基于反向传播神经网络的闽台ML震级偏差分析与修正

摘要：

选取我国台湾地区2012-2018年期间的浅源地震资料,将台湾气象局与福建地震台网中心测定的ML震级进行对比分析,得出两机构测定的震级之间的差异主要是受地震震级大小、震源深度、震源地理位置等因素的影响,并采用线性回归方法对两机构测定的ML之间的模型关系进行拟合.与此同时,引入反向传播神经网络技术对两机构测定震级之间的偏差进行预测训练,构建4?9?9?9?4的五层网络模型,利用2012-2017年台湾震例作为训练集进行学习训练,2018年数据作为测试集进行预测效果分析.测试结果表明,经过反向传播神经网络修正后,震级偏差较大改善,基本都控制在[?0.4,0.3]之内,预测效果优于传统的线性回归方法,特别是对多震、少震区域震例的修正效果更为显著,进一步验证了反向传播神经网络技术具有较强的非线性拟合能力和泛化能力.

关键词：反向传播神经网络、震级、偏差校正、非线性拟合、泛化能力

所属期刊栏目：41

分类号：P315(大地（岩石界）物理学（固体地球物理学）)

资助基金：国家重点研发项目;国家自然科学基金

在线出版日期：2020-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：723-734