一、地震预报研究的发展展望(论文文献综述)
石耀霖,胡才博[1](2021)在《王仁先生在地震预报中的开拓性工作》文中研究说明中国是一个多地震和强地震的国家,地震预报是当代科学最具挑战性的课题之一.王仁先生从20世纪70年代起开展了前瞻性和开拓性的工作,他的思想的科学性已经被半个世纪以来的地震科学进展所证明.本文简要回顾了王仁先生关于地震预报的科学思想和实践,以及这些思想在近年来取得的突出进展,展望了今后数值地震预报在高性能计算物理模型驱动和机器学习数据驱动下的发展前景.
杨家鑫[2](2021)在《基于改进GWO优化SOM-SVR算法的地震震级预报研究》文中进行了进一步梳理地震作为破坏性极强的自然灾难之一,给人类带来的教训是惨痛的,而有效的地震预报可以减少人员伤亡和经济损失。导致地震的因素繁多但其因素之间存在非线性关系,随着计算机技术飞速发展,使得机器学习模型解决复杂的、非线性的问题广泛进入应用。本文使用MATLAB和python平台,在地震震级预报这一领域内使用自组织特征映射神经网络(SOM)和支持向量回归算法(SVR)提高预报精度。本文首先介绍了机器学习模型在地震预报领域的研究现状,针对地震数据差异性较大且分散,利用SOM和SVR两种模型相结合以提高震级预测的精度和稳定性,同时提出一种改进的灰狼算法(GWO)优化SVR参数,改进的灰狼算法解决了在参数寻优过程中易陷入局部最优的缺陷。在对研究地区的选取上,本文详细地介绍四川是一个多震地区并说明了多震的原因。对于提取模型的输入特征向量,通过查阅大量的相关文献,选取了部分前兆地震预报因子作为模型的输入,并对其进行归一化处理确保模型的收敛和预测精度。针对地震数据样本的分散性大问题,本文采取SOM进行聚类确保组合模型的精度。SVR模型作为从统计学理论的基础上发展起来的有导师学习算法,其基本原理是基于结构风险最小化,尽可能提高模型的泛化能力,SVR模型在解决小样本和非线性样本都表现出较强的优势,针对地震数据样本少,选择SVR模型具有很大的优势。因此,它不仅满足了对训练样本规模的要求,又保证了预测的精确度。虽然SVR具有较好的预测精度,但是SVR参数C和g对于预测影响结果较大,得到一个最优参数对输出结果是至关重要的,本文提出改进的灰狼算法对SVR参数C和g进行全局寻优。利用改进GWO算法对SVR模型的参数寻优处理得到一个最优的参数,保证了组合模型输出结果。最后将组合模型(SOM-GWO-SVR)的输出结果经过反归一化处理,同时与传统的SVR的输出结果相比较,得到几种模型的输出结果误差图,一方面,说明本文提出组合模型在地震预测研究是可行;另一方面,验证本文提出的模型与其他组合模型相比,具有较高的精度和较强的鲁棒性,同时本文还讨论将该模型通过迁移学习应用到地震较频繁的我国台湾地区,验证了该模型的外用能力。
陈强[3](2021)在《基于EWT和改进RVM的TEC预测与地震电离层异常分析》文中研究表明电离层是地球空间的重要部分,电离层总电子含量(Total Electron Content,TEC)是描述电离层时空分布和特征变化的重要指标之一,电离层TEC的预报可以为人们研究电离层无线电波延迟改正、地震前兆分析和地震事件的发生机制等问题提供数据基础。近年来,电离层TEC预报和地震异常探测技术成为众多专家和学者的热门研究方向,然而由于电离层自身的复杂性以及对地震异常发生机制的解释理论等的缺乏,TEC预报和对地震异常探测的方法均有待改善。基于此,本文利用经验小波变换和改进相关向量机对电离层TEC预报、地震异常探测方法进行改进,并结合具体震例进行综合分析,具体内容如下:1.阐述了电离层的结构,介绍了太阳活动和地磁活动对电离层TEC的影响,使用连续和交叉小波变换对电离层TEC和太阳黑子数之间的周期进行分析,发现2012、2014和2015年份部分时段电离层TEC和太阳黑子存在约为27d的共振周期。2.介绍混沌理论和自适应核学习相关向量机的原理,提出基于混沌理论的a RVM预报新模型,并使用该模型与时间序列模型分别对不同太阳活动强度、不同经纬度的多个时段TEC进行预报和评价,得出基于混沌理论的a RVM预报模型的预测效果优于时间序列模型。3.介绍了经验小波分解的原理,并使用其与小波分解、经验模态分解三种方法对电离层TEC进行分解和评价,得出使用EWT对TEC的分解效果更好;结合经验小波分解,提出基于混沌理论的EWT-a RVM预报模型,并使用其与单一的a RVM预报模型以及时间序列模型对电离层TEC数据进行建模分析和预报精度评定。实验表明,基于混沌理论的EWT-a RVM模型在太阳活动低年和高年预报值相较于单一的a RVM模型精度进一步提高,可以较好地用于TEC预报,考虑将其作为地震期间的TEC背景值预报模型。4.使用汶川、玉树、九寨沟三次震例的TEC数据进行分析,通过传统四分位距法、滑动时窗法以及基于混沌理论的EWT-a RVM预报模型进行背景值预报和异常点分析。发现:(1)汶川地震发生前第13d、第9d、第6d和第3d的异常现象可能是震前预兆信息;(2)青海玉树地震发生前第12d、第2d、地震当天异常现象可以看作是由地震造成的异常扰动;(3)四川九寨沟地震发生前12至11天均出现TEC异常,可以将其作为震前预兆信息。(4)在三次地震发生前12天左右会出现电离层TEC异常现象,该现象可能是孕育地震引起的,可以进一步分析。
史翔宇[4](2021)在《基于机器学习回归算法的地震预测研究及其在中国地震科学实验场的应用》文中研究表明地震具有突发性和破坏性,会给人类带来巨大灾难和损失。地震预测是一个世界性的难题,国内外学者长期以来开展了多方面的地震预测研究,提出了一系列的地震预测模型,取得了长足的进展,但仍不能满足当今社会发展的急切需要。近年来,随着地震和地球物理观测手段的进步,地震观测数据在急剧增加,适用于大数据的机器学习方法在地震预测研究中展现了广阔的应用前景。本文在总结现有工作的基础上,以中国地震科学实验场为研究区域,以仪器记录地震目录为主要数据,开展基于机器学习回归算法的地震预测初步研究。本文首先对常用机器学习算法进行了总结和分析,并从中选择了广义线性模型(GLM)、基于CART决策树的随机森林模型(RF)和梯度提升机模型(GBM)以及深度神经网络模型(DNN)共4种机器学习算法构建地震预测模型;并采用Stacking集成学习算法对4种模型进行集成,采用交叉验证的方式构建次级线性学习器,对各单一模型的预测结果进行次级学习以提高预测效果。本文根据全国地震目录和川滇区域目录整理得到了实验场1970-2018年的地震目录,并基于川滇地区的地震活动性分区对实验场进行了地震区(带)的划分。考虑到区域地震台网监测能力时空差异造成的不完备地震目录会对地震活动性特征参数的计算造成影响,进而影响机器学习模型的预测效果,本文在总结国内外现有方法基础上,采用了震级—序号法、最大曲率法和拟合度检测法的组合方法对实验场最小完整性震级的时间演化特征和空间分布特征进行了分析,进而得到实验场分区域、分时段的最小完整性震级,并在本研究中统一确定最小完整震级为2.5。之后对常用的地震活动性特征参数进行了分析和比较,并选择了16个特征参数作为机器学习模型的输入变量,包括震级—频度分布类参数、地震频度类参数、地震能量类参数和综合类参数。采用了不同的窗口长度滑动计算特征参数构建数据集,在这些数据集上进行了机器学习模型的训练和测试,并对测试结果进行了比较。结果表明,构建数据集时采用的窗口长度对预测结果有较大影响,采用适应各地震区(带)地震活动性水平的可变窗口长度构建数据集,训练得到的各模型预测效果明显优于固定窗口的模型。之后采用4种评价指标对模型预测效果进行了分析和评价,包括绝对平均误差(MAE)、决定系数()、回归误差特征(REC)曲线及相应的曲线上面积(AOC)值和值评分。结果表明,RF模型在各模型中具有最好的预测效果;GBM模型效果较好,但次于RF模型;GLM模型和DNN模型效果较差;集成模型与RF模型较为接近,没有较大改善。各模型预测效果在4.0-6.9级地震震级之间效果较好,3.0-3.9级和7.0级以上次之,3.0级以下效果较差。各模型在各地震区(带)预测效果差异较大,其中松潘—龙门山带、龙陵区、澜沧—耿马区和思普区效果较好,阿坝区和理塘—木里区效果较差。各地震区(带)的各模型在各震级档的预测效果与实验场区域总体上的效果基本一致。RF模型和各集成模型的值评分相对较高,具有较好的预报效能,GBM模型和DNN模型次之,GLM模型较差。最后对所采用的地震活动性特征参数在4种单一模型中对预测结果的贡献度进行了分析。结果表明,震级—频度分布类贡献度较大,地震能量类参数次之,综合类参数再次,地震频度类参数相对较低;并且不同模型在不同的地震区(带),各特征参数的贡献度具有较大的差异。
邓彩霞[5](2021)在《基于情景分析的青海农牧社区减灾能力建设研究》文中研究表明自然灾害风险一直以来威胁着人类生存与安全,也一直学术界关注的焦点问题和政府治理的重要内容。随着科技的进步以及灾害治理经验的积累,人类的减灾能力得到较大的提升,然而,随着全球气候变化以及人类社会生活对自然环境干预范围和深度的增加,人与自然的关系也日益变得紧张,灾害风险日益加剧。青海省位于青藏高原,是一个集西部地区、民族地区、高原地区和欠发达地区所有特点于一体的省份,各种传统和非传统、自然和社会的安全风险时刻威胁着社会的可持续发展。青海特定的环境条件决定了当地灾害频发,同时也是全国自然灾害较为严重的省份之一,具有灾害种类多、分布地域广、发生频率高、造成损失重等特点。社区作为社会构成的基本单元,是防灾减灾的前沿阵地和基础。青海农牧社区基础设施落后,生态系统脆弱,受到自然灾害损害的可能性和严重性程度较高,被认为是防灾减灾工作的最薄弱地区。青海气象灾害多发,雪灾是青海省畜牧业的主要灾害,全省牧业区每年冬春期间不同程度遭受雪灾,“十年一大灾,五年一中灾,年年有小灾”已成为规律。在全球气候变暖以及极端天气现象的影响下,“黑天鹅”型雪灾不但对农牧民安全生产生活造成威胁,对区域经济社会全面协调可持续发展等形成挑战,而且还考验着地方政府的自然灾害的综合治理能力,思考如何提升农牧社区减灾能力刻不容缓。随着情景分析法在危机管理领域的应用,情景分析和构建被认为是提升应急能力的有效工具,对于农牧社区雪灾的减灾而言,在情景构建基础上所形成的实践分析结果对于现实问题的解决具有一定的战略指导意义。本研究聚焦于提升青海农牧社区减灾能力这一核心问题,以情景分析理论、危机管理理论、极值理论、复杂系统理论为研究的理论基础,运用实地调查法、情景分析法、德尔菲法、层次分析法等具体的研究方法,以“情景—任务—能力”分析框架为理论分析工具,首先从致灾因子的分析着手,对青海省农牧社区典型灾害进行识别;其次通过情景要素分析、关键要素选择、情景描述等方面着手对识别的典型灾害进行“最坏可信”情景构建,然后基于典型灾害的情景构建梳理出相应减灾任务,总结归纳出农牧社区不同减灾主体完成减灾任务所应该具备的能力条件,并结合现实对农牧社区减灾能力进行了定量与定性相结合的评估,最终分别从规则准备、资源准备、组织准备、知识准备、行动规划等方面提出农牧社区减灾能力提升的策略。本研究认为随着应急管理体系从“以体系建构”向“以能力建设”为重点的转变,着眼于全方位的能力建设,提升灾害治理的制度化、规范化、社会化水平是农牧社区减灾的必由之路。作为一种支撑应急全过程,以及应急管理中基础性行动的应急准备是能力建设的抓手。意识是行动的先导,要做好这一基础性行动其关键在于一个具备战略能力、拥有良好灾害价值观的领导体系,运用情景构建做好全面应急准备。完善的规则体系是应急准备、乃至采取应急行动所应遵循的的法定依据和行为准则;完善相应的法律法规,加强危机应急法规建设是做好农牧社区减灾工作的前提;良好的组织架构是提升农牧社区减灾能力的关键,加强各级政府部门在农牧区减灾中的核心地位和主导责任,坚持村社本位,实现以农牧民群众为主体,多元主体有效整合,形成灾害治理的协同格局。完备的知识准备是激发农牧社区减灾能力提升的内在动力,通过各种正式和非正式的渠道获取和累积灾害知识,形成正确的灾害价值观,占据减灾的主动地位;有针对性的借助信息技术,培养专门人才推动减灾专业化,助推农牧社区减灾能力提升。资源准备是农牧社区的减灾保障,构建合理的社区公共应急资源体系关键在于资源结构的优化。优先准备风险级别较高的减灾资源,优化资源存储数量和公共应急资源存储点,做好潜在资源共享平台,从而实现有限资源效用最大化。农牧社区减灾,规划先行,一套科学合理、行之有效的减灾指标体系是青海农牧区减灾管理的“指挥棒”,一项科学周密的专项减灾规划,是农牧区减灾任务实施的“路线图”和“控制表”。总之,在青海农牧社区灾害治理中,灾害情景构建与分析为灾害治理提供了一个全新的思路和发展方向。通过构建典型灾害具象化的“最坏可信情景”,让应急决策者、社区及其成员通过了解当前灾害态势,明确自身管理薄弱点,掌握可控干预节点,做好工作安排和充分的应急准备,预防灾害风险或者遏制灾后事态走向最坏局面。基于情景分析的农牧社区减灾能力的研究对于改进和完善现行农牧社区灾害应急管理体系,对于实现区域社会平安建设具有重大的实践和指导意义。
王坦,李瑜,张锐,师宏波,王阅兵[6](2021)在《GPS在我国地震监测中的应用现状与发展展望》文中提出回顾了GPS技术应用于我国地震监测中的发展历程,重点从GPS数据处理与时间序列、中国大陆构造变形速度场与应变率场、中国大陆活动地块运动定量化和地震研究等方面,介绍了GPS在我国地震监测中的应用现状,并针对当前面临的问题与挑战,进行了讨论,从地震预测研究、基础研究、GPS台网监测布局和GPS解算精度与时效4个方面,对GPS在我国地震监测中的发展进行了展望。
杨昆谕[7](2021)在《改进的MEEMD-LSTM电离层建模及其异常值探测研究》文中研究指明探究电离层延迟误差的产生,为GNSS信号处理和短期的震前探测提供理论和数据依据,是提升GNSS定位导航精度的一种重要方法。本文基于经典经验模态分解、排列熵、向量机与长短时神经网络的相关理论对中国地区2013年全年电离层变化以及震区短时异常构建模型,进行了全面分析与测算,并从时空维度分析了电离层变化规律性与异质性进程,主要对如下内容进行了分析总结:(1)详细介绍了电离层产品的详细内容,并利用IGS国际数据分析中心提供的电离层格网产品分析电离层TEC值在发生太阳活动、地磁活动、时间变化时产生的相关性变化。相关性分析的结果表现出,电离层TEC的变化与太阳活动呈现强相关性,随太阳活动的剧烈产生相应的活跃性。(2)分别介绍经验模态分解方法集合,其中包括经验模态分解(Empirical Mode Decomposition,EMD),集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和补充集合经验模态分解算法(Complementary Ensemble Empirical Mode Decomposition,CEEMD),并且引入了集合平均经验模态分解方法(Modified Ensemble Empirical Mode Decomposition,MEEMD)及改进的MEEMD分解算法(加入SVM的集成模式分解)。分别利用各种方法对模拟信号进行分解以及测算分析,比较几种算法对真实信号的模拟情况,发现改进的MEEMD算法可以有效地分解电离层TEC数据,改善模态混叠现象,提升电离层测算效率。(3)针对全球电离层TEC的时空预测问题,提出了一种改进的MEEMD-LSTM电离层TEC预测模型,并详细描述了其原理。提取了2013年的电离层格网产品并使用前9个月的电离层TEC数据用于建模,通过ARMA模型与改进的MEEMD-LSTM预测模型分别对建模剩下的后三个月数据做成的检验组进行了预测,并对预测结果进行了详细分析,发现新模型的均方根误差(0.02)小于ARMA模型的均方根误差(0.04),提升了电离层数据时间分辨率上的预测效率值。(4)将改进的MEEMD-LSTM电离层TEC模型放到实际应用中来探测地震时期电离层异常值,对2013年4月20日四川地区发生的地震进行探测。测算分析结果可发现,本文使用的新方法有效地降低了传统的预测过程中存在的系统误差,剔除了与地震无关的波动因素,在震中地区4月20日附近出现非地震表征的电离层扰动情况下,该模型可有效地探测出异常值。因此,在考虑到时间空间各方面因素影响及变化的情况下,基于改进的MEEMD-LSTM预测模型构建的震前预测模型能够有效地检测出震前的TEC异常,有效的降低了非地震活动引起的TEC变化而产生的虚假警告,从而突出地震活动引起的TEC变化。
段博儒[8](2021)在《对“源线模式”地震预测方法的应用研究》文中研究指明“源线模式”主要是根据与震源有关的两条长距离特征线的交汇预测强震发生地点的方法,第一个特征线为与区域主压应力夹45°角的最大剪切应力线中前兆信息分布最多的一条线,第二个特征线为区域内历史上发生地震-地震迁移或前兆-地震迁移组成的线,该方法提出之时对1975年海城地震、1976年唐山地震和2008年汶川地震进行了回顾性预测分析。本文以研究较少的地震-地震的关系为出发点,利用地震迁移现象或是地震活动关联现象对“源线模式”地震预测方法进行了补充研究。本文针对二十世纪以来阿尔金断裂带西端和南北地震带间地震迁移现象或地震活动关联现象进行了研究,以阿尔金断裂带西端MS≥6.0的地震的发震时间为基准,以不同的时间间隔研究阿尔金断裂带西端地震震后南北地震带MS≥5.0的地震活动情况,研究表明南北地震带的中强震与阿尔金断裂带西端的地震存在一定的关联现象。南北地震带发生的3次特大地震均发生在阿尔金断裂带西端相应的地震之后,阿尔金断裂带西端地震震后在南北地震带会有37.5%的概率发生7.0-7.9级地震,有23.6%的概率发生6.0-6.9级地震,有28.6%的概率发生5.0-5.9级地震。并使用图像信息学算法对两地区地震活动的关联现象行了验证,结果表明该算法只对2008年新疆于田7.3级地震和汶川8.0级地震具有较好的预测结果。利用地震存在的迁移现象或地震活动的关联现象,结合震前异常信息的分布,对自2000年来发生在南北地震带的关联地震进行了分析,发现在南北地震带不同地区异常点的分布与震中位置关系不同,南北地震带北段的大多数异常点集中分布在震中一侧;中段异常点分布在发震断层的两侧,震中易形成较大的异常空白区域;南段异常点分布范围较广。在“源线模式”的基础上补充了使用地震活动关联现象预测地震的方法,即在阿尔金断裂带西端地区MS≥6.0的地震震后,绘制南北地震带异常空间分布图,若某地区异常点分布较多且存在异常空白区域,则可确定该地区为孕震体,预测该地区在阿尔金断裂带西端地区MS≥6.0的地震震后一年时间内至少有一次MS≥6.0的地震发生。
董宝伟[9](2021)在《大地震磁偏角数据异常分析方法研究》文中提出针对地磁要素中,地磁偏角受磁暴影响较小,受地震影响较大;故本文以国家地磁台网记录的7级以上大地震的地磁偏角秒数据为研究对象,建立地磁偏角观测模型,研究出用于提取地磁异常信息的关键要素:地磁偏角限异常值和异常程度。从而为大地震预测的研究提供一种新方法。本文结合大地震地磁偏角数据观测的特点,非震异常数据即缺数的分布情况及分布特点;在地震预报预测中,地磁数据缺数问题比较常见,为了保证地磁序列的连续性和易于提取分析地磁信息,研究了多种插值算法后,设计了针对不同缺数情况下不同的插值算法;将自回归移动平均ARMA预测模型,用于地磁非震数据插值处理,并设计插值实验和均值插值、线性插值的插值效果对比分析。由于地磁数据属于非平稳数据,本文在数据处理之前,用一阶差分消除随机干扰,用二阶差分使非平稳数据达到平稳。本文研究认为地磁异常持续时间、空间范围与震级大小有一定关系,由此建立大地震地磁偏角的限异常值和异常程度分析模型。主要采用改进的差分自回归移动平均(ARIMA)预测地磁偏角D,并和实际观测值构建异常识别算法;考虑到各个台站的数据特性可能不同,为降低地磁干扰,探索适用于地磁偏角合理的异常判别区间,本文采用实际观测值和预测值结合限异常值和异常程度并用连续阈值法综合判定大地震地磁偏角异常。本文主要采用自汶川地震以来国家地磁台网中心记录的5次7.0级以上大地震共70个地磁台站的地磁偏秒数据为研究对象,提取地磁偏角限异常值和地磁偏角异常程度时发现,大地震震级越高,异常时间段出现的次数越多,地磁限异常持续时间越长,异常程度持续时间也越长,且异常程度值较大。本文所采用的地磁偏角异常分析法结合限异常值、异常程度和连续阈值法,并用所有地磁台站进行地磁异常分析,克服了单个分析方法的不足,更容易找到地磁偏角的异常,从而提高分析地磁异常的可靠性。后续可增加地震数据分量,更进一步将方法综合运用于水平分量H、垂直分量Z、总场强度F,可望为大地震的预测提供一种新的方法。
陶媛[10](2021)在《OLR数据处理方法与地震前兆异常分析》文中研究指明本文应用计算机数据处理技术,分析NOAA系列卫星产出的“地-气系统”射出长波辐射通量即“OLR”(Outgoing Longwave Radiation)逐日数据资料,在全球数值场中,截取出一定范围区域数值作为分析依据,以华东地区为例,分析中强地震前OLR数值变化场的图象特征。主要应用距平计算法、涡度计算法、小波包分析法等多种方法提取地震前OLR异常,同时对郯庐断裂带中南段部分区域OLR演变与该区域地形变、深井水温以及电磁辐射变化作了对比分析研究,为区域地震活动趋势判定提供依据。研究得出,中强地震前3个月内,震中附近区域可能出现OLR月均距平值、月均涡度值高值变化;震前1年内,应用Matlab小波包分解重构OLR日值序列,能够提取到显着异常信息。研究结果对震情跟踪、判定具有重要意义。
二、地震预报研究的发展展望(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、地震预报研究的发展展望(论文提纲范文)
(1)王仁先生在地震预报中的开拓性工作(论文提纲范文)
0 引言 |
1 王仁先生的地震预报科学思想 |
2 王仁先生在地震预报中的创新探索 |
2.1 应力场反演 |
2.2 岩石力学实验 |
2.3 单一强震和地震序列的数值模拟 |
3 王仁先生地震预报思想得到了继承和发展 |
3.1 数值地震预报在国际学术界的发展和应用 |
3.2 数值地震预报在国内学术界的发展和应用 |
3.3 大数据和人工智能在地震预报的发展和应用 |
4 展望 |
(2)基于改进GWO优化SOM-SVR算法的地震震级预报研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.2.1 地震预报技术研究现状 |
1.2.2 机器学习的发展 |
1.2.3 机器学习在地震震级预报中的应用研究现状 |
1.3 本文的主要研究内容和章节安排 |
第二章 自组织特征映射神经网络 |
2.1 人工神经网络 |
2.1.1 人工神经网络基本结构 |
2.1.2 人工神经网络训练过程 |
2.1.3 人工神经网络基本特点 |
2.2 SOM神经网络 |
2.2.1 SOM基本思想 |
2.2.2 SOM训练规则 |
2.2.3 SOM学习算法 |
2.3 本章小结 |
第三章 基于改进GWO优化支持向量机回归算法 |
3.1 SVR模型选择 |
3.1.1 拟合决定系数R~2 |
3.1.2 交叉验证 |
3.1.3 模型选择 |
3.2 支持向量机回归算法 |
3.2.1 支持向量机算法基本原理 |
3.2.2 影响支持向量机回归算法的因素 |
3.2.3 支持向量机回归算法的应用与特点 |
3.3 灰狼优化算法简介 |
3.3.1 灰狼现象 |
3.3.2 灰狼优化算法 |
3.3.3 改进灰狼优化算法 |
3.4 本章小结 |
第四章 SOM-GWO-SVR在地震震级预报中的应用 |
4.1 实验样本数据的选取与处理 |
4.1.1 数据选取 |
4.1.2 地震预报因子选取与计算 |
4.1.3 数据归一化处理 |
4.2 地震震例应用 |
4.2.1 构建自组织特征映射神经网络聚类 |
4.2.2 基于改进灰狼算法寻优SVR参数 |
4.2.3 地震预测结果 |
4.2.4 模型外推 |
4.3 本章小结 |
第五章 总结与展望 |
5.1 主要贡献总结 |
5.2 未来工作展望 |
参考文献 |
个人简历 |
致谢 |
(3)基于EWT和改进RVM的TEC预测与地震电离层异常分析(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景和意义 |
1.1.1 电离层研究意义 |
1.1.2 TEC预报模型的研究意义 |
1.2 国内外研究现状 |
1.2.1 电离层TEC预测研究现状 |
1.2.2 地震期间电离层TEC预报研究现状 |
1.3 本文主要研究内容 |
2 电离层概述及变化分析 |
2.1 电离层概述 |
2.1.1 电离层垂直结构分析 |
2.1.2 电离层水平结构分析 |
2.1.3 电离层不均匀结构分析 |
2.2 中国地震局GNSS数据服务平台 |
2.3 电离层的影响因素 |
2.3.1 太阳活动和地磁活动介绍 |
2.3.2 太阳活动与地磁活动指数 |
2.3.3 地磁活动对电离层的影响 |
2.3.4 太阳活动对电离层的影响 |
2.4 太阳黑子数与TEC数据的周期性分析 |
2.5 本章小结 |
3 基于混沌理论的a RVM电离层TEC预测模型 |
3.1 算法原理简介 |
3.1.1 混沌理论概述 |
3.1.2 自适应核学习相关向量机 |
3.2 基于混沌理论的a RVM预测理论 |
3.3 基于混沌理论的a RVM电离层TEC预测分析 |
3.3.1 数据与评价指标 |
3.3.2 实验分析 |
3.4 本章小节 |
4 基于混沌理论的EWT-a RVM电离层TEC预测模型 |
4.1 经验小波分解 |
4.2 经验小波分解精度分析 |
4.2.1 评价指标 |
4.2.2 实验分析 |
4.3 基于混沌理论的EWT-a RVM电离层TEC预测模型 |
4.4 基于混沌理论的EWT-a RVM电离层TEC预测分析 |
4.4.1 数据选取与实验方案 |
4.4.2 实验分析 |
4.5 本章小结 |
5 地震电离层异常分析 |
5.1 传统异常探测方法 |
5.1.1 平均值法和中位数法 |
5.1.2 四分位距法 |
5.1.3 滑动时窗法 |
5.2 利用基于混沌理论的EWT-a RVM算法对地震TEC异常分析 |
5.3 汶川地震电离层异常分析 |
5.3.1 探测阈值的计算 |
5.3.2 TEC参考背景值预报流程 |
5.3.3 汶川地震期间TEC异常分析 |
5.4 青海玉树地震电离层异常分析 |
5.4.1 探测阈值的计算 |
5.4.2 TEC参考背景值预报 |
5.4.3 青海玉树地震期间TEC异常分析 |
5.5 四川九寨沟地震电离层异常分析 |
5.5.1 探测阈值的计算 |
5.5.2 TEC参考背景值预报 |
5.5.3 四川九寨沟地震期间TEC异常分析 |
5.6 本章小结 |
6 总结和展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间的论文、获奖情况 |
致谢 |
(4)基于机器学习回归算法的地震预测研究及其在中国地震科学实验场的应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 地震学预测方法研究现状 |
1.2.2 前兆分析预测方法研究现状 |
1.2.3 机器学习在地震预测中的应用现状 |
1.3 研究内容与总体思路 |
1.4 本文组织结构 |
第二章 机器学习回归算法 |
2.1 引言 |
2.1.1 机器学习概述 |
2.1.2 本文选用的模型 |
2.2 广义线性模型 |
2.2.1 经典线性模型及参数估计 |
2.2.2 指数族分布 |
2.2.3 广义线性模型定义 |
2.2.4 广义线性模型的参数估计 |
2.3 基于决策树的模型 |
2.3.1 CART回归树 |
2.3.2 随机森林 |
2.3.3 梯度提升机 |
2.4 深度神经网络 |
2.4.1 M-P神经元模型 |
2.4.2 激活函数 |
2.4.3 深度神经网络 |
2.4.4 误差反向传播算法 |
2.5 Stacking集成学习 |
2.5.1 Stacking算法 |
2.5.2 交叉验证 |
2.6 小结与讨论 |
第三章 中国地震科学实验场最小完整性震级分析 |
3.1 引言 |
3.1.1 最小完整性震级概述 |
3.1.2 实验场分析思路 |
3.2 最小完整性震级分析方法 |
3.2.1 震级—序号法 |
3.2.2 最大曲率法 |
3.2.3 拟合度检测法 |
3.3 实验场概况及地震目录 |
3.3.1 地质构造背景 |
3.3.2 地震活动特征 |
3.3.3 地震目录 |
3.3.4 地震区(带)划分 |
3.4 实验场分析结果 |
3.4.1 时间演化特征 |
3.4.2 空间分布特征 |
3.4.3 汇总分析结果 |
3.5 小结与讨论 |
第四章 地震活动性特征参数 |
4.1 引言 |
4.1.1 地震活动性特征参数概述 |
4.1.2 本文所选特征参数 |
4.2 特征参数定义 |
4.2.1 震级—频度分布类参数 |
4.2.2 地震频度类参数 |
4.2.3 地震能量类参数 |
4.2.4 综合类参数 |
4.3 小结与讨论 |
第五章 中国地震科学实验场地震预测研究 |
5.1 实验场研究方案 |
5.2 实验场震级预测研究结果 |
5.2.1 窗口事件数固定为50 的预测结果 |
5.2.2 窗口事件数固定为不同值的预测结果对比 |
5.2.3 窗口事件数可变的预测结果 |
5.3 模型预测效能评价 |
5.3.1 平均绝对误差 |
5.3.2 决定系数 |
5.3.3 回归误差特征曲线 |
5.3.4 R值评分 |
5.4 特征参数对预测结果的贡献度 |
5.5 小结与讨论 |
第六章 总结与展望 |
6.1 结论 |
6.2 存在的问题与展望 |
参考文献 |
致谢 |
作者简介 |
(5)基于情景分析的青海农牧社区减灾能力建设研究(论文提纲范文)
中文摘要 |
abstract |
第一章 绪论 |
1.1 研究背景、问题及意义 |
1.1.1 研究背景 |
1.1.2 研究问题 |
1.1.3 研究意义 |
1.2 国内外研究综述 |
1.2.1 社区减灾能力研究 |
1.2.2 情景分析法相关研究 |
1.2.3 情景分析在公共危机管理中应用研究 |
1.2.4 研究述评 |
1.3 研究思路、内容、技术路线 |
1.3.1 研究思路 |
1.3.2 研究内容与框架 |
1.3.3 技术路线 |
第二章 相关理论与研究设计 |
2.1 相关概念界定 |
2.1.1 灾害情景分析 |
2.1.2 农牧社区 |
2.1.3 社区减灾能力 |
2.2 相关理论基础 |
2.2.1 情景分析理论 |
2.2.2 危机管理理论 |
2.2.3 极值理论 |
2.2.4 复杂系统理论 |
2.3 研究设计 |
2.3.1 基于“情境—任务—能力”的农牧社区减灾能力分析框架 |
2.3.2 研究方法 |
第三章 基于致灾因子分析的青海农牧社区典型灾害识别 |
3.1 农牧社区孕灾环境分析 |
3.1.1 农牧社区自然环境 |
3.1.2 农牧区社会经济状况 |
3.2 农牧社区致灾因子分析 |
3.2.1 气象致灾因子 |
3.2.2 地质致灾因子 |
3.2.3 生物致灾因子 |
3.3 农牧社区灾害脆弱性分析 |
3.3.1 农牧社区灾害脆弱性表现 |
3.3.2 农牧社区灾害脆弱性 |
3.3.3 农牧社区灾情分析 |
3.3.4 农牧社区典型灾害识别 |
3.4 小结 |
第四章 基于情景分析的青海农牧社区典型灾害情景构建 |
4.1 农牧社区的雪灾情况 |
4.1.1 雪灾的成因及影响 |
4.1.2 近年来青海雪灾事件 |
4.1.3 雪灾区域选择 |
4.2 农牧社区特大雪灾情景构建 |
4.2.1 农牧社区雪灾情景构建的参数分析 |
4.2.2 基于极值理论的关键情景参数选择 |
4.2.3 .农牧社区雪灾情景描述 |
4.2.4 雪灾演化过程分析 |
4.3 小结 |
第五章 基于灾害情景的青海农牧社区减灾任务与能力分析 |
5.1 农牧社区多元减灾主体 |
5.1.1 政府组织 |
5.1.2 社区组织 |
5.1.3 居民个体 |
5.1.4 社会力量 |
5.2 基于雪灾情景的农牧社区雪灾减灾任务分析 |
5.2.1 基于公共危机管理过程的社区常规减灾任务 |
5.2.2 农牧社区雪灾常规减灾任务识别 |
5.2.3 雪灾情景下的农牧社区雪灾减灾任务 |
5.2.4 基层政府雪灾减灾任务归属 |
5.3 基于任务的农牧社区雪灾减灾能力分析 |
5.3.1 农牧社区雪灾常规减灾能力分析 |
5.3.2 农牧社区雪灾减灾能力评估方案设计 |
5.3.3 农牧社区雪灾减灾能力评估模型 |
5.3.4 农牧社区雪灾能力矩阵分析 |
5.3.5 农牧社区雪灾减灾能力实践分析 |
5.4 小结 |
第六章 面向能力构建的青海农牧社区减灾对策 |
6.1 规则准备:提升制度运行能力 |
6.2 组织准备:提升应对协调联动能力 |
6.3 资源准备:提升持续保障能力 |
6.4 知识准备:激发农牧社区减灾动力 |
6.5 行动规划:增强行动执行能力 |
6.6 小结 |
第七章 结论与展望 |
7.1 研究结论和学术贡献 |
7.1.1 研究结论 |
7.1.2 学术贡献 |
7.2 研究不足和研究展望 |
7.2.1 研究不足 |
7.2.2 研究展望 |
参考文献 |
博士期间研究成果 |
致谢 |
附录1 第一轮德尔菲法专家咨询表 |
附录2 第二轮德尔菲法专家咨询表 |
附录3 第三轮德尔菲法专家咨询表 |
附录4 青海省农牧社区雪灾减灾能力评估 |
附录5 |
附录6 青海农牧区雪灾减灾能力现状调查问卷 |
附录7 青海农牧社区雪灾减灾能力公众评判 |
(6)GPS在我国地震监测中的应用现状与发展展望(论文提纲范文)
0 引言 |
1 GPS观测台网 |
1.1 早期观测 |
1.2 中国地壳运动观测网络 |
1.3 中国大陆构造环境监测网络 |
1.4 GPS数据资源共享与发展 |
2 GPS在我国地震监测中的应用现状 |
2.1 GPS数据处理与时间序列 |
2.1.1 GPS数据处理软件 |
2.1.2 GPS坐标时间序列 |
2.1.3 GPS基线时间序列 |
2.2 中国大陆构造变形速度场与应变率场 |
2.2.1 水平速度场 |
2.2.2 垂向速度场 |
2.2.3 应变率场 |
2.3 中国大陆活动地块运动定量化 |
2.4 地震研究 |
2.4.1 同震形变场 |
2.4.2 高频GPS应用 |
2.4.3 GPS震后形变监测 |
2.5 广泛的影响 |
3 面临的问题 |
3.1 地震监测预报难题尚未解决 |
3.2 基础研究缺乏突破 |
3.3 站点密度有待提高 |
3.4 GPS解算精度和时效有待提高 |
4 发展方向 |
4.1 强化地震预测研究目标导向 |
(1)强化中长期地震预测,完善GPS在发震地点和震级预测的方法和应用。 |
(2)加强GPS用于短临预测的实践探索与研究。 |
(3)强化断层滑动行为的精细化研究,分析地震危险性。 |
(4)提高断层滑动瞬态变化过程的监测能力。 |
(5)GPS分析研究要从地表到地下,从运动学到动力学转换。 |
(6)加强GPS与InSAR、地震波等多元数据、多学科融合应用。 |
4.2 加强基础研究和基础性工作 |
4.3 统筹数据资源,优化GPS监测布局 |
(1)充分利用连续站资源,适当减少东部地区的流动观测。 |
(2)加强西部地区观测密度。 |
(3)构建活动块体边界带的综合观测体系。 |
(4)加强地震重点危险区细部观测,获取精细变形特征。 |
(5)在“十四五”期间,推进GPS台站加密建设。 |
4.4 重视基础工作,加强GPS解算精度和时效 |
5 结语 |
(7)改进的MEEMD-LSTM电离层建模及其异常值探测研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 电离层简介 |
1.2 研究背景、目的和意义 |
1.2.1 电离层研究的背景和意义 |
1.2.2 电离层TEC预测模型的探究意义 |
1.3 电离层TEC研究现状 |
1.3.1 电离层TEC预测方法研究 |
1.3.2 电离层TEC值与地震探测的交互性 |
1.4 主要研究内容 |
2 电离层变化特性分析及影响因素 |
2.1 电离层TEC介绍 |
2.2 电离层数据与格网产品介绍 |
2.2.1 IGS全球数据分析中心 |
2.2.2 INOEX文件介绍 |
2.3 电离层TEC与日地活动交互性分析 |
2.3.1 太阳活动交互性分析 |
2.3.2 地磁活动交互性分析 |
2.3.3 季节变化交互性分析 |
2.4 本章小结 |
3 电离层MEEMD经验模态信号分解法适用性分析 |
3.1 经验模态信号分解算法 |
3.1.1 经典EMD分解算法 |
3.1.2 EEMD分解算法原理 |
3.1.3 CEEMD分解TEC信号原理 |
3.2 MEEMD分解算法分解过程 |
3.2.1 加入新的排列熵组合算法 |
3.2.2 加入排列熵的MEEMD预测TEC原理 |
3.3 改进MEEMD算法电离层TEC建模适用性分析 |
3.3.1 支持向量机延拓算法 |
3.3.2 支持向量机改进的MEEMD算法 |
3.3.3 算法结果比较分析 |
3.4 本章小结 |
4 改进的MEEMD-LSTM电离层建模及震时电离层异常值探测 |
4.1 电离层建模基础理论 |
4.1.1 ARMA模型经典预测算法 |
4.1.2 LSTM预测模型原理 |
4.2 改进的MEEMD-LSTM电离层TEC预测模型精化方法 |
4.2.1 预测模型数据及实现方法 |
4.2.2 改进算法建模结果分析 |
4.3 改进的MEEMD-LSTM模型震时电离层异常值探测应用 |
4.3.1 经典四分位距法电离层TEC值异常探测 |
4.3.2 改进的MEEMD-LSTM组合预测模型震前异常值探测分析 |
4.4 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望建议 |
参考文献 |
个人简历、申请学位期间的研究成果及发表的学术论文 |
一、个人简介 |
二、获奖情况 |
三、攻读硕士期间参与科研项目 |
四、攻读硕士期间发表学术论文 |
致谢 |
(8)对“源线模式”地震预测方法的应用研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 “源线模式”地震预测方法的提出背景 |
1.1.1 地震预测研究背景 |
1.1.2 地震预测的意义 |
1.1.3 “源线模式”地震预测方法的提出 |
1.2 国内外研究现状及存在问题 |
1.2.1 国内外研究现状 |
1.2.2 存在问题 |
1.3 论文研究的意义和内容 |
1.3.1 论文研究的意义 |
1.3.2 论文的内容 |
第二章 方法介绍 |
2.1 “源线模式”地震预测方法 |
2.1.1 方法具体内容 |
2.1.2 方法的应用 |
2.2 PI算法 |
2.2.1 方法实现过程 |
2.2.2 方法的应用 |
第三章 阿尔金断裂带西端地震与南北地震带地震关联现象分析 |
3.1 青藏高原地区构造背景和地震活动特征 |
3.1.1 青藏高原地区构造背景 |
3.1.2 资料选取和地震活动情况 |
3.2 阿尔金断裂带西端地震与南北地震带关联地震分析 |
3.2.1 震级范围在7.0-7.9 时的关联地震 |
3.2.2 震级范围在6.0-6.9 时的关联地震 |
3.2.3 关联地震分析总结 |
第四章 PI算法对两地区关联地震的检验 |
4.1 计算参数选取 |
4.2 计算结果分析 |
4.2.1 2008 年于田 7.3 地震与汶川 8.0 级地震 |
4.2.2 2015 年皮山6.5 级地震与2016 年门源6.4 级地震 |
4.2.3 其他地震 |
4.3 总结和分析 |
第五章 关联现象解释和震例分析 |
5.1 关联现象解释 |
5.2 震例分析 |
5.2.1 2007 年云南宁洱6.4 级地震 |
5.2.2 2008 年四川汶川8.0 级地震 |
5.2.3 2013 年四川芦山7.0 级地震 |
5.2.4 2013 年甘肃岷县6.7 级地震 |
5.2.5 2014 年云南鲁甸6.6 级地震 |
5.2.6 2016 年青海门源6.4 级地震 |
5.2.7 2017 年四川九寨沟7.0 级地震 |
5.3 震例分析总结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
(9)大地震磁偏角数据异常分析方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 地磁异常分析研究的目的及意义 |
1.3 国内外地磁预测和研究现状 |
1.3.1 国外地磁观测预测研究现状及动态 |
1.3.2 国内地磁观测预测研究现状及动态 |
1.4 本文研究的方法和技术路线 |
1.5 论文的结构安排 |
第二章 地震地磁偏角D数据异常分析理论模型 |
2.1 地磁偏角D数据观测模型 |
2.2 地磁数据异常分析理论模型 |
2.2.1 非震地磁异常数据处理ARMA模型 |
2.2.2 地震地磁数据异常分析ARIMA模型 |
2.3 地磁偏角数据异常分析观测模型 |
2.4 本章小结 |
第三章 基于ARMA模型的地磁非震异常数据处理方法 |
3.1 地磁非震异常值插值研究 |
3.2 地磁偏角D插值方法 |
3.2.1 均值插值 |
3.2.2 线性插值 |
3.2.3 自回归移动平均ARMA模型 |
3.3 地磁数据插值实验设计 |
3.3.1 地磁插值数据处理 |
3.3.2 地磁插值实验方法设计 |
3.4 分析与讨论 |
3.5 本章小结 |
第四章 基于ARIMA模型的地磁偏角数据异常分析方法 |
4.1 一阶差分消除背景场 |
4.2 地磁偏角D二阶差分 |
4.3 基于ARIMA模型的地磁数据异常分析方法 |
4.3.1 连续阈值法提取地磁偏角数据异常方案 |
4.3.2 差分自回归移动平均模型滑动预测的地磁异常分析算法 |
4.4 地磁偏角数据异常分析算法测试与分析 |
4.5 本章小结 |
第五章 5 次大地震地磁偏角异常分析验证 |
5.1 地磁偏角限异常和异常程度识别判定和提取分析 |
5.2 5次7.0 级以上大地震地磁偏角异常分析 |
5.2.1 2008年5月12 日汶川地震地磁偏角异常分析 |
5.2.2 2010年4月14 日青海玉树地震地磁偏角异常分析 |
5.2.3 2013年4月20 日四川雅安地震地磁偏角异常分析 |
5.2.4 2014年2月12 日新疆于田地震地磁偏角异常分析 |
5.2.5 2017年8月8 日四川九寨沟地震地磁偏角异常分析 |
5.3 7 级以上大地震地磁偏角D异常的几个特点 |
5.4 本文地磁偏角异常分析法与其他方法的比较 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 本文研究成果 |
6.2 不足与展望 |
致谢 |
参考文献 |
附录 A 5组国家地磁台网14个国际交换台站 |
附录 B 攻读硕士学位期间的成果 |
(10)OLR数据处理方法与地震前兆异常分析(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 选题依据及研究内容 |
1.2 国内外研究现状 |
1.2.1 OLR资料分析方法 |
1.2.2 卫星遥感热红外资料在地震预测中的应用研究 |
1.3 论文结构 |
第二章 设计方案和数据处理流程 |
2.1 设计方案 |
2.2 数据处理流程 |
2.3 本章小结 |
第三章 OLR月均值距平计算分析 |
3.1 华东地区1975 年以来≥Ms5.0 级地震 |
3.2 数据综合处理及格式转换 |
3.2.1 数据综合处理程序 |
3.2.2 数据格式转换程序 |
3.3 地震前OLR月均值距平场异常分析 |
3.3.1 1975 年江苏郎家沙Ms5.0 级地震前OLR月距平场异常 |
3.3.2 1979 年安徽固镇Ms5.0 级地震前OLR月距平场异常 |
3.3.3 1992 年南黄海Ms5.3 级地震前OLR月距平场异常 |
3.3.4 1996 年长江口以东海域Ms6.1 级地震前OLR月距平场异常 |
3.3.5 2005 年江西九江Ms5.7 级地震前OLR月距平场异常 |
3.3.6 2011 年南黄海Ms5.0 级地震前OLR月距平场异常 |
3.4 本章小结 |
第四章 OLR月均值涡度计算分析 |
4.1 OLR月均值涡度计算 |
4.1.1 月均值涡度计算程序 |
4.1.2 月均值涡度场异常统计程序 |
4.2 地震前OLR月均值涡度场变化特征分析 |
4.2.1 地震前OLR月均值涡度场变化特征 |
4.2.2 预报效能R值评分 |
4.3 本章小结 |
第五章 MATLAB小波包分析 |
5.1 MATLAB小波包分析原理与程序 |
5.2 OLR时间序列小波包分析 |
5.2.1 OLR时间序列提取 |
5.2.2 OLR时间序列年变趋势分析 |
5.2.3 OLR时间序列小波包震例分析 |
5.3 本章小结 |
第六章 OLR变化与前兆测项对比分析 |
6.1 体应变与区域OLR测值对比分析 |
6.2 水温、水位及地温与区域OLR对比分析 |
6.3 电磁波与区域OLR对比分析 |
6.4 前兆异常与区域OLR对比分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 工作展望 |
参考文献 |
攻读硕士学位期间的学术活动及成果情况 |
四、地震预报研究的发展展望(论文参考文献)
- [1]王仁先生在地震预报中的开拓性工作[J]. 石耀霖,胡才博. 地球物理学报, 2021(10)
- [2]基于改进GWO优化SOM-SVR算法的地震震级预报研究[D]. 杨家鑫. 华东交通大学, 2021(01)
- [3]基于EWT和改进RVM的TEC预测与地震电离层异常分析[D]. 陈强. 东华理工大学, 2021(02)
- [4]基于机器学习回归算法的地震预测研究及其在中国地震科学实验场的应用[D]. 史翔宇. 中国地震局地震预测研究所, 2021(01)
- [5]基于情景分析的青海农牧社区减灾能力建设研究[D]. 邓彩霞. 兰州大学, 2021(09)
- [6]GPS在我国地震监测中的应用现状与发展展望[J]. 王坦,李瑜,张锐,师宏波,王阅兵. 地震研究, 2021(02)
- [7]改进的MEEMD-LSTM电离层建模及其异常值探测研究[D]. 杨昆谕. 桂林理工大学, 2021(01)
- [8]对“源线模式”地震预测方法的应用研究[D]. 段博儒. 中国地震局兰州地震研究所, 2021(08)
- [9]大地震磁偏角数据异常分析方法研究[D]. 董宝伟. 昆明理工大学, 2021(01)
- [10]OLR数据处理方法与地震前兆异常分析[D]. 陶媛. 合肥工业大学, 2021(02)