基于人工神经网络和模式识别方法的地震序列类型早期预测研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 引言 | 第9-15页 |
| ·选题的理论依据与现实意义 | 第9-11页 |
| ·论文的主要研究内容 | 第11-12页 |
| ·论文的技术路线 | 第12-13页 |
| ·论文的主要内容安排 | 第13-15页 |
| 第二章 地震序列类型划分研究综述 | 第15-23页 |
| ·地震序列概述 | 第15页 |
| ·地震序列分类及主要特征 | 第15-17页 |
| ·地震序列早期分类的研究现状 | 第17-23页 |
| 第三章 人工神经网络理论和发展 | 第23-31页 |
| ·人工神经网络基本理论 | 第23-28页 |
| ·人工神经网络的一般模型 | 第23-25页 |
| ·人工神经网络的特点及种类 | 第25-28页 |
| ·人工神经网络的学习规则 | 第28页 |
| ·人工神经网络在地震学领域中的应用简介 | 第28-31页 |
| 第四章 模式识别理论及应用 | 第31-36页 |
| ·模式识别基本理论 | 第31-33页 |
| ·模式识别在地震学领域中的应用简介 | 第33-36页 |
| 第五章 BP 神经网络和支持向量机模型的建立 | 第36-57页 |
| ·BP 神经网络原理及模型建立流程 | 第36-45页 |
| ·BP 神经网络原理 | 第36-37页 |
| ·BP 学习算法 | 第37-41页 |
| ·BP 神经网络的模型建立流程 | 第41-44页 |
| ·基于 BP 神经网络的地震序列早期预测模型 | 第44-45页 |
| ·SVM 支持向量机原理及模型建立流程 | 第45-57页 |
| ·支持向量机相关理论基础及基本思想 | 第45-49页 |
| ·支持向量机的核函数 | 第49-53页 |
| ·支持向量机的拓扑结构 | 第53页 |
| ·支持向量机的优点及不足 | 第53-55页 |
| ·基于支持向量机的地震序列早期预测模型 | 第55-57页 |
| 第六章 两种地震序列类型早期预测模型的建立 | 第57-73页 |
| ·资料收集及初始分类 | 第57-58页 |
| ·特征参数选取 | 第58-59页 |
| ·资料数据预处理 | 第59-61页 |
| ·构造 BP 神经网络模型 | 第61-67页 |
| ·样本选择 | 第61页 |
| ·构造 BP 神经网络 | 第61-64页 |
| ·训练 BP 神经网络 | 第64页 |
| ·仿真测试 | 第64-65页 |
| ·实验结果及分析 | 第65-67页 |
| ·构造 SVM 神经网络及 Matlab 实现 | 第67-73页 |
| ·选定训练集和测试集 | 第68页 |
| ·C&G参数寻优 | 第68-70页 |
| ·训练和预测 | 第70页 |
| ·检验结果与分析 | 第70-73页 |
| 第七章 两种预测模型的分析对比 | 第73-75页 |
| 第八章 结论与展望 | 第75-78页 |
| ·论文完成的主要研究工作及创新之处 | 第75-76页 |
| ·进一步的研究方向 | 第76-78页 |
| 参考文献 | 第78-85页 |
| 附表 A 180 个地震序列信息表 | 第85-93页 |
| 致谢 | 第93-95页 |
| 作者简介 | 第95页 |
