CN106019359A - 一种基于神经网络的地震预测*** - Google Patents

一种基于神经网络的地震预测*** Download PDF

Info

Publication number
CN106019359A
CN106019359A CN201610324909.1A CN201610324909A CN106019359A CN 106019359 A CN106019359 A CN 106019359A CN 201610324909 A CN201610324909 A CN 201610324909A CN 106019359 A CN106019359 A CN 106019359A
Authority
CN
China
Prior art keywords
earthquake
data
training
earthquake prediction
prediction apparatus
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610324909.1A
Other languages
English (en)
Inventor
尹超
李朋
姜凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inspur Group Co Ltd
Original Assignee
Inspur Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Inspur Group Co Ltd filed Critical Inspur Group Co Ltd
Priority to CN201610324909.1A priority Critical patent/CN106019359A/zh
Publication of CN106019359A publication Critical patent/CN106019359A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/01—Measuring or predicting earthquakes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

本发明提供一种基于神经网络的地震预测***，属于人工智能领域，该***包含数据采集装置、地震预测装置和监控警报中心。其中数据采集装置主要是地震仪和网络模块组成，用于采集地震波和将数据通过网络传输。地震预测装置生成包含以下步骤：首先选取大量的训练样本集，主要是关于地震波的图片。然后构建卷积神经网络***，并运用训练数据对其进行训练，当训练完成之后，即生成了地震预测***。监控警报中心主要分析神经网络的输出以及采集装置的数据预测哪个位置即将发生地震。本发明通过通用的卷积神经网络模型，克服了特征匹配算法考虑不全的缺点，具有很好的泛化能力，提高预测的准确性。

Description

一种基于神经网络的地震预测***
技术领域
本发明涉及人工智能技术，尤其涉及一种基于神经网络的地震预测***。
背景技术
据统计，地球上每年发生约500多万次地震，其中能对人类造成严重危害的地震大约有10多次，但每次特大地震总会带来严重的经济损害、人员伤亡，给人们的心理带来严重的负担。
现在的科技水平无法准确的预知地震到来，因此急需一种新型的地震预测装置。
发明内容
如今随着人工智能神经网络的兴起，使得机器自我抽象、学习事物特征成为可能。因此，本发明提出一种基于神经网络的地震预测***。通过分析多年来地震的数据，让机器能够帮助我们预测地震。
本发明的解决方案如下所示：
一种基于神经网络的地震预测***，
主要包含数据采集装置、地震预测装置和监控警报中心；
其中
数据采集装置主要是由地震仪和网络模块组成，用于采集地震波和将数据通过网络传输；采集装置可以分布在全国地震比较频繁的地方，采集装置内部含有网络模块和地震仪，可以将采集到的地震波信息及位置信息通过网络发送给地震预测装置。
地震预测装置生成包含以下步骤：首先选取大量的训练样本集，主要是关于地震波的图片；然后构建卷积神经网络***，并运用训练数据对其进行训练，当训练完成之后，即生成了地震预测***；
监控警报中心主要分析神经网络的输出以及采集装置的数据预测哪个位置即将发生地震；
数据采集***主要通过地震仪采集当地的地震波图形，并将该图形及位置信息通过网络发到地震预测装置；
地震预测装置分析地震波图形输出地震发生的概率，并将位置信息及概率信息发送到监控警报中心。监控警报中心得到地震预测装置的输出以及位置信息，将其写入数据库，并通过大屏幕按照地震概率由大到小显示，如果某一位置概率超过阈值则发生报警。
其中地震预测装置的生成，主要包含以下步骤：
(1)选取训练样本，主要为地震发生时的地震波图片和地震未发生时的地震波图片。
(2)构建神经网络模型，本文选用的是卷积神经网络，包含一个输入层，两个卷积层，两个采样层，一个全连接层，一个输出层。
(3)训练神经网络，将训练样本送入卷积神经网络，然后不断迭代进行训练，当最后输出样本的误差率低于预期的值时，停止训练，网络训练完成，生成地震预测装置。
本发明的有益效果：
本发明提出了一种基于神经网络的地震预测***，应用广泛、操作简便，通过新型的人工智能技术，可以方便实时的预测地震发生的概率，具有泛化能力强，能够自我学习等特点。
附图说明
图1是卷积神经网络的组成框图；
图2是地震预测***的简单流程图。
具体实施方式
下面对本发明的内容进行更加详细的阐述：
采集装置可以分布在全国地震比较频繁的地方，采集装置内部含有网络模块和地震仪，可以将采集到的地震波信息及位置信息通过网络发送给地震预测装置。
地震预测装置的生成主要是通过构建卷积神经网络，并且加以训练，当训练完成后即可形成。其中卷积神经网络包含输入层，第一卷积层，第一采样层，第二卷积层，第二采样层，全连接层，输出层等。首先将大量发生地震时和未地震时的地震波信息图片输入神经网络，经过大量的迭代，神经网络达到收敛，此后，即可将地震仪采集到的数据实时输入地震预测装置得到地震发生的概率。
监控警报中心得到地震预测装置的输出以及位置信息，将其写入数据库，并通过大屏幕按照地震概率由大到小显示，如果某一位置概率超过阈值则发生报警。
本***的具体实施步骤如图2所示：
首先构建如图1所示的卷积神经网络。包含输入层，第一卷积层，第一子采样层，第二卷积层，第二子采样层，全连接层，输出层等。
其中卷积层可以包含多个卷积核(神经元)，用于提取输入图像的不同特征。而子采样层主要对卷积层的输出采样来进行压缩。全连接层将最后第二采样层的结果变化成1维的向量，用于代表地震发生的概率。
然后将大量地震发生或者未发生时的地震波图片输入卷积神经网络，经过多次迭代训练，如果样本误差低于预期时，完成训练，生成地震预测装置。
其次分布各地的采集装置将采集到的地震波图形及位置信息定时发送到地震预测装置。地震预测装置分析地震波图片，输出地震发生的概率。
最后监控警报中心将地震预测装置产生的输出及位置信息存入数据库，通过大屏幕显示出来，如果有地震发生的概率大于阈值时则报警。

Claims (3)

1.一种基于神经网络的地震预测***，其特征在于，
主要包含数据采集装置、地震预测装置和监控警报中心；
其中
数据采集装置主要是由地震仪和网络模块组成，用于采集地震波和将数据通过网络传输；
地震预测装置生成包含以下步骤：首先选取大量的训练样本集，主要是关于地震波的图片；然后构建卷积神经网络***，并运用训练数据对其进行训练，当训练完成之后，即生成了地震预测***；
监控警报中心主要分析神经网络的输出以及采集装置的数据预测哪个位置即将发生地震；
数据采集***主要通过地震仪采集当地的地震波图形，并将该图形及位置信息通过网络发到地震预测装置；
地震预测装置分析地震波图形输出地震发生的概率，并将位置信息及概率信息发送到监控警报中心，
监控警报中心实时监控地震发生概率数据，当概率超过阈值，发生报警。
2.根据权利要求1所述的地震预测***，其特征在于，
主要包含以下步骤：
（1）选取训练样本，主要为地震发生时的地震波图片和地震未发生时的地震波图片；
（2）构建神经网络模型，本发明选用的是卷积神经网络，包含一个输入层，两个卷积层，两个采样层，一个全连接层，一个输出层；
（3）训练神经网络，将训练样本送入卷积神经网络，然后不断迭代进行训练，当最后输出样本的误差率低于预期的值时，停止训练，网络训练完成，生成地震预测装置。
3.根据权利要求2所述的地震预测***，其特征在于，
监控警报中心得到地震预测装置的输出以及位置信息，将其写入数据库，并通过大屏幕按照地震概率由大到小显示，如果某一位置概率超过阈值则发生报警。
CN201610324909.1A 2016-05-17 2016-05-17 一种基于神经网络的地震预测*** Pending CN106019359A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610324909.1A CN106019359A (zh) 2016-05-17 2016-05-17 一种基于神经网络的地震预测***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610324909.1A CN106019359A (zh) 2016-05-17 2016-05-17 一种基于神经网络的地震预测***

Publications (1)

Publication Number Publication Date
CN106019359A true CN106019359A (zh) 2016-10-12

Family

ID=57098396

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610324909.1A Pending CN106019359A (zh) 2016-05-17 2016-05-17 一种基于神经网络的地震预测***

Country Status (1)

Country Link
CN (1) CN106019359A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971230A (zh) * 2017-05-10 2017-07-21 中国石油大学(北京) 基于深度学习的初至拾取方法及装置
CN108897614A (zh) * 2018-05-25 2018-11-27 福建天晴数码有限公司 一种基于卷积神经网络的内存预警方法及服务端
CN109118001A (zh) * 2018-08-09 2019-01-01 成都天地量子科技有限公司 一种基于卫星遥感数据的山火监测方法和***
CN110082822A (zh) * 2019-04-09 2019-08-02 中国科学技术大学 利用卷积神经网络进行地震检测的方法
CN110334567A (zh) * 2019-03-22 2019-10-15 长江大学 一种微地震有效信号检测方法
CN110609320A (zh) * 2019-08-28 2019-12-24 电子科技大学 一种基于多尺度特征融合的叠前地震反射模式识别方法
CN113253336A (zh) * 2021-07-02 2021-08-13 深圳市翩翩科技有限公司 一种基于深度学习的地震预测方法和***
EP3889652A1 (en) * 2020-03-30 2021-10-06 Qingdao University Of Technology Performance-level seismic motion hazard analysis method based on three-layer dataset neural network
US11143770B1 (en) 2020-05-28 2021-10-12 Massachusetts Institute Of Technology System and method for providing real-time prediction and mitigation of seismically-induced effects in complex systems
CN113534238A (zh) * 2020-04-18 2021-10-22 中国石油化工股份有限公司 一种地震资料处理过程数据采集及数据挖掘的***和方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1571982A (zh) * 2002-03-26 2005-01-26 科学与工业研究会 存在仪器噪声和测量误差时人工神经网络模型改进的性能
JP2010025877A (ja) * 2008-07-24 2010-02-04 Citizen Holdings Co Ltd 地震警報装置
CN102610092A (zh) * 2012-03-23 2012-07-25 天津大学 基于rbf神经网络城市道路速度预测方法
CN104573731A (zh) * 2015-02-06 2015-04-29 厦门大学 基于卷积神经网络的快速目标检测方法
CN204496013U (zh) * 2015-03-11 2015-07-22 山东大学 隧道掘进机中主动源三维地震超前地质探测装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1571982A (zh) * 2002-03-26 2005-01-26 科学与工业研究会 存在仪器噪声和测量误差时人工神经网络模型改进的性能
JP2010025877A (ja) * 2008-07-24 2010-02-04 Citizen Holdings Co Ltd 地震警報装置
CN102610092A (zh) * 2012-03-23 2012-07-25 天津大学 基于rbf神经网络城市道路速度预测方法
CN104573731A (zh) * 2015-02-06 2015-04-29 厦门大学 基于卷积神经网络的快速目标检测方法
CN204496013U (zh) * 2015-03-11 2015-07-22 山东大学 隧道掘进机中主动源三维地震超前地质探测装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
卢溜等: "卷积神经网络在地震多属性分析中的应用", 《中国地球科学联合学术年会》 *
江汶乡: "面向地震预警的强震动数据处理技术研究", 《中国博士学位论文全文数据库 基础科学辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971230A (zh) * 2017-05-10 2017-07-21 中国石油大学(北京) 基于深度学习的初至拾取方法及装置
CN108897614A (zh) * 2018-05-25 2018-11-27 福建天晴数码有限公司 一种基于卷积神经网络的内存预警方法及服务端
CN109118001A (zh) * 2018-08-09 2019-01-01 成都天地量子科技有限公司 一种基于卫星遥感数据的山火监测方法和***
CN110334567A (zh) * 2019-03-22 2019-10-15 长江大学 一种微地震有效信号检测方法
CN110082822B (zh) * 2019-04-09 2020-07-28 中国科学技术大学 利用卷积神经网络进行地震检测的方法
CN110082822A (zh) * 2019-04-09 2019-08-02 中国科学技术大学 利用卷积神经网络进行地震检测的方法
CN110609320A (zh) * 2019-08-28 2019-12-24 电子科技大学 一种基于多尺度特征融合的叠前地震反射模式识别方法
EP3889652A1 (en) * 2020-03-30 2021-10-06 Qingdao University Of Technology Performance-level seismic motion hazard analysis method based on three-layer dataset neural network
CN113534238A (zh) * 2020-04-18 2021-10-22 中国石油化工股份有限公司 一种地震资料处理过程数据采集及数据挖掘的***和方法
CN113534238B (zh) * 2020-04-18 2024-03-29 中国石油化工股份有限公司 一种地震资料处理过程数据采集及数据挖掘的***和方法
US11143770B1 (en) 2020-05-28 2021-10-12 Massachusetts Institute Of Technology System and method for providing real-time prediction and mitigation of seismically-induced effects in complex systems
WO2021242289A1 (en) * 2020-05-28 2021-12-02 Massachusetts Institute Of Technology System and method for providing real-time prediction and mitigation of seismically-induced effects in complex systems
CN113253336A (zh) * 2021-07-02 2021-08-13 深圳市翩翩科技有限公司 一种基于深度学习的地震预测方法和***

Similar Documents

Publication Publication Date Title
CN106019359A (zh) 一种基于神经网络的地震预测***
Lu et al. A deep learning approach to rapid regional post‐event seismic damage assessment using time‐frequency distributions of ground motions
Kong et al. Machine learning in seismology: Turning data into insights
US10555192B2 (en) Predicting received signal strength in a telecommunication network using deep neural networks
CN108364097B (zh) 基于生成对抗网络的台风云系预测方法
Guha-Sapir et al. Estimating populations affected by disasters: A review of methodological issues and research gaps
CN103761537B (zh) 基于低秩优化特征字典模型的图像分类方法
Gaidai et al. A novel multi regional reliability method for COVID-19 death forecast
WO2023035923A1 (zh) 一种视频审核方法、装置及电子设备
CN115223049B (zh) 面向电力场景边缘计算大模型压缩的知识蒸馏与量化方法
Lombardi et al. The assumption of Poisson seismic-rate variability in CSEP/RELM experiments
US20170185909A1 (en) Systems and methods for performing real-time convolution calculations of matrices indicating amounts of exposure
Zhang et al. Urban spatial risk prediction and optimization analysis of POI based on deep learning from the perspective of an epidemic
Pollino et al. Collaborative open source geospatial tools and maps supporting the response planning to disastrous earthquake events
Gruca et al. CDCEO'21-First Workshop on Complex Data Challenges in Earth Observation
Monrat et al. A belief rule based flood risk assessment expert system using real time sensor data streaming
Tasakos et al. Deep learning-based anomaly detection in nuclear reactor cores
Naguit et al. From source to building fragility: post-event assessment of the 2013 M7. 1 Bohol, Philippines, Earthquake
Lopes et al. Multidimensional scaling visualization of earthquake phenomena
CN111224938A (zh) 一种无线地震仪网络压缩数据传输方法
Li et al. Structural health monitoring response reconstruction based on UAGAN under structural condition variations with few-shot learning [J]
CN116363474A (zh) 基于时空注意力机制cnn的继电保护装置检测方法及***
Wu et al. Spatial‐temporal characteristics of AIDS incidences in Mainland China
CN114912674A (zh) 基于全日面光球磁图的太阳射电爆发预报方法及***
Meslem et al. Uncertainty and quality rating in analytical vulnerability assessment

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20161012

WD01 Invention patent application deemed withdrawn after publication