基于遗传算法与人工神经网络的震级预测研究
由于地震预报问题的高度非线性与复杂性,使得人工神经网络方法在地震预报分析研究中经常出现很难收敛或内符检验效果较好而外推效果不理想的现象.本文提出了将遗传算法与BP网络结合构成新的神经网络模型,用遗传算法来优化网络的拓扑结构和学习参数,并筛选参与训练的预报因子,搜索出参加训练的输入参数和网络结构参数的最佳组合,从而建立具有较好预报效果的网络模式.用东北地震实例计算的结果表明,与未经优化的神经网络相比,具有收敛速度快,预测误差小等优点,具有较高的识别能力,在地震预报中有较好的应用前景.
地震预报 人工神经网络 遗传算法
温岩
吉林省地震局(吉林长春)
国内会议
兰州
中文
107-113
2001-06-01（万方平台首次上网日期，不代表论文的发表时间）