我国大陆强震预测的支持向量机方法.PDFVIP

第 卷 第 期 地 震 学 报 ， ２８ １ Ｖｏｌ．２８ Ｎｏ．１ 　 　 　 　 　 　 年 月 （ ） ＡＣＴＡＳＥＩＳＭＯＬＯＧＩＣＡＳＩＮＩＣＡ ， ２００６ １ ２９ ３６ Ｊａｎ．２００６ 　 　 ～ 　 文章编号： （ ） ０２５３３７８２２００６０１００２９０８ 我国大陆强震预测的支持向量机方法 王 炜１） ２） ２） ２） 刘 悦 李国正 吴耿锋 　 　 　 　 　 马钦忠１） １） １） 赵利飞 林命盷 　 　 １）中国上海 ２０００６２上海市地震局 　　　　　　　　 ２）中国上海 ２０００７２上海大学计算机工程与科学学院 摘要 统计学习理论是研究小样本情况下机器学习规律的理论 支持向量机是基于统计学习 ． 　 理论框架下的一种新的通用机器学习方法 它不但较好地解决了以往困扰很多学习方法的小 ． 样本、过学习、高维数、局部最小等实际难题，而且具有很强的泛化（预测）能力，其预测效果 通常优于人工神经网络 我国大陆强震与全球主要板块边界的强震活动之间具有一定的关 ． 系，但是这种关系具有较强的非线性 尽管这种关系还不清楚，但是通过支持向量机可以很 ． 好地进行建模，并对我国大陆强震进行预测． 关键词 统计学习理论 支持向量机 人工神经网络 地震形势 　　 　 　 　 中图分类号：Ｐ３１５．３ 文献标识码：Ａ 　　　 引言 统计学习理论（ ， ）（ ， ）是研究小样本情况下 ＳＬＴ ｓｔａｔｉｓｔｉｃａｌｌｅａｒｎｉｎ ｔｈｅｏｒ Ｖａｎｉｋ １９９５ ｇ ｙ ｐ 机器学习规律的基本理论和数学构架，也是小样本统计估计和预测学习的最佳理论． 等从上世纪 — 年代开始致力于该方面研究；到 年代中期，随着该理论的不 Ｖａｎｉｋ ６０ ７０ ９０ ｐ 断发展和成熟，产生了基于统计学习理论体系的新的通用机器学习方法，即支持向量机 （ ， ）（ ， ，