自组织特征映射神经网络在厄尔尼诺事件检验中的应用

自组织特征映射神经网络在厄尔尼诺事件检验中的应用

林玎¹,刘伟¹,张治国²

1.吉林建筑工程学院基础科学系，长春 130021；2.吉林大学综合信息矿产预测研究所，长春 130026

收稿日期:2005-12-01 修回日期:1900-01-01 出版日期:2006-07-26 发布日期:2006-07-26
通讯作者: 林玎

The Application of the SelfOrganizing Feature Map Neural Network in Testing the El Nino Event

LIN Ding¹, LIU Wei¹, ZHANG Zhi-guo²

1.Department of Basic Science,Jilin Architectural and Civil Engineering Institute, Changchun 130021, China；2.Institute of Mineral Resources Prediction of Synthetic Information, Jilin University, Changchun 130026, China

Received:2005-12-01 Revised:1900-01-01 Online:2006-07-26 Published:2006-07-26
Contact: LIN Ding

摘要/Abstract

摘要： 对厄尔尼诺事件多因素成因进行了分析。利用自组织特征映射（SOFM）神经网络方法对1973～1994年的全球7级以上地震次数、日食条件、海温距平数据建立了SOFM网络检验模型。对1995~2000年厄尔尼诺事件进行了检验，检验的准确率为83.3% 。

关键词: 自组织特征映射, 人工神经网络, 厄尔尼诺, 日食, 海温, 地震

Abstract: The causes of the El Nino events was analyzed. The selforganizing feature map (SOFM) neural network forecasting model was built up according to the numbers of the earthquakes, the conditions of solareclipses and average of seatemperature in 1973~1994 with the method of the SOFM network and examines the El Nino events happened in 1995~2000. Its accuracy rate is 83.3%.

Key words: selforganizing feature map, artificial neural network, El Nino, solareclipse, seatemperature, earthquake

中图分类号:

P732

林玎,刘伟,张治国. 自组织特征映射神经网络在厄尔尼诺事件检验中的应用[J]. J4, 2006, 36(04): 609-612.

LIN Ding, LIU Wei, ZHANG Zhi-guo. The Application of the SelfOrganizing Feature Map Neural Network in Testing the El Nino Event[J]. J4, 2006, 36(04): 609-612.

参考文献

相关文章 15

[1]	刘一, 刘财, 刘洋, 勾福岩, 李炳秀. 复杂地震波场的自适应流预测插值方法[J]. 吉林大学学报(地球科学版), 2018, 48(4): 1260-1267.
[2]	刘明忱, 孙建国, 韩复兴, 孙章庆, 孙辉, 刘志强. 基于自适应加权广义逆矢量方向滤波估计地震同相轴倾角[J]. 吉林大学学报(地球科学版), 2018, 48(3): 881-889.
[3]	郑确, 刘财, 田有. 辽宁海城及其邻区地震b值空间分布特征[J]. 吉林大学学报(地球科学版), 2018, 48(3): 922-933.
[4]	刘四新, 朱怡诺, 王旭东, 宋二乔, 贺文博. 工程地震折射波解释方法研究进展[J]. 吉林大学学报(地球科学版), 2018, 48(2): 350-363.
[5]	徐泰然, 卢占武, 王海燕, 李洪强, 李文辉. 深地震反射剖面揭示的西藏娘热矿集区上地壳结构[J]. 吉林大学学报(地球科学版), 2018, 48(2): 556-565.
[6]	施有志, 柴建峰, 林树枝, 李秀芳. 地下综合管廊边界条件对地震动力响应影响数值分析[J]. 吉林大学学报(地球科学版), 2018, 48(1): 213-225.
[7]	安振芳, 张进, 张建中. 海洋三维VC观测系统优化设计[J]. 吉林大学学报(地球科学版), 2018, 48(1): 271-284.
[8]	施有志, 林树枝, 车爱兰, 惠祥宇, 冯少孔, 黄钰琳. 基于三维地震映像法的地铁盾构区间孤石勘探及其应用[J]. 吉林大学学报(地球科学版), 2017, 47(6): 1885-1893.
[9]	崔鑫, 李铂, 朱元清, 李亚军, 穆娟, 王峰. 基于Hyposat和HypoDD的山东地区地震波一维速度模型[J]. 吉林大学学报(地球科学版), 2017, 47(5): 1572-1581.
[10]	刘海燕, 刘财, 王典, 刘洋. 基于Facet模型梯度算子一致性的地震数据不连续性识别方法[J]. 吉林大学学报(地球科学版), 2017, 47(4): 1286-1294.
[11]	秦胜伍, 马中骏, 刘绪, 李广杰, 彭帅英, 陈骏骏, 翟健健. 基于简化Newmark模型的长白山天池火山诱发崩塌滑坡危险性评价[J]. 吉林大学学报(地球科学版), 2017, 47(3): 826-838.
[12]	姚振岸, 孙成禹. 含流体薄层时移地震AVA/AVF特征分析[J]. 吉林大学学报(地球科学版), 2017, 47(3): 884-898.
[13]	葛利华, 姜弢, 徐学纯, 贾海青, 杨志超. 辽西葫芦岛东部表层调查方法比对实验[J]. 吉林大学学报(地球科学版), 2017, 47(2): 616-625.
[14]	吴建光, 张平, 吕昊, 曾晓献. 基于震幅叠加的微地震事件定位在地面监测中的应用[J]. 吉林大学学报(地球科学版), 2017, 47(1): 255-264.
[15]	张兆辉, 刘化清, 苏明军. 基于地层切片的小尺度沉积相定量解释方法[J]. 吉林大学学报(地球科学版), 2016, 46(3): 893-899.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed