改进型蚁群神经网络的ECG心搏分类器 . 信阳师范学院学报(自然科学版), 2008, 21(4): 580-583.
    [16] 王文臣, 汤秀芳.  主成分分析法在我国税收预测中的应用 . 信阳师范学院学报(自然科学版), 2006, 19(4): 504-506.
    [17] 李宏伟.  时滞Hopfield神经网络的全局指数稳定性 . 信阳师范学院学报(自然科学版), 2001, 14(3): 259-263.
    [18] 付莉红, 贾元强, 樊铁钢.  模糊细胞神经网络的稳定性 . 信阳师范学院学报(自然科学版), 1999, 12(4): 390-392.
    [19] 黄俊.  自组织神经网络在空中目标识别中的应用 . 信阳师范学院学报(自然科学版), 1999, 12(1): 81-83.
    [20] 陶有德,杨宏志,李毓.  基于神经网络的非等权移动平均预测模型的研究 . 信阳师范学院学报(自然科学版), 1995, 8(3): 224-228.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  40
  • HTML全文浏览量:  1
  • PDF下载量:  5
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-07-23
  • 修回日期:  2020-09-05

一种多核神经网络集成的地震要素预测方法

doi: 10.3969/j.issn.1003-0972.2021.01.021
  • 防灾科技学院 信息工程学院, 河北 三河 065201
    • 基金项目:

    国家自然科学基金项目（31872702）；河北省科技计划项目（16210120）；中央高校基本科研业务费专项（ZY20180120）

    作者简介:

    张艳霞(1979-),女,河南安阳人,副教授,硕士,主要从事智能算法及应用研究.

    通讯作者: 张艳霞, cidpzyx@163.com
  • 收稿日期: 2020-07-23
  • 修回日期: 2020-09-05

  • 中图分类号: TP183

摘要: 为了提高地震要素的预测准确度，在同一个网络模型中构建多种不同类型的基核函数，对不同种径向基函数构建多核神经网络集成模型，以提高网络的精度.从确定最优径向基神经元数、适当加大训练的目标误差等多个方面加以优化，减小最小训练误差和提高预测精度.采用多元回归分析法，对样本进行拟合得到子预测的多元回归系数，对子预测模型进行多元回归集成，数据反归一化处理，最终得到了经过回归集成的多核RBF预测模型.结果表明，这种多核神经网络集成的地震要素预测方法所建立的多元回归预测集成模型，能够使实际值与预测值的拟合达到最佳，从而获得较高精度的地震要素预测值.

English Abstract

张艳霞, 韩莹, 陈丹琪, 杨秋格. 一种多核神经网络集成的地震要素预测方法[J]. 信阳师范学院学报(自然科学版), 2021, 34(1): 124-129. doi: 10.3969/j.issn.1003-0972.2021.01.021
引用本文: 张艳霞, 韩莹, 陈丹琪, 杨秋格. 一种多核神经网络集成的地震要素预测方法[J]. 信阳师范学院学报(自然科学版), 2021, 34(1): 124-129. doi: 10.3969/j.issn.1003-0972.2021.01.021
shu
ZHANG Yanxia, HAN Ying, CHEN Danqi, YANG Qiuge. A Multi-core Radical Basis Neural Network Integrated Method for the Prediction of Earthquake Elements[J]. Journal of Xinyang Normal University (Natural Science Edition), 2021, 34(1): 124-129. doi: 10.3969/j.issn.1003-0972.2021.01.021
Citation: ZHANG Yanxia, HAN Ying, CHEN Danqi, YANG Qiuge. A Multi-core Radical Basis Neural Network Integrated Method for the Prediction of Earthquake Elements[J]. Journal of Xinyang Normal University (Natural Science Edition), 2021, 34(1): 124-129. doi: 10.3969/j.issn.1003-0972.2021.01.021
shu

    全文HTML

参考文献 (11)

目录

    /

    返回文章
    返回

    版权所有：信阳师范学院学报编辑部

    主办：信阳师范学院 地址：河南省信阳市南湖路237号 邮政编码：464000

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计