地震预测

总第２８０期年第期

计算机与数字工程

Ｃｏｍｕｔｅｒ＆ＤｉｉｔａｌＥｎｉｎｅｅｒｉｎ　　ｐｇｇｇＶｏｌ．４１Ｎｏ．２

１５５　

神经网络的粒子群优化算法及其在地震预测中的应用

２１，２１，２１，２

阮海贵１，　谭毅华　鹿明明　田金文

＊

（）（）华中科技大学图像识别与人工智能研究所　武汉　４华中科技大学多谱信息处理技术国家级重点实验室　武汉　４１．３００７４２．３００７４摘　要　Ｂ是目前一种较好的用于时间序列预测的方法，然而它存在易于陷入局部极小Ｐ神经网络具有较强的非线性问题处理能力，值、收敛速度慢等不足。针对以上缺点，利用改进粒子群优化Ｂ有效地增强了算法的全局搜索能力和提高了收敛Ｐ神经网络的权值与阈值，用改进粒子群优化的Ｂ通过训练预测次年的最大震级。结果速度。针对地震预测的应用，Ｐ算法对四川地区最大震级时间序列进行预测，表明此方法优于未经优化的Ｂ具有良好的预测效果。Ｐ算法，

关键词　ＢＰ神经网络；粒子群优化算法；时间序列；地震预测中图分类号　ＴＰ２９

ＰａｒｔｉｃｌｅＳｗａｒｍ　ＯｔｉｍｉｚａｔｉｏｎＡｌｏｒｉｔｈｍｏｆＮｅｕｒａｌＮｅｔｗｏｒｋａｎｄ　　　　　　ｐｇ

ＩｔｓＡｌｉｃａｔｉｏｎｉｎＥａｒｔｈｕａｋｅＰｒｅｄｉｃｔｉｏｎ　　　　ｐｐｑ

１，２１，２１，２１，２ＲＵＡＮ　ＨａｉｕｉＡＮ　ＹｉｈｕａＵ　ＭｉｎｍｉｎＩＡＮＪｉｎｗｅｎ　　Ｔ　Ｌ　ｇｇｇ　Ｔ

（，Ｈ，Ｗｕ）１．ＩｎｓｔｉｔｕｔｅｆｏｒＰａｔｔｅｒｎＲｅｃｏｎｉｔｉｏｎａｎｄＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｅｎｃｅｕａｚｈｏｎＵｎｉｖｅｒｓｉｔｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｈａｎ３００７４　　　　　　　　　　４ｇｇｇｙｇｙ　　

（，２．ＮａｔｉｏｎａｌＫｅＬａｂｏｒａｔｏｒｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｏｎＭｕｌｔｉｓｅｃｔｒａｌＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎ　　　　　－　　ｙｙｇｙｐｇ　　　

，Ｗｕ）ＨｕａｚｈｏｎＵｎｉｖｅｒｓｉｔｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｈａｎ３００７４　　　　４ｇｙｇｙ　　

，ｗＡｂｓｔｒａｃｔａｃｋｎｅｕｒａｌｎｅｔｗｏｒｋｉｓａｍｅｔｈｏｄｕｓｅｄｉｎｔｉｍｅｓｅｒｉｅｓｈｉｃｈｈａｓａｓｔｒｏｎｎｏｎｌｉｎｅａｒｃａａｃｉｔｏｆｒｏａａｔｉｏｎｏｏｄｒｅｄｉｃｔｉｏｎ　Ｂ　　　　　　　　　　　　　　　　ｇｐｙｐｐｇｇｐ　　，，ｒｏｂｌｅｍ．Ｈｏｗｅｖｅｒｒｏｃｅｓｓｉｎｉｔｉｓｅａｓｔｏｆａｌｌｉｎｔｏｌｏｃａｌｍｉｎｉｍｕｍａｎｄｓｌｏｗｃｏｎｖｅｒｅｎｃｅ．Ｔｏｓｏｌｖｅｔｈｅａｂｏｖｅｓｈｏｒｔｃｏｍｉｎｓｕｓｉｎｉｍｒｏｖｅｄ　　　　　　　　　　　　　ｐｐｇｙｇｇｇｐ　　　ａｒｔｉｃｌｅｓｗａｒｍａｌｏｒｉｔｈｍｏｔｉｍｉｚｅｔｈｅｗｅｉｈｔｓａｎｄｔｈｒｅｓｈｏｌｄｏｆｂａｃｋｒｏａａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｃａｎｅｆｆｅｃｔｉｖｅｌｅｎｈａｎｃｅｔｈｅａｂｉｌｉｔｏｆｔｈｅ　　　　　　　　　　　　　　　　　ｐｇｐｇｐｐｇｙｙ　　，ｌｏｂａｌｒｅｄｉｃｔｉｏｎａｒｔｉｃｌｅａｌｏｒｉｔｈｍｓｓｅａｒｃｈａｎｄｉｍｒｏｖｅｔｈｅｃｏｎｖｅｒｅｎｃｅｒａｔｅ．Ｆｏｒａｌｉｃａｔｉｏｎｓｏｆｅａｒｔｈｕａｋｅｕｓｉｎａｎｉｍｒｏｖｅｄｓｗａｒｍｏｆ　　　　　　　　　　　　　　　ｇｐｐｇｐｇｐｐｑｇｐ　ｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓｏｔｉｍｉｚａｔｉｏｎａｌｏｒｉｔｈｍｔｏｒｅｄｉｃｔｔｈｅｔｉｍｅｓｅｒｉｅｓｏｆｌａｒｅｓｔｍａｎｉｔｕｄｅｉｎＳｉｃｈｕａｎＰｒｏｖｉｎｃｅ．Ｐｒｅｄｉｃｔｔｈｅｌａｒｅｓｔｓｅｉｓｍｉｃ　　　　　　　　　　　　　　　　　　　ｐｇｇｇｇｐｏｆｔｈｅｆｏｌｌｏｗｉｎｂｔｒａｉｎｉｎ．ＲｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｉｓｂｅｔｔｅｒｔｈａｎｔｈｅＢＰａｌｏｒｉｔｈｍ　ｗｉｔｈｏｕｔｏｔｉｍｉｚａｔｉｏｎａｎｄｈａｓｍａｎｉｔｕｄｅｅａｒｏｏｄ　　　　　　　　　　　　　　　　　　ｇｙｇｇｐｇｙｇ　　ｒｅｄｉｃｔｉｏｎ．ｒｅｓｕｌｔｏｆ　　ｐ

，，ＫｅＷｏｒｄｓＰｎｅｕｒａｌｎｅｔｗｏｒｋａｒｔｉｃｌｅｓｗａｒｍｏｔｉｍｉｚａｔｉｏｎａｌｏｒｉｔｈｍ，ｔｉｍｅｓｅｒｉｅｓｅａｒｔｈｕａｋｅｒｅｄｉｃｔｉｏｎ　Ｂ　　　　　　　ｐｐｇｑｐｙ　ＣｌａｓｓＮｕｍｂｅｒＰ２９　　Ｔ

［３～４］

等。ｒｉｔｈｍ，ＧＡ）

１　引言

地震预测是地震研究领域里的一个难题，准确的预测能让人们及时采取有效预防措施，降低生命财产损失。引发地震发生的相关因素很多，产生机理复杂多变，孕育过程因此，人们很难找到完和地震的发生具有很强非线性关系，

善的理论模型来匹配地震的发生机理。然而，大量的地震目录信息中必定隐藏了一些地震发生的规律性知识，地震目录数据中整理出来的地震时间序列就包含着地震动态演化过程中的规律与信息，对地震预测的研究与分析具有重要意义。随着机器学习与人工智能领域的高速发展，很多机器学习算法逐渐被应用到地震时间序列预测领域当中，并很大程度地提高了地震预测精度。其中较常见的有神经

［１］

，、网络算法（支持向量机算法（ＮｅｕｒａｌＮｅｔｗｏｒｋＮＮ）Ｓｕ　－ｐ［２］

，、遗传算法（ｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅＳＶＭ）ＧｅｎｅｔｉｃＡｌｏ　　　－ｐｇ

目ＢＰ神经网络算法因具有较强的非线性处理能力，前，被广泛地应用于地震预测建模，但由于该算法优化过程中极易陷入局部极小值，收敛速度慢，而且鲁棒性不好，导致预测结果精度不高。

针对Ｂ本文利用粒子群算法Ｐ神经网络算法的不足，来优化Ｂ粒子群优化算法全局搜索能Ｐ神经网络的参数，力强，计算精度高，训练时间短，既能较大程度地避免ＢＰ神经网络算法陷入局部极小值，保证获得最优解，又可以提高算法的收敛速度。本文对标准粒子群算法进行了改进，让惯性权重在优化过程中动态地线性衰减，让其在初期具有较好的全局搜索能力，而在后期具有较好的局部搜索能力，

５］

，同时动态地调整学习因子，避免算法出现早熟现象［同时

又摆脱了陷入局部极值现象和提高了优化后期的精度与收

修回日期：２０１２年８月１１日，２０１２年９月２７日＊收稿日期：

／／）基金项目：高分辨率对地观测重大科技专项项目（编号：资助。Ｅ０３１１１１１２ＪＣ０２

作者简介：阮海贵，男，硕士研究生，研究方向：图像处理、机器学习及其应用。谭毅华，男，博士，副教授，研究方向：图像／视频压缩和分析、智能视觉监控、遥感图像目标检测和识别。鹿明明，男，硕士研究生，研究方向：遥感图像处理、数据挖掘。田金文，男，教授，博士生导师，研究方向：遥感图像信息处理、小波变换理论及其应用、目标检测与识别、增强现实与计算机软件仿真。