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]	王振军. 油气储层裂缝预测进展[J]. 吉林大学学报(地球科学版), 2026, 56(2): 469-482.
[2]	黄华, 王圆圆, 裴志勇, 邓小芹, 方火浪. 设防地震作用下深厚覆盖层上土石混合体高填方人工半岛动力反应及抗震性能[J]. 吉林大学学报(地球科学版), 2026, 56(2): 598-610.
[3]	黄兴国, 翁央央, 韩丽. 基于广义递归卷积的孔隙黏弹地震波正演模拟[J]. 吉林大学学报(地球科学版), 2026, 56(1): 377-385.
[4]	刘财, 张焱喆, 刘洋. 地震数据非平稳特征分析综述[J]. 吉林大学学报(地球科学版), 2025, 55(6): 2132-2152.
[5]	田广, 赵岩. 信噪比约束的可调节振幅补偿算子反Q滤波方法[J]. 吉林大学学报(地球科学版), 2025, 55(4): 1351-1360.
[6]	王志勇, 刘国昌, 王梓旭, 郭严粮, 秦晨. 基于振幅一致性残差卷积编码-解码器的不规则缺失数据重建 [J]. 吉林大学学报(地球科学版), 2025, 55(4): 1336-1350.
[7]	董春峰, 张岩, 刘小秋, 董宏丽. 基于改进U-Net的微地震事件识别方法[J]. 吉林大学学报(地球科学版), 2025, 55(3): 970-986.
[8]	耿鑫, 王长鹏, 张春霞, 张讲社, 熊登. 基于多尺度特征自注意力模型的地震数据重建方法[J]. 吉林大学学报(地球科学版), 2025, 55(3): 1001-1013.
[9]	巴忠臣, 秦军, 华美瑞, 张宗斌, 秦赛赛, 张稳. 隐蔽性微小断裂智能识别技术在准噶尔盆地MH1井区的应用[J]. 吉林大学学报(地球科学版), 2025, 55(2): 612-626.
[10]	靳雪彬, 李丙喜, 张振国, 雷茂盛, 安利双, 丁恺. 匹配追踪分频谱蓝化在叠后地震提频中的应用[J]. 吉林大学学报(地球科学版), 2025, 55(2): 646-656.
[11]	李学杰, 田成静, 钟和贤, 张江勇, 廖志良. 南海晚更新世以来火山玻璃分布特征与物源分析[J]. 吉林大学学报(地球科学版), 2025, 55(1): 1-14.
[12]	徐杨杨, 商耀达, 孙建国. 基于预条件广义逐次超松弛迭代法的数值格林函数计算方法[J]. 吉林大学学报(地球科学版), 2024, 54(5): 1696-1710.
[13]	葛康建, 王长鹏, 张春霞, 张讲社, 熊登. 基于粗-细网络模型分步训练的地震数据重建方法[J]. 吉林大学学报(地球科学版), 2024, 54(4): 1396-1405.
[14]	郭春涛, 史江涛, 刘亮, 荆雪婷, 刘杨晋. 塔里木盆地塔河地区中下奥陶统沉积特征及其演化模式#br#[J]. 吉林大学学报(地球科学版), 2024, 54(1): 68-82.
[15]	年廷凯, 王国栋, 郑德凤, 王大伟. 南海北部陆坡区典型峡谷陡坡群地震稳定性[J]. 吉林大学学报(地球科学版), 2023, 53(6): 1785-1798.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	初凤友，孙国胜，李晓敏，马维林，赵宏樵. 中太平洋海山富钴结壳生长习性及控制因素[J]. J4, 2005, 35(03): 320 -0325 .
[2]	周丽萍, 申向东, 李学斌, 白忠强. 天然浮石粉水泥土力学性质的试验研究[J]. J4, 2009, 39(3): 492 -497 .
[3]	黄玉龙, 王璞珺, 邵锐. 火山碎屑岩的储层物性--以松辽盆地营城组为例[J]. J4, 2010, 40(2): 227 -236 .
[4]	潘殿琦,张祖培,潘殿彩,陈义民,徐瑞. 人工冻土纵波波速与温度和含水率的关系[J]. J4, 2006, 36(04): 588 -591 .
[5]	付哲，周云轩，刘殿伟，刘万崧. 基于特征的面向对象虚拟GIS数据模型设计与原型系统实现[J]. J4, 2006, 36(04): 647 -652 .
[6]	滕吉文, 刘财, 韩立国, 阮小敏, 闫雅芬, 张永谦. 汶川—映秀M_S8.0地震的介质破裂与深部物质运移的动力机制[J]. J4, 2009, 39(4): 559 -583 .
[7]	卢进才，李玉宏，魏仙样，魏建设. 鄂尔多斯盆地三叠系延长组长7油层组油页岩沉积环境与资源潜力研究[J]. J4, 2006, 36(6): 928 -0932 .
[8]	黄继国，黄国鑫，聂广正，魏海娟，吕爱民,王雪松. 中温UBF与UASB两相厌氧系统处理垃圾渗滤液的实验研究[J]. J4, 2007, 37(1): 144 -0147 .
[9]	孙才志,刘玉兰,杨俊. 下辽河平原地下水生态水位与可持续开发调控研究[J]. J4, 2007, 37(2): 249 -254 .
[10]	舒萍,曲延明,王国军,丁日新,艾兴波,纪学雁,唐华风,边伟华,王璞珺. 松辽盆地火山岩储层裂缝地质特征与地球物理识别[J]. J4, 2007, 37(4): 726 -0733 .