混沌参数优化RBF算法的震前ENPEMF信号强度趋势预测
来源期刊：东北大学学报(自然科学版)2020年第12期
论文作者：郝国成 锅娟 谭淞元 曾佐勋
文章页码：1692 - 1698
关键词：地球天然脉冲电磁场;强度趋势预测;混沌理论;参数优化;RBF神经网络;
摘 要：提出了一种基于混沌参数优化径向基函数（radial basis function,RBF）神经网络的预测模型.通过混沌理论获得了ENPEMF信号的有效嵌入维数和最优时延,然后利用所获得的参数优化RBF神经网络.采用训练好的参数优化RBF神经网络预测ENPEMF.数值仿真结果表明,改进的RBF算法可以较为准确地预测Rossler混沌时间序列且误差较小.将优化的RBF模型应用于芦山Ms7.0级地震前ENPEMF数据,可以有效预测震前14 d的ENPEMF数据强度趋势,且预测效果及精度优于传统RBF神经网络算法,期望为地质灾害及强震前的电磁监测分析提供支持.
郝国成1,2,3,4，锅娟1,2,3，谭淞元1,3，曾佐勋5
1. 中国地质大学(武汉)机械与电子信息学院2. 中国科学院测量与地球物理研究所大地测量与地球动力学国家重点实验室3. 中国地质大学(武汉)复杂系统先进控制与智能自动化湖北省重点实验室4. 中国地质大学(武汉)智能地学信息处理湖北省重点实验室5. 中国地质大学(武汉)地球科学学院
摘 要：提出了一种基于混沌参数优化径向基函数（radial basis function,RBF）神经网络的预测模型.通过混沌理论获得了ENPEMF信号的有效嵌入维数和最优时延,然后利用所获得的参数优化RBF神经网络.采用训练好的参数优化RBF神经网络预测ENPEMF.数值仿真结果表明,改进的RBF算法可以较为准确地预测Rossler混沌时间序列且误差较小.将优化的RBF模型应用于芦山Ms7.0级地震前ENPEMF数据,可以有效预测震前14 d的ENPEMF数据强度趋势,且预测效果及精度优于传统RBF神经网络算法,期望为地质灾害及强震前的电磁监测分析提供支持.
关键词：地球天然脉冲电磁场;强度趋势预测;混沌理论;参数优化;RBF神经网络;
