BP神經(jīng)網(wǎng)絡在地震預測中的應用

馬城城+汪世仙+李伸亮

摘要：地震因其不可預測和防范性成為近年來最嚴重的自然災害。由于地震的不確定性和我們所掌握的地震學的局限性，使得往往成為后知后覺的被動者。痛定思痛后的學者們，汲取歷來地震時的各種指標來尋求預測地震的方法，為了對未來地震趨勢進行預測，他們提出一種 BP 神經(jīng)網(wǎng)絡預測方法。

關鍵詞：BP神經(jīng)網(wǎng)絡；地震預測；指標

中圖分類號：TP183；P315.7 文獻標識碼：A 文章編號：1007-9416（2017）01-0091-01

地震的破壞性是災難性的，近年來，我國乃至世界各地地震頻發(fā)，人員和財產(chǎn)的損失不可估量。地震預測成為全世界亟需攻克的難題，各國或組織都投入了大量的人力和財力以求最大限度地減少地震造成的影響。人們對自然的理解是很有限的，對地震的成因和規(guī)律的理解一直是無法突破的瓶頸，我們無法直接透視地球來觀察其活動情況，進而預判地震發(fā)生的具體時間及位置和震級大小，但經(jīng)過長期的摸索和驗證，一種叫做BP神經(jīng)網(wǎng)絡的預測方法更接近地震的各種特征，從而也被廣泛應用于地震預測中。

1 BP神經(jīng)網(wǎng)絡

由Rumelhart和McClelland提出的誤差反向傳播（Error Back-Propagation）神經(jīng)網(wǎng)絡模型和其算法通常被稱為BP神經(jīng)網(wǎng)絡模型。這是目前為止，全世界使用得最靠譜的神經(jīng)網(wǎng)絡模型之一。BP神經(jīng)網(wǎng)絡模型包括輸入層、輸出層和N個隱層，BP學習算法是一種監(jiān)控式學習算法，被多層前饋網(wǎng)絡所使用。它的核心理念是利用梯度搜索技術，使網(wǎng)絡模型的輸出實際值與預測值的方差接近最小值。網(wǎng)絡模型的學習過程包含這兩個階段，即前饋計算階段和反向調整權系數(shù)階段，它是一種在這兩個階段不斷修改差值的過程。

自然災害雖然還無法盡用科學來解釋，但地震的發(fā)生一定與我們觀測到的一些特殊情況有關，這種關系也許是直接的，也許是間接遞進的，我們可能無法用函數(shù)來直觀表達各種變量之間的這種線性或非線性的關系，但通過BP神經(jīng)網(wǎng)絡的監(jiān)控學習算法我們可以做到一種隱性詮釋，BP神經(jīng)網(wǎng)絡模型對這種實值函數(shù)有著很強的學習、表征能力和自適應能力，以歷來地震特征數(shù)值作為樣本進行梯度搜索和比對計算使方差接近最小值或局部最小值，所以說BP神經(jīng)網(wǎng)絡是用于地震預測的一個十分有效的方法。

2 BP神經(jīng)網(wǎng)絡的特點

（1）BP神經(jīng)網(wǎng)絡的學習和表征能力都很強，它的網(wǎng)絡模型中蘊含著N多隱層，適應性強。（2）在比對計算中不斷的修正差值，對訓練數(shù)據(jù)中的錯誤有很強的健壯性。（3）前饋計算階段和反向調整權系數(shù)將誤差降低到極小值，當一個樣例被網(wǎng)絡模型涵蓋以后，對新的樣例進行求值是非?？斓?。

3 BP神經(jīng)網(wǎng)絡在地震預測中的應用現(xiàn)狀

近年來，科技的不斷進步，計算機水平的提高推動著計算方法和機器學習算法的進步，BP神經(jīng)網(wǎng)絡作為機器學習算法中最常用的算法之一，被各個領域所廣泛應用。目前的應用主要是神經(jīng)網(wǎng)絡對經(jīng)過處理后的地震數(shù)據(jù)進行學習，以年份為特征，來預測該年份發(fā)生地震的情況。

BP神經(jīng)網(wǎng)絡模型通俗來講是一種信息處理系統(tǒng)，是模仿人腦結構及其各神經(jīng)元的功能來實現(xiàn)的。影響這種信息處理系統(tǒng)的因素有兩項，第一項是網(wǎng)絡的學習和運行規(guī)則，也就是網(wǎng)絡中連接權值的調整規(guī)則；第二項是網(wǎng)絡的拓撲結構，也就是BP神經(jīng)網(wǎng)絡中各神經(jīng)元之間相互作用形式。

BP算法是誤差反傳播算法重要的組成部分。近年來，由于國家的重視，給予的大力支持，BP神經(jīng)網(wǎng)絡在我國發(fā)展神速，并在極短的時間里在圖像、語音、數(shù)據(jù)等領域頗見成效。絕大部分的的神經(jīng)網(wǎng)絡都用到了BP算法，所以將BP算法應用于地震預測中定會取得非凡的效果，減少災害的損失。BP算法的學習過程是由兩個傳播過程組成的，分別是信號的正向傳播以及誤差的逆向傳播。信號的正向傳播顧名思義就是將樣本傳輸?shù)捷斎雽樱缓笤賯鞑サ礁骷夒[層進行處理和比對計算到達輸出層，此過程的逆向傳播即為誤差的反向傳播過程。若要具體實現(xiàn)BP算法就要首先建立神經(jīng)網(wǎng)絡模型，然后將樣本傳輸?shù)捷斎雽樱缓蟊葘γ繉虞敵?，計算出網(wǎng)絡模型的輸出誤差，不斷修正權值，從而得到理想的誤差最小值。信號的正向傳播和誤差的逆向傳播的各層權值的修正過程是循環(huán)往復進行的，這個過程需一直進行到將最后輸出的誤差調整到可接受的程度為止。

4 BP神經(jīng)網(wǎng)絡在地震預測中的應用前景

目前有一種非常有效的方法被應用到小樣本的預測問題中，我們稱它為“交叉驗證”法。交叉驗證法是將訓練樣例分為若干份，每次從這若干份樣例中任意找出一份作為驗證樣本，其它的統(tǒng)稱為訓練樣本，每次交叉驗證都得到一個最佳值，如此往復若干次后，將所有的最佳值求均值，這種方法對地震的預測結果很接近，是地震預測領域的一大突破。

預測畢竟是一種手段、一種猜測，任何一種算法最后的輸出結果都只能是接近而無法等同。所以，在未來的一段時間內(nèi)，地震專家可能會把目光放在地球內(nèi)部勘測領域，直觀的觀察地球內(nèi)部變化，分析其表象特征，將這些特征作為BP神經(jīng)網(wǎng)絡模型的神經(jīng)元，這樣得出的結果才夠精確，才能真正做到防范于未然。

5 結語

BP神經(jīng)網(wǎng)絡模型的優(yōu)勢就體現(xiàn)在其不局限于線性問題，組建的模型有很強的自適應性，即便樣本并非精確的教學模型，最后分析比對計算后的均值即為理想數(shù)值，它能適應很多復雜多變的訓練樣本，這也是神經(jīng)網(wǎng)絡方法在地震領域被廣泛應用的原因。無論哪種預測方法均存在著一定的局限性，我們要做的就是不斷開發(fā)完善，以做到百分百的預測。

參考文獻

[1]李東升，王煒，黃冰樹.人工神經(jīng)網(wǎng)絡及其在地震預報中的應用[J].地震，1995（4）.

[2]楊居義，易永宏.基于BP神經(jīng)網(wǎng)絡的地震預測研究[J].微電子學與計算機，2008（10）.

[3]石成鋼，劉西拉.人工神經(jīng)元網(wǎng)絡在震害預測中的應用[J].地震工程與工程振動，1991（2）.