中国大陆强震时间序列预测的支持向量机方法

• 作者: 刘悦 吴耿锋 李国正 林命周 王炜 赵利飞 马钦忠
• 来源期刊: 地震
• 学科: 地球科学
• 关键词: 统计学习理论 支持向量机 时间序列
• 年，卷（期）: 2005,（4）
• 页码范围: 26-32
• 页数: 7页
• 分类号: P315.7
• 字数: 5363字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3274.2005.04.003

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴耿锋	上海大学计算机工程与科学学院	96	1482	18.0	35.0
2	刘悦	上海大学计算机工程与科学学院	23	147	7.0	11.0
3	林命周		5	33	3.0	5.0
4	王炜		29	365	11.0	18.0
5	马钦忠		23	240	11.0	15.0
6	赵利飞		14	131	8.0	11.0
7	李国正	上海大学计算机工程与科学学院	12	144	8.0	12.0