基于粗糙集的BP神经网络在震例中的应用研究*

董晓娜，苏道磊，李希亮，曲 利，张慧峰，吴 晨

(1.山东省地震局，山东济南250014;2.济南市地震局，山东济南250001)

基于粗糙集的BP神经网络在震例中的应用研究*

董晓娜1，苏道磊2，李希亮1，曲 利1，张慧峰1，吴 晨1

(1.山东省地震局，山东济南250014;2.济南市地震局，山东济南250001)

采用《中国震例》作为数据源，通过初步整理分析和预处理，构建了较完备的震例研究样本集。尝试将粗糙集与BP神经网络相结合的方法引入到震例研究中，用基于粗糙集的属性约简算法从众多复杂的地震异常指标中筛选出对最终分类起决定作用的核心异常作为输入，震级作为输出，构建了泛化能力强的BP神经网络模型来模拟异常与地震之间的不确定关系。仿真测试结果表明:地震震级预测精度误差基本控制在－0.5～0.5级之间。

粗糙集;神经网络;震例研究;地震异常指标

0 引言

1 理论基础

地震预测是世界性科学难题，因为地震的孕育和发生是很复杂的自然现象。在研究探索中，人们发现地震发生前会出现大量异常现象，且异常现象出现的种类多少、持续时间与地震之间有一定的关系，但这种关系具有很强的不确定性，是一种非线性映射关系，很难通过简单的解析表达式来描述，这使得地震预测具有较高的难度。

神经网络可以通过学习大量样本得到输入与输出之间高度非线性映射关系，这与一些学者从历史震例中总结出某些规律的地震预测思路相一致。但在实际信息处理时，一旦输入信息量过大，神经网络结构就会变复杂，使得训练时间大大延长，实效性变差。……