一种基于贝叶斯优化多机器学习算法的最大余震预测方法技术

本发明专利技术提供一种基于贝叶斯优化多机器学习算法的最大余震预测方法，根据地震学原理将地震分为不同类型进行处理，通过分析主震与余震之间的关系后建立了主震‑余震序列用于最大余震的训练和预测。针对不同地震类型，分别使用LightGBM、SVM、RF训练并使用贝叶斯优化算法结合五折交叉验证的方法寻找模型最优超参数，最终得到最大余震震级的组合预测模型。本发明专利技术在预测流程上简单，需要的参数量少，针对不同类型地震的余震均有较好的预测效果，适用性强，准确度高，与经典的Bath定律相比，约95％的结果优于Bath定律。

【技术实现步骤摘要】

本专利技术涉及地震后最大余震预测技术，具体是一种基于贝叶斯优化多机器学习算法的最大余震预测方法。

技术介绍

1、强震的破坏力对人类造成的影响是灾难性的，而强震的发生往往伴随着一系列的余震,这些余震将会对建筑物造成累积损伤并产生连带效应效应，加剧人员伤亡和财产损失，对人类造成的二次伤害不可小觑。

2、余震是地震主震之后接连发生的小地震，它们通常没有主震那么强烈，但可能会持续很长时间。在重要的余震研究领域三定律中，大森定律阐述了余震活动随时间的特征衰减，巴斯定律提出主震的震级和余震的最大震级几乎是恒定的，gutenberg-richter定律(g-r定律)表明主震震级与余震次数之间存在相关性。这三条定律对余震的研究做出了很大的贡献，后来余震预测的研究在此基础上继续进行。

3、目前，根据历史数据定义地震过程的时空特征函数，分析函数中参数的变化，利用统计概率的思想预测余震，仍然是比较常用的方法。而统计概率模型往往通过调整特征参数来间接预测，无法准确地捕捉到地震活动的复杂性和多样性，导致预测的准确性不高。其次，传统的统计概率模型通常使用的是强本文档来自技高网...

【技术保护点】

1.一种基于贝叶斯优化多机器学习算法的最大余震预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于贝叶斯优化多机器学习算法的最大余震预测方法，其特征在于，所述步骤S1，所用数据集为全球中心矩张量地震目录(Global CMT)。

3.根据权利要求1所述的一种基于贝叶斯优化多机器学习算法的最大余震预测方法，其特征在于，所述步骤S1，划分地震类型时以滑动角为依据，将原滑动角θ∈[-180°，180°]转换到θ∈[0，360°]，其中滑动角45°≤θ≤135°的划分为逆冲型地震，225°≤θ≤315°的划分为正断型地震，其他角度范围的划分为走滑型地震。...

【技术特征摘要】

1.一种基于贝叶斯优化多机器学习算法的最大余震预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于贝叶斯优化多机器学习算法的最大余震预测方法，其特征在于，所述步骤s1，所用数据集为全球中心矩张量地震目录(global cmt)。

3.根据权利要求1所述的一种基于贝叶斯优化多机器学习算法的最大余震预测方法，其特征在于，所述步骤s1，划分地震类型时以滑动角为依据，将原滑动角θ∈[-180°，180°]转换到θ∈[0，360°]，其中滑动角45°≤θ≤135°的划分为逆冲型地震，225°≤θ≤315°的划分为正断型地震，其他角度范围的划分为走滑型地震。

4.根据权利要求1所述的一种基于贝叶斯优化多机器学习算法的最大余震预测方法，其特征在于，所述步骤s2，特征构造时，以地震视应力as和地震辐射能量的对数lge作为新的特征，视应力as的计算采用如下公式：

5.根据权利要求1所述的一种基于贝叶斯优化多机器学习算法的最大余震预测方法，其特征在于，所述步骤s4，在划分主余震序列时，以2020年为时间点，2020年之前的数据用于模型训练，2020年后的数据用于测试，其中模型训练的部分以8：2的比例划分为训练集和验证集；在进行归一化操作时，设置数据集x＝{x1，x2，x3，...，xn}，将数据集中各分量的最大值取为max(xi)，最小值取为min(xi)，使用最大最小归一化公式将训练集和测试集数据归一化到-1到1之间，公式如下：

【专利技术属性】
技术研发人员：王茂发，张一驰，张润杰，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：