混沌参数优化RBF算法的震前ENPEMF信号强度趋势预测

• Published in: 东北大学学报（自然科学版） Vol. 41; no. 12; pp. 1692 - 1698
• Main Authors: 郝国成, 锅娟, 谭淞元, 曾佐勋
• Format: Journal Article
• Language: Chinese
• Published: 中国地质大学(武汉) 机械与电子信息学院,湖北 武汉 430074 01.12.2020; 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,湖北武汉 430074%中国地质大学(武汉) 地球科学学院,湖北武汉 430074; 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,湖北武汉 430077; 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,湖北武汉 430074; 中国地质大学(武汉) 智能地学信息处理湖北省重点实验室,湖北武汉 430074%中国地质大学(武汉) 机械与电子信息学院,湖北 武汉 430074; 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,湖北武汉 430074%中国地质大学(武汉) 机械与电子信息学院,湖北 武汉 430074
• Subjects: 地球天然脉冲电磁场; RBF神经网络; 混沌理论; 参数优化; 强度趋势预测
• ISSN: 1005-3026
• DOI: 10.12068/j.issn.1005-3026.2020.12.004

P315.63; 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.