數(shù)據(jù)挖掘技術在地震預報中的應用

■王征 商亮 張闖

（撫順市地震局 遼寧撫順 113006）

數(shù)據(jù)挖掘技術在地震預報中的應用

■王征 商亮 張闖

（撫順市地震局 遼寧撫順 113006）

隨著數(shù)據(jù)挖掘技術的不斷發(fā)展，其逐漸引起了信息產(chǎn)業(yè)界的廣大關注。顯然，這是相對貧乏的信息量與快速增長的數(shù)據(jù)量之間在矛盾運動作用下所產(chǎn)生的必然結果。那么，對數(shù)據(jù)挖掘技術的全面、深入、系統(tǒng)的研究，即成為了全球信息化發(fā)展的客觀需求。而針對于地震分析預報工作而言，數(shù)據(jù)挖掘技術也能夠起到一定的推動作用。本文首先詳細的闡述了我國地震預報工作的研究現(xiàn)狀以及地震數(shù)據(jù)的一些特點，其次系統(tǒng)的分析與探討了數(shù)據(jù)挖掘技術應用于地震預報工作的常用方法。

地震預報數(shù)據(jù)挖掘技術應用

1 我國地震預報研究現(xiàn)狀

長期以來，在地震預測研究方面，我國始終都以經(jīng)驗型統(tǒng)計為基礎來開展工作，在歷史上也取得過較大的成就，比如成功預報1975年的海城地震即是一個很好的例子。隨著我國社會、經(jīng)濟的不斷發(fā)展，近年來我國對于地震預報的準確性要求越來越高，虛報、錯報所導致的社會成本越來越高昂。顯然，如果還采用經(jīng)驗型統(tǒng)計為基礎的地震預報，其準確性顯然不能夠滿足于現(xiàn)代社會的實際要求。隨著國際上對地震發(fā)生物理機制研究的不斷深入，人們對地震發(fā)生規(guī)律的認識得到了進一步的發(fā)展。近年來，我國在這方面的研究上（尤其是基于地震發(fā)生機理的地震預報研究）也獲得了很大的成功，如加卸載響應比的地震預報模型，其獲得了國際上的認可。但是，就整體來說，我國在這方面的研究并不成熟，依舊與很多發(fā)達國家存在著一定的差距。

2 地震數(shù)據(jù)的特點

長期研究實踐證明，地震數(shù)據(jù)有著相當顯著的特點。首先，數(shù)據(jù)量極大。地震前兆觀測的數(shù)據(jù)是從傳感器獲取的流數(shù)據(jù)，一般情況下，其采樣的頻率都為每秒鐘采樣一次，數(shù)據(jù)量極大。其次，經(jīng)驗型知識較多。由于絕大部分預報知識都與相關領域有著密切的聯(lián)系，所以得出的結果往往都是地震預報專家根據(jù)自身的經(jīng)驗總結而出。再次，具有較強的時間性。具體來說，一方面是時序性，由于地震數(shù)據(jù)都與時間相關，數(shù)據(jù)間就必然會具有較強的時間約束關系。也就是說，地震數(shù)據(jù)屬于時間序列數(shù)據(jù)。另一方面是實時性，其對異?，F(xiàn)象能夠及時的做出反應。最后，空缺多、干擾多，且隨機性較強、不確定因素較多。

3 數(shù)據(jù)挖掘技術應用于地震預報工作中的常用方法

3.1 聚類分析

所謂聚類分析，即根據(jù)某一種相似程度的度量來將數(shù)據(jù)對象進行分組，分成若干類或簇。一般情況下，不同簇中的對象之間具有較大的差異，而同一簇中的對象之間則具有較高的相似度。其實，聚類分析源于很多研究領域（如生物學、統(tǒng)計學等）。如今，聚類分析已經(jīng)被廣泛的應用到地震預報工作之中，比如有（無）震樣本的聚類、地震正常（異常）數(shù)據(jù)的聚類、地震知識的獲取、地震序列類型的劃分等[1]。

3.2 神經(jīng)網(wǎng)絡

“MP”模型與“Hebb”學習規(guī)則，是神經(jīng)網(wǎng)絡的基礎，神經(jīng)網(wǎng)絡就是以此來建立起了多種神經(jīng)網(wǎng)絡模型，主要氛圍三大類，即自組織網(wǎng)絡、反饋式網(wǎng)絡、前饋式網(wǎng)絡[2]。總的來說，神經(jīng)網(wǎng)絡是一種以訓練來學習的非線性預測模型，其能夠較好的完成多種數(shù)據(jù)挖掘任務，如聚類、分類、回歸、關聯(lián)、模式識別等。就目前的情況來看，很少有人涉及自組織網(wǎng)絡或反饋式網(wǎng)絡，但在地震預報工作中則可以使用自學習、自組織、自適應等功能。另外，通過自組織網(wǎng)絡的應用，能夠讓網(wǎng)絡實現(xiàn)聚類、特征提取以及知識學習等。

3.3 遺傳算法

作為一種模擬生物進化過程的方法，遺傳算法是通過對三個基本算子，即復制、交叉、變異的利用來實現(xiàn)優(yōu)化求解的技術。在遺傳算法當中，規(guī)則群體往往都是通過交叉與變異來實現(xiàn)進化操作的，這樣的操作一直會延續(xù)到群體中所有規(guī)則都滿足于制定閾值為止。從某種角度上來看，遺傳算法與統(tǒng)計學有著極為相似的特征。具體而言，遺傳算法模型的形式必須預先確定出來，在算法實施時，首先就應該對求解的問題進行編碼，以此產(chǎn)生初始的群體，然后對個體適應度進行計算，最后再對染色體進行復制、交叉、變異等操作，直到出現(xiàn)最佳方案為止。在執(zhí)行遺傳算法的過程中，每一代都會存在很多不同的種群個體。而對于環(huán)境的適應能力，這將直接決定著這些染色體中的個體是否能夠保留下來。顯然，針對于那些適應性較強的，其將具有更多的保留機會，而適應性較弱的則是由計算適應性函數(shù)f（x）的值來決定的，而這樣的值也被稱為適應值。在這其中，不得不引起注意的是，適應函數(shù)f（x）的構成和目標函數(shù)始終都保持著相當密切的聯(lián)系，可以說起就是目標函數(shù)的變種[3]。另外，遺傳算法還能夠起到產(chǎn)生優(yōu)良后代的作用，通過若干代的遺傳，必然會得到滿足要求的后代（即問題的解）。就目前的實際情況來看，遺傳算法主要應用于分類、優(yōu)化等問題上。針對于地震預報工作來說，陳琪福等通過對遺傳算法的應用，初步建立了地震預報分類的體系。而王海軍等人也通過遺傳算法優(yōu)化參數(shù)的使用，對1994年臺灣海峽地震的震源過程進行了成功的反演。

3.4 分類

在數(shù)據(jù)挖掘過程中，“分類”是一項應用及其廣泛的任務。所謂分類，就是對已分類資料的特征進行深入的研究，通過對對象屬性的分析來建立起一個分類模型或分類函數(shù)，然后通過對這種函數(shù)或模型的運用來計算總結出相關數(shù)據(jù)的特征，最終將那些沒有經(jīng)過分類的數(shù)據(jù)或新的數(shù)據(jù)分派到不同的組中。在實際的地震預報工作中，分類的應用領域十分廣泛，比如地震序列類型的劃分、有震（無震）樣本的區(qū)分、地震正常（異常）數(shù)據(jù)的區(qū)分等，都將涉及到分類的應用。具體來說，分類的常用方法有貝葉斯分類法、決策樹分類法、遺傳算法分類法、神經(jīng)網(wǎng)絡分類法、支持向量機分類法、粗糙集理論分類法等。

4 結語

總之，數(shù)據(jù)挖掘技術目前在與自然災害預報、地震預報、醫(yī)療保健等應用領域的交叉結合中得到了迅猛的發(fā)展。針對于地震預報當中的數(shù)據(jù)挖掘而言，其具有十分深遠的研究意義。因此，我們必須基于數(shù)據(jù)挖掘基礎來不斷探求解決問題的新思路與新方法。只有這樣，地震預報的準確性才能夠得到實質(zhì)性的提升。

[1]郭淑文,程然,祝文亮等.數(shù)據(jù)挖掘技術在地震屬性降維中的應用 [J].天然氣地球科學,2010,04:670-677.

[2]項月文.基于SOM自組織神經(jīng)網(wǎng)絡的地震預報技術研究 [D].南昌大學,2012.

[3]宋維琪,楊曉東.解域約束下的微地震事件網(wǎng)格搜索法、遺傳算法聯(lián)合反演 [J].石油地球物理勘探,2011,02:259-266+160.

P315[文獻碼]B

1000-405X（2015）-10-341-1