共 9 条
- [1] 支持向量机导论.[M].(英)NelloCristianini;(英)JohnShawe-Taylor著;李国正等译;.电子工业出版社.2004,
- [2] 统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,
- [3] 混沌、分形及其应用.[M].王东生;曹磊 编著.中国科学技术大学出版社.1995,
- [4] 中国历史强震目录.[M].国家地震局震害防御司 编.地震出版社.1995,
中国大陆强震时间序列预测的支持向量机方法
被引：16
作者：
王炜
刘悦
李国正
吴耿锋
林命周
马钦忠
赵利飞
机构：
[1] 上海市地震局
[2] 上海大学计算机工程与科学学院
来源：
关键词：
统计学习理论;
支持向量机;
时间序列;
D O I：
暂无
中图分类号：
P315.7 [地震观测预报];
学科分类号：
摘要：
统计学习理论(Statistical Learning Theory或SLT)是研究有限样本情况下机器学习规律的理论。支持向量机(Support Vector Machines或SVM)是基于统计学习理论框架下的一种新的通用机器学习方法。它不但较好地解决了以往困扰很多学习方法的小样本、过学习、高维数、局部最小等实际难题,而且具有很强的泛化(预测)能力。文中使用支持向量机对中国大陆最大地震时间序列进行预测,预测次年的我国大陆最大地震震级,结果表明该方法具有较好的预报效果。研究结果还表明我国大陆强震活动除了与强震时间序列本身有关外,还与全球的强震活动、太阳黑子活动等有密切的关系。尽管这种关系还不清楚,但是通过支持向量机可以很好地反应出这种非线性关系。
引用
收藏
页码：28 / 34
页数：7
相关论文