| 中文摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 绪论 | 第16-28页 |
| 1.1 选题依据与研究意义 | 第16-17页 |
| 1.2 国内外研究进展 | 第17-25页 |
| 1.2.1 模拟地震监测波形记录矢量水平现状 | 第17-20页 |
| 1.2.2 地震目录数据挖掘研究现状 | 第20-21页 |
| 1.2.3 数字图像处理技术的研究现状和发展趋势 | 第21-22页 |
| 1.2.4 人工智能与数据挖掘技术的研究现状和发展趋势 | 第22-23页 |
| 1.2.5 大数据技术的应用现状和研究进展 | 第23-25页 |
| 1.3 课题的主要研究内容 | 第25-27页 |
| 1.3.1 研究目的 | 第25页 |
| 1.3.2 研究内容 | 第25-26页 |
| 1.3.3 技术路线 | 第26-27页 |
| 1.4 创新点 | 第27-28页 |
| 第2章 大数据平台下模拟地震记录数字化存储方法研究 | 第28-42页 |
| 2.1 模拟地震记录数字化存储需求分析 | 第28-29页 |
| 2.2 记录扫描 | 第29-32页 |
| 2.3 数据库设计 | 第32-37页 |
| 2.3.1 基于Mongo的数据存储模型研究 | 第32-34页 |
| 2.3.2 基于Mongo数据库搭建 | 第34-36页 |
| 2.3.3 Mongo（表）结构 | 第36-37页 |
| 2.4 记录添加 | 第37-38页 |
| 2.5 记录比对 | 第38-40页 |
| 2.6 本章小结 | 第40-42页 |
| 第3章 基于视景场分析的模拟地震波形提取模型研究 | 第42-58页 |
| 3.1 视景场分析算法的提出 | 第42-43页 |
| 3.2 栅格影像的二值化 | 第43-50页 |
| 3.2.1 最大类间方差法 | 第44页 |
| 3.2.2 最大熵法 | 第44-45页 |
| 3.2.3 最小误差法 | 第45-46页 |
| 3.2.4 最小偏态法 | 第46-47页 |
| 3.2.5 二值化算法比较 | 第47-50页 |
| 3.3 曲线类型的判断 | 第50-51页 |
| 3.4 平滑波的提取算法 | 第51-53页 |
| 3.5 复杂波的提取算法（基于视景场理论） | 第53-55页 |
| 3.6 实验结果与分析 | 第55-57页 |
| 3.7 本章小结 | 第57-58页 |
| 第4章 模拟地震波形记录定量反演模型研究 | 第58-78页 |
| 4.1 波形曲线拼接算法 | 第58-59页 |
| 4.2 时间坐标拼接算法 | 第59-61页 |
| 4.2.1 基于图纸说明表的时间拼接方法 | 第59-60页 |
| 4.2.2 基于时间标记点的时间拼接方法 | 第60-61页 |
| 4.3 波形定量反演算法 | 第61-66页 |
| 4.3.1 波形矢量数据的定量选取 | 第61-62页 |
| 4.3.2 波形曲线矢量数据的定量拟合 | 第62-66页 |
| 4.4 基于聚类分析的有震波形智能识别 | 第66-77页 |
| 4.4.1 有震波形智能识别问题的提出 | 第66页 |
| 4.4.2 聚类的定义 | 第66-67页 |
| 4.4.3 模式相似性测度方法 | 第67-70页 |
| 4.4.4 类的定义与类间距离 | 第70-72页 |
| 4.4.5 常用聚类算法分析 | 第72-74页 |
| 4.4.6 K-Means算法分析 | 第74-75页 |
| 4.4.7 基于改进K-Mean算法的有震波形提取 | 第75-77页 |
| 4.5 结果展示与分析 | 第77-78页 |
| 第5章 基于地震目录的余震预测模型研究 | 第78-108页 |
| 5.1 现代地震目录分析 | 第78-80页 |
| 5.1.1 地震目录概述 | 第78页 |
| 5.1.2 常用地震目录分析与比较 | 第78-80页 |
| 5.2 基于地震目录的余震预测思路 | 第80页 |
| 5.3 地震目录数据选择 | 第80-81页 |
| 5.4 基于最小二乘法的NEIC地震能量字段填充模型 | 第81-83页 |
| 5.4.1 最小二乘法拟合模型分析 | 第81-82页 |
| 5.4.2 NEIC地震目录缺失能量的填充 | 第82-83页 |
| 5.5 支持向量回归（SVR）模型分析 | 第83-94页 |
| 5.5.1 基于数据的机器学习理论 | 第83-84页 |
| 5.5.2 回归估计与回归分析 | 第84-85页 |
| 5.5.3 回归分析误差函数的选取 | 第85-86页 |
| 5.5.4 SVM基本思想 | 第86-87页 |
| 5.5.5 SVM核函数选择分析 | 第87-88页 |
| 5.5.6 最优回归超平面与线性SVR分析 | 第88-92页 |
| 5.5.7 非线性SVR分析 | 第92-93页 |
| 5.5.8 非线性SVR特点分析 | 第93-94页 |
| 5.6 基于分块的非线性SVR的最大余震预测模型 | 第94-101页 |
| 5.6.1 地震序列提取算法 | 第94-95页 |
| 5.6.2 余震预测模型特征参数选择 | 第95-97页 |
| 5.6.3 地震目录参数数据归一化 | 第97-98页 |
| 5.6.4 模型核函数的选择分析 | 第98-99页 |
| 5.6.5 SVR模型准确度计算 | 第99-101页 |
| 5.7 结果展示与分析 | 第101-108页 |
| 第6章 模拟地震记录矢量化系统开发 | 第108-118页 |
| 6.1 系统需求分析 | 第108-109页 |
| 6.2 DSFASW的开发环境 | 第109-110页 |
| 6.3 系统程序结构设计 | 第110-113页 |
| 6.3.1 系统设计原则 | 第110-111页 |
| 6.3.2 程序流程分析 | 第111-112页 |
| 6.3.3 关键技术分析 | 第112-113页 |
| 6.4 系统主要功能及界面介绍 | 第113-117页 |
| 6.4.1 DSFASW软件功能 | 第113-114页 |
| 6.4.2 DSFASW程序主要界面 | 第114-117页 |
| 6.5 应用成果 | 第117-118页 |
| 第7章 基于地震目录的余震预测系统开发 | 第118-128页 |
| 7.1 系统需求分析 | 第118页 |
| 7.2 系统业务模型分析 | 第118-119页 |
| 7.3 系统数据流程图 | 第119-120页 |
| 7.4 数据库设计 | 第120-122页 |
| 7.5 系统主要功能与界面介绍 | 第122-126页 |
| 7.6 应用成果 | 第126-128页 |
| 第8章 结论与展望 | 第128-130页 |
| 8.1 结论 | 第128-129页 |
| 8.2 展望 | 第129-130页 |
| 参考文献 | 第130-140页 |
| 攻读博士学位期间发表的论文及参与的科研项目 | 第140-142页 |
| 致谢 | 第142页 |
