| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景 | 第9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 研究现状 | 第10-14页 |
| 1.3.1 地震预报的研究现状 | 第10-11页 |
| 1.3.2 人工神经网络发展史 | 第11-13页 |
| 1.3.3 人工神经网络在地震研究中应用的历史与现状 | 第13-14页 |
| 1.4 论文的主要内容和结构安排 | 第14-16页 |
| 第2章 地震预报方法研究 | 第16-19页 |
| 2.1 经验预报方法 | 第16-17页 |
| 2.2 概率统计方法 | 第17页 |
| 2.3 模式识别方法 | 第17-18页 |
| 2.4 神经网络方法 | 第18-19页 |
| 第3章 人工神经网络理论 | 第19-34页 |
| 3.1 人工神经网络概述 | 第19-24页 |
| 3.1.1 人工神经网络的基本概念 | 第19页 |
| 3.1.2 神经元模型和网络结构 | 第19-23页 |
| 3.1.3 人工神经网络的特点 | 第23-24页 |
| 3.2 自组织特征映射(SOM)神经网络 | 第24-26页 |
| 3.2.1 SOM网络简介 | 第24页 |
| 3.2.2 SOM网络结构 | 第24-25页 |
| 3.2.3 SOM网络学习算法 | 第25-26页 |
| 3.3 径向基函数(RBF)神经网络 | 第26-29页 |
| 3.3.1 RBF网络简介 | 第26-27页 |
| 3.3.2 RBF网络结构 | 第27-29页 |
| 3.3.3 RBF网络学习算法 | 第29页 |
| 3.4 MATLAB神经网络工具箱函数 | 第29-34页 |
| 3.4.1 概述 | 第29-30页 |
| 3.4.2 MATLAB中的SOM网络 | 第30-32页 |
| 3.4.3 MATLAB中的RBF网络 | 第32-34页 |
| 第4章 地震数据的预处理 | 第34-46页 |
| 4.1 地震数据的选取 | 第34-35页 |
| 4.2 预报因子的选取和计算 | 第35-46页 |
| 4.2.1 余震序列的剔除 | 第36-37页 |
| 4.2.2 地震累计频度的计算 | 第37页 |
| 4.2.3 地震能量释放累计值的计算 | 第37页 |
| 4.2.4 b值的计算 | 第37-38页 |
| 4.2.5 前兆震群的判断 | 第38-39页 |
| 4.2.6 地震条带的判断 | 第39-44页 |
| 4.2.7 地震活跃期的判断 | 第44页 |
| 4.2.8 相关地震区地震震级 | 第44页 |
| 4.2.9 小结 | 第44-46页 |
| 第5章 基于神经网络的地震预报应用研究 | 第46-55页 |
| 5.1 研究的基本流程 | 第46-47页 |
| 5.2 预报因子的归一化 | 第47-49页 |
| 5.3 基于MATLAB工具箱的神经网络设计及震例分析 | 第49-55页 |
| 5.3.1 SOM网络模型设计 | 第49-50页 |
| 5.3.2 RBF网络模型设计 | 第50-51页 |
| 5.3.3 闽粤赣及东南沿海地区震例误差结果分析 | 第51-55页 |
| 第6章 结论与展望 | 第55-57页 |
| 6.1 结论 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间的研究成果 | 第61页 |