震前異常挖掘算法研究.pdf

1、地震作為一種自然災(zāi)害給人類造成了巨大的損失，衛(wèi)星遙感技術(shù)作為一種新型的對地觀測技術(shù)被應(yīng)用于地震科學(xué)的各個領(lǐng)域中。衛(wèi)星遙感數(shù)據(jù)維度高，數(shù)據(jù)量大，傳統(tǒng)人工分析手段已無法應(yīng)對，數(shù)據(jù)挖掘方法具有強大的分析處理問題的能力。本文在這種背景下，將數(shù)據(jù)挖掘方法引入地震預(yù)測中，以2005~2014年全球AIRS遙感數(shù)據(jù)為分析對象，分別提出基于頻繁項集、時間序列和主旨模式的震前異常挖掘算法。
　　基于頻繁項集的震前異常挖掘算法從屬性維度處理遙感數(shù)據(jù)，

2、針對AIRS傳感器18維參量數(shù)據(jù)進(jìn)行去背景和分段處理，在有效剔除地區(qū)、季節(jié)性因素的干擾同時也使得數(shù)據(jù)適用于項集挖掘；在處理挖掘得到的頻繁項集時，使用地震支持度減去非震支持度，有效的去除了非震因素的干擾。實驗表明基于頻繁項集的震前異常挖掘算法可較好用于地震預(yù)測，并且隨著地震的臨近，震前異常范圍不斷變大。當(dāng)前兆區(qū)域為2°，前兆時間為30天，分段數(shù)為5時，預(yù)測效果最佳，預(yù)報率81.8％，誤報率5.6%，此時地震前兆異常主要和TropTemp_

3、D、TropHeight_D、SurfPres_Forecast_D、H2O_MMR_Surf_D、TropPres_D、SurfAirTemp_D和ClrOlr_D這七個參量數(shù)相關(guān)。
　　基于時間序列的震前異常挖掘算法從時間序列角度分析遙感數(shù)據(jù)，將異常模式挖掘算法與頻繁序列匹配算法融入到震前預(yù)測中，該方法不同于以往的預(yù)測建模，而是從一個全新的角度來發(fā)現(xiàn)震前遙感數(shù)據(jù)異常規(guī)律。首先通過對衛(wèi)星遙感進(jìn)行數(shù)據(jù)插值，歸一化處理和數(shù)據(jù)分段，然

4、后利用PrefixSpan算法分別挖掘出頻繁序列模式，計算出地震序列模式的差集，然后利用SeqMatching匹配算法匹配測試序列，并通過反饋不斷完善異常序列模式。最后通過地震預(yù)報率、漏報率以及對非震的誤報率，檢驗方法的有效性。經(jīng)過36次試驗，在確定了數(shù)據(jù)參量、前兆時間、區(qū)域大小、支持度和數(shù)據(jù)分段個數(shù)等參數(shù)的基礎(chǔ)上，發(fā)現(xiàn)CO含量參量的預(yù)測效果比較滿意。實驗表明基于時間序列的震前異常挖掘方法可以找出以往地震歷史規(guī)律中蘊含的有效異常模式，通

5、過模式匹配，較好地實現(xiàn)震前異常預(yù)測。
　　基于主旨模式的震前異常挖掘算法從衛(wèi)星的角度觀察實驗數(shù)據(jù)，將其轉(zhuǎn)化為一系列以時間為單位的空間序列，針對空間序列相似性度量問題，提出一種基于空間距離懲罰度量算法CDTW。在主旨模式挖掘的過程中，基于K-Means的思想，提出一種基于全局平均主旨模式挖掘算法。實驗表明CDTW將空間距離作為懲罰因子引入動態(tài)彎曲度量DTW中，避免最小距離計算過程中過度彎曲的問題；基于CDTW的全局平均主旨模式算法對