混沌参数优化RBF算法的震前ENPEMF信号强度趋势预测

作者：郝国成; 锅娟; 谭淞元; 曾佐勋

来源：东北大学学报(自然科学版), 2020, 41(12): 1692-1698.

• 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

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14 d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.

• 单位
  大地测量与地球动力学国家重点实验室; 中国科学院测量与地球物理研究所; 中国地质大学（武汉）