BP神经网络在地震预测中的应用
开篇：润墨网以专业的文秘视角，为您筛选了一篇BP神经网络在地震预测中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：地震因其不可预测和防范性成为近年来最严重的自然灾害。由于地震的不确定性和我们所掌握的地震学的局限性，使得往往成为后知后觉的被动者。痛定思痛后的学者们，汲取历来地震时的各种指标来寻求预测地震的方法，为了对未来地震趋势进行预测，他们提出一种 bp 神经网络预测方法。
中图分类号：TP183；P315.7 文献标识码：A 文章编号：1007-9416（2017）01-0091-01
地震的破坏性是灾难性的，近年来，我国乃至世界各地地震频发，人员和财产的损失不可估量。地震预测成为全世界亟需攻克的难题，各国或组织都投入了大量的人力和财力以求最大限度地减少地震造成的影响。人们对自然的理解是很有限的，对地震的成因和规律的理解一直是无法突破的瓶颈，我们无法直接透视地球来观察其活动情况，进而预判地震发生的具体时间及位置和震级大小，但经过长期的摸索和验证，一种叫做BP神经网络的预测方法更接近地震的各种特征，从而也被广泛应用于地震预测中。
1 BP神经网络
由Rumelhart和McClelland提出的误差反向传播（Error Back-Propagation）神经网络模型和其算法通常被称为BP神经网络模型。这是目前为止，全世界使用得最靠谱的神经网络模型之一。BP神经网络模型包括输入层、输出层和N个隐层，BP学习算法是一种监控式学习算法，被多层前馈网络所使用。它的核心理念是利用梯度搜索技术，使网络模型的输出实际值与预测值的方差接近最小值。网络模型的学习过程包含这两个阶段，即前馈计算阶段和反向调整权系数阶段，它是一种在这两个阶段不断修改差值的过程。
自然灾害虽然还无法尽用科学来解释，但地震的发生一定与我们观测到的一些特殊情况有关，这种关系也许是直接的，也许是间接递进的，我们可能无法用函数来直观表达各种变量之间的这种线性或非线性的关系，但通过BP神经网络的监控学习算法我们可以做到一种隐性诠释，BP神经网络模型对这种实值函数有着很强的学习、表征能力和自适应能力，以历来地震特征数值作为样本进行梯度搜索和比对计算使方差接近最小值或局部最小值，所以说BP神经网络是用于地震预测的一个十分有效的方法。
2 BP神经网络的特点
（1）BP神经网络的学习和表征能力都很强，它的网络模型中蕴含着N多隐层，适应性强。（2）在比对计算中不断的修正差值，对训练数据中的错误有很强的健壮性。（3）前馈计算阶段和反向调整权系数将误差降低到极小值，当一个样例被网络模型涵盖以后，对新的样例进行求值是非常快的。
3 BP神经网络在地震预测中的应用现状
近年来，科技的不断进步，计算机水平的提高推动着计算方法和机器学习算法的进步，BP神经网络作为机器学习算法中最常用的算法之一，被各个领域所广泛应用。目前的应用主要是神经网络对经过处理后的地震数据进行学习，以年份为特征，来预测该年份发生地震的情况。
BP神经网络模型通俗来讲是一种信息处理系统，是模仿人脑结构及其各神经元的功能来实现的。影响这种信息处理系统的因素有两项，第一项是网络的学习和运行规则，也就是网络中连接权值的调整规则；第二项是网络的拓扑结构，也就是BP神经网络中各神经元之间相互作用形式。
BP算法是误差反传播算法重要的组成部分。近年来，由于国家的重视，给予的大力支持，BP神经网络在我国发展神速，并在极短的时间里在图像、语音、数据等领域颇见成效。绝大部分的的神经网络都用到了BP算法，所以将BP算法应用于地震预测中定会取得非凡的效果，减少灾害的损失。BP算法的学习过程是由两个传播过程组成的，分别是信号的正向传播以及误差的逆向传播。信号的正向传播顾名思义就是将样本传输到输入层，然后再传播到各级隐层进行处理和比对计算到达输出层，此过程的逆向鞑ゼ次误差的反向传播过程。若要具体实现BP算法就要首先建立神经网络模型，然后将样本传输到输入层，然后比对每层输出，计算出网络模型的输出误差，不断修正权值，从而得到理想的误差最小值。信号的正向传播和误差的逆向传播的各层权值的修正过程是循环往复进行的，这个过程需一直进行到将最后输出的误差调整到可接受的程度为止。
4 BP神经网络在地震预测中的应用前景
目前有一种非常有效的方法被应用到小样本的预测问题中，我们称它为“交叉验证”法。交叉验证法是将训练样例分为若干份，每次从这若干份样例中任意找出一份作为验证样本，其它的统称为训练样本，每次交叉验证都得到一个最佳值，如此往复若干次后，将所有的最佳值求均值，这种方法对地震的预测结果很接近，是地震预测领域的一大突破。
预测毕竟是一种手段、一种猜测，任何一种算法最后的输出结果都只能是接近而无法等同。所以，在未来的一段时间内，地震专家可能会把目光放在地球内部勘测领域，直观的观察地球内部变化，分析其表象特征，将这些特征作为BP神经网络模型的神经元，这样得出的结果才够精确，才能真正做到防范于未然。
5 结语
BP神经网络模型的优势就体现在其不局限于线性问题，组建的模型有很强的自适应性，即便样本并非精确的教学模型，最后分析比对计算后的均值即为理想数值，它能适应很多复杂多变的训练样本，这也是神经网络方法在地震领域被广泛应用的原因。无论哪种预测方法均存在着一定的局限性，我们要做的就是不断开发完善，以做到百分百的预测。
参考文献
[1]李东升，王炜，黄冰树.人工神经网络及其在地震预报中的应用[J].地震，1995（4）.
[2]杨居义，易永宏.基于BP神经网络的地震预测研究[J].微电子学与计算机，2008（10）.
[3]石成钢，刘西拉.人工神经元网络在震害预测中的应用[J].地震工程与工程振动，1991（2）.