中国大陆强震时间序列预测的支持向量机方法

详细信息   

• 责任者：王炜^c上海市地震局 ; 刘悦^c上海大学 ; 李国正 ; 吴耿锋 ; 林命周 ; 马钦忠 ; 赵利飞
• 刊名：地震
• 出版年：2005
• 卷期：25^b4
• 关键词：地震预测11^a中国20^a时间序列分析 ; 地震序列 ; 统计分析 ; 算法 ; 强震30^a向量 ; 支持向量机 ; SVM
• 页码：28～34
• 索书号：P263.06/208-16
• 图表：^c表3参12插图
• 分类号：1410
• 文摘期号：2006/06

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。