混沌参数优化RBF算法的震前ENPEMF信号强度趋势预测

doi:10.12068/j.issn.1005-3026.2020.12.004

东北大学学报:自然科学版 ›› 2020, Vol. 41 ›› Issue (12): 1692-1698.DOI: 10.12068/j.issn.1005-3026.2020.12.004

混沌参数优化RBF算法的震前ENPEMF信号强度趋势预测

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，湖北武汉430074； 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，湖北武汉430077； 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，湖北武汉430074；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，湖北武汉430074； 5.中国地质大学(武汉) 地球科学学院，湖北武汉430074)

收稿日期:2019-11-25 修回日期:2019-11-25 出版日期:2020-12-15 发布日期:2020-12-22
通讯作者: 郝国成
作者简介:郝国成(1975-)，男，山东冠县人，中国地质大学(武汉)副教授，博士生导师.
基金资助:
武汉市科技局攻关计划项目(2016060101010073)； 111计划项目(B17040)；大地测量与地球动力学国家重点实验室开放基金资助项目(SKLGED2018-5-4-E)；复杂系统先进控制与智能自动化湖北省重点实验室基金资助项目(ACIA2017002)；智能地学信息处理湖北省重点实验室开放课题资助项目(KLIGIP2017A01).

Intensity Trend Forecasting of the ENPEMF Signal Before Earthquake Based on Chaotic Parameters Optimized RBF Algorithm

HAO Guo-cheng^1,2,3,4， GUO Juan^1,2,3， TAN Song-yuan^1,3， ZENG Zuo-xun⁵

1.School of Mechanical Engineering and Electronic Information， China University of Geosciences

Received:2019-11-25 Revised:2019-11-25 Online:2020-12-15 Published:2020-12-22
Contact: HAO Guo-cheng
About author:-
Supported by:
-

摘要/Abstract

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14d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

Abstract: A chaotic parameter-optimized radial basis function (RBF) forecasting model was proposed. The chaos theory was used to obtain the embedded dimension and delay time of the ENPEMF， and the obtained parameters were used to optimize the RBF neural network. Finally， the trained optimized-RBF was utilized to forecast the strength trend of 14 d ENPEMF data. Numerical simulation results show that the improved RBF model could forecast the Rossler time series well with small error. Applying the improved RBF algorithm to the ENPEMF data before Ms7.0 earthquake in Lushan， it can effectively forecast the ENPEMF intensity trend 14 d before earthquake. The forecasting effect and accuracy are significantly better than that of the traditional RBF algorithm， which is expected to provide support for electromagnetic monitoring and analysis before earthquakes and geological disasters.

Key words: the Earth’s natural pulse electromagnetic field, intensity trend forecasting, chaos theory, parameter optimization, RBF neural network

中图分类号:

P315.63

郝国成，锅娟，谭淞元，曾佐勋5. 混沌参数优化RBF算法的震前ENPEMF信号强度趋势预测[J]. 东北大学学报:自然科学版, 2020, 41(12): 1692-1698.

HAO Guo-cheng， GUO Juan， TAN Song-yuan， ZENG Zuo-xun5. Intensity Trend Forecasting of the ENPEMF Signal Before Earthquake Based on Chaotic Parameters Optimized RBF Algorithm[J]. Journal of Northeastern University Natural Science, 2020, 41(12): 1692-1698.

参考文献

[1]Vorobyov A A.On probability of electrical discharges in the Earth’s interior［J］.Geologiya i Geophysika，1970，12:3-13.
[2]Sibgatulin V G，Peretokin S A，Khlebopros R G.Fundamental peculiarities of the entropy model of energy processes in seismic areas［J］.Earth Science Frontiers，2007，14(6):222-225.
[3]Malyshkov Y P，Malyshkov S Y.Periodicity of geophysical fields and seismicity:possible links with core motion［J］.Russian Geology and Geophysics，2009，50:115-130.
[4]郝国成，白雨晓，吴敏，等.基于BSWT-DDTFA方法的地球天然脉冲电磁场震前信号时频分析研究［J］.地球物理学报，2018，61(10):4063-4074.(Hao Guo-cheng，Bai Yu-xiao，Wu Min，et al.Time-frequency analysis of the Earth’s natural pulse electromagnetic field before earthquake based on BSWT-DDTFA method［J］.Chinese Journal of Geophysics，2018，61(10):4063-4074.)
[5]Kugiumtzis D.State space reconstruction parameters in the analysis of chaotic time series:the role of the time window length［J］.Physica D，1996，95(1):13-28.
[6]Gencay R，Liu T.Nonlinear modeling and prediction with feed forward and recurrent networks［J］.Physica D，1997，108(1/2):119-134.
[7]Hao G C，Bai Y X，Liu H，et al.The Earth’s natural pulse electromagnetic fields for earthquake time-frequency characteristics:insights from the EEMD-WVD method［J］.Island Arc，2017，27:e12256.
[8]郝国成，龚婷，董浩斌，等.基于聚类经验模态分解的地球天然脉冲电磁场时频与能量谱分析:以芦山Ms7.0地震为例［J］.地学前缘，2015，22(5):231-238.(Hao Guo-cheng，Gong Ting，Dong Hao-bin，et al.Time-frequency characteristics and energy analysis of the Earth’s natural pulse electromagnetic fields based on ensemble empirical mode decomposition:The Lushan Ms7.0 earthquake as an example［J］.Earth Science Frontiers，2015，22(5):231-238.)
[9]郝国成，陈忠昌，赵娟，等.基于NSTFT-WVD变换的芦山Ms7.0级地震前后地球天然脉冲电磁场信号时频分析［J］.地学前缘，2016，23(1):276-286.(Hao Guo-cheng，Chen Zhong-chang，Zhao Juan，et al.Time-frequency analysis of the Earth’s natural pulse electromagnetic field signal before and after the Lushan Ms7.0 earthquake based on NSTFT-WVD transform［J］.Earth Science Frontiers，2016，23(1):276-286.)
[10]Lorenz E N.Atmospheric predictability as revealed by naturally occurring analogues［J］.Journal of the Atmospheric Sciences，1969，26:636-643.
[11]Hao G C，Tan F，Hu X Y，et al.A matching pursuit-based method for cross-term suppression in WVD and its application to the ENPEMF［J］.IEEE Geoscience and Remote Sensing Letters，2019，16(8):1304-1308.

[1]	赵文，孙远，柏谦，夏云朋. 小直径管幕工法横导洞施工现场试验及参数优化[J]. 东北大学学报（自然科学版）, 2023, 44(3): 432-439.
[2]	曹文欣，赵文，路博，贾鹏蛟. 基于模糊数学的STS管幕结构的连接参数优化[J]. 东北大学学报（自然科学版）, 2022, 43(2): 258-266.
[3]	井元伟，谢海修，白云. TCP/AWM网络系统的自适应有限时间漏斗拥塞控制[J]. 东北大学学报（自然科学版）, 2022, 43(10): 1369-1375.
[4]	张晓虎，张晟，赵亮，董辉. 烧结镁砂煅烧竖炉内气固传热特性数值分析[J]. 东北大学学报（自然科学版）, 2022, 43(1): 40-47.
[5]	李凡杰，李小彭，沃旭，闻邦椿. 混联汽车悬架系统减振性能分析与优化[J]. 东北大学学报（自然科学版）, 2021, 42(8): 1098-1104.
[6]	贾鹏蛟，史培新，关永平，赵文. STS管幕结构横向抗弯刚度计算模型及参数优化[J]. 东北大学学报（自然科学版）, 2021, 42(8): 1159-1165.
[7]	张路凯，冯雪松. 状态空间下列车区段晚点预测误差控制[J]. 东北大学学报（自然科学版）, 2021, 42(4): 494-501.
[8]	李小彭，李凡杰，杨舲雪，刘晓龙. 车辆悬架系统的优化设计与动力学特性分析[J]. 东北大学学报:自然科学版, 2020, 41(8): 1097-1102.
[9]	李明，于天彪，张荣闯，王宛山. 基于石墨烯强化MQL的GH4169合金铣削表面质量研究[J]. 东北大学学报:自然科学版, 2020, 41(3): 387-392.
[10]	于天彪，宋博学，郗文超，马哲伦. 激光熔覆工艺参数对熔覆层形貌的影响及优化[J]. 东北大学学报:自然科学版, 2019, 40(4): 537-542.
[11]	姚红良，张钦，杨沛然，闻邦椿. 分段线性刚度非线性能量阱的参数优化方法[J]. 东北大学学报:自然科学版, 2019, 40(12): 1732-1738.
[12]	张飞，杨天鸿，胡高建. 复杂应力扰动下围岩稳定性评价与采场参数优化[J]. 东北大学学报:自然科学版, 2018, 39(5): 699-704.
[13]	刘永刚，侯立良，秦大同，闫忠良. 基于综合截割性能优化的采煤机变速截割控制[J]. 东北大学学报:自然科学版, 2018, 39(1): 118-123.
[14]	江维，吴功平，曹琪，杨松. 输电线路带电作业机器人机械手RBF神经网络控制[J]. 东北大学学报:自然科学版, 2017, 38(10): 1388-1394.
[15]	孙瑶，巩亚东，刘寅. 慢走丝电火花线切割TC4试验研究和参数优化[J]. 东北大学学报:自然科学版, 2016, 37(7): 979-983.

混沌参数优化RBF算法的震前ENPEMF信号强度趋势预测

Intensity Trend Forecasting of the ENPEMF Signal Before Earthquake Based on Chaotic Parameters Optimized RBF Algorithm

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价